CN104698934A - 基于fpga的无人机舵机遥控信息的采集和处理方法 - Google Patents

Abstract

本发明提供一种基于FPGA的无人机舵机遥控信息的采集和处理方法，所述方法需提供FPGA模块、该FPGA模块中包括有上升沿及下降沿信号采集电路和滤波算法信号处理电路；所述方法具体为：将无人机的各个舵机均连接一舵机驱动器，将各个舵机驱动器与FPFA模块连接，上升沿及下降沿信号采集电路对遥控接收机发出的信号进行采集，滤波算法信号处理电路将采集到的遥控舵量控制信息后进行滤波处理，获得稳定的遥控舵量控制信息，并通过一总线发送给无人机的飞控单元。本发明能有效地提高多路舵机控制信号的采集频率，极大地提高响应速度，能实时地更新控制舵量，从而提高无人飞机的平稳飞行。

Description

基于FPGA的无人机舵机遥控信息的采集和处理方法

技术领域

本发明涉及无人机舵机控制技术领域，尤其涉及一种基于FPGA的无人机舵机遥控信息的采集和处理方法。

背景技术

现有的无人飞机的舵机遥控一般采用逻辑电路或微处理器采集多路PWM波形的遥控信息，结合由飞控单元产生的自控舵量信息，经过融合处理，输出多路舵量控制信息，控制无人机的横滚、俯仰及航向等运动。信息更新周期在十毫秒级，且信号采集抗干扰能力较差，飞行控制响应速度较慢，直接影响到飞行器的飞行性能。

目前无人机的舵机遥控信息的采集，一般是采用逻辑电路或微处理器单元，采用FPGA的如2008年实用新型专利《基于FPGA的电动舵机控制器》，专利号ZL200820233842.1。其结构框图如图1所示。

该专利包含FPGA模块1、电源模块2、数字通信模块3、信号调理及A/D转换模块4以及电机驱动模块5，采用FPGA不断改进控制算法来提高***性能，能实现多路舵机集成控制，集成度高，性能可靠，从根本上解决模拟式电动舵机信号的衰变及串扰问题。其中FPGA模块接受数字信号后，进行数据并行处理，然后输出到电机驱动模块，驱动多路舵机。其信号调理及A/D转换模块独立于FPGA，信号处理性能与该调理能力密切相关。现有技术采用独立的信号调理及A/D转换模块来处理传感器信息，电路冗余，且不能灵活应用先进的滤波处理技术。本专利申请文件采用FPGA电路取代信号调理及相关电路，采用硬件描述语言设计先进的滤波处理算法，提高了信号处理能力，能获得可靠的舵机控制信号，并能精简硬件电路，具有明显的优点。现有的技术采用硬件逻辑电路及微处理器的方法处理舵机的遥控信号，处理响应周期在十毫秒级，一般是10～20毫秒更新一次，信号响应时间长。本专利申请文件采用FPGA中的时钟信号进行循环操作，响应频率达到100兆赫以上，能达到微秒级的响应周期，因此大大提高了反应速度，能极大地提高***的应变能力。

其中，FPGA，现场可编程门阵列Field Progammable Gate Array，可以采用硬件描述语言设计专用的功能电路模块，通过逻辑单元搭建成硬件模块，响应频率高。

舵机：无人飞机上控制横滚、俯仰及航向的控制电动机。

舵量：对无人飞机上舵机的控制量，可由遥控器发出手动控制量，也可由飞控单元发出的自动控制量。

发明内容

本发明要解决的技术问题，在于提供一种基于FPGA的无人机舵机遥控信息的采集和处理方法，能有效地提高多路舵机控制信号的采集频率，极大地提高响应速度，能实时地更新控制舵量，从而提高无人飞机的平稳飞行。

本发明是这样实现的：一种基于FPGA的无人机舵机遥控信息的采集和处理方法，所述方法需提供FPGA模块、该FPGA模块中包括有上升沿及下降沿信号采集电路和滤波算法信号处理电路；所述上升沿及下降沿信号采集电路实现遥控接收机信号的采集，记录来自遥控接收机端口的PWM脉宽调制信号的上升沿与下降沿的时钟周期数，得出接收机信号的PWM脉宽值，滤波算法信号处理电路将采集到的遥控舵量控制信息后进行滤波处理，获得稳定的遥控舵量控制信息；所述方法具体为：将无人机的各个舵机均连接一舵机驱动器，将各个舵机驱动器与FPFA模块连接，上升沿及下降沿信号采集电路对遥控接收机发出的信号进行采集，滤波算法信号处理电路将采集到的遥控舵量控制信息后进行滤波处理，获得稳定的遥控舵量控制信息，并通过一总线发送给无人机的飞控单元。

进一步地，所述上升沿及下降沿信号采集电路实现遥控接收机信号的采集具体为：上升沿及下降沿信号采集电路初始化，时钟计数脉冲为0值；判断遥控接收机的信号的时钟脉冲是否为上升沿，否，则等待下一次兆赫时钟脉冲上升沿的触发，是，捕捉其上升沿，此刻采集无人机舵量控制信息的电平，如为高电平，则进行时钟计数脉冲的计数，直到捕捉到了舵量控制的下降沿，则完成PWM脉宽值的计数，将该值作为舵机的遥控舵量值输出，即可用于控制舵机转动，从而实现无人飞机的舵量控制；如为低电平，则判断遥控接收机的信号的时钟脉冲是否为下降沿，否，则时钟计数脉冲清零；是，则进行时钟计数脉冲的计数，完成PWM脉宽值的计数，将该值作为舵机的遥控舵量值输出。

进一步地，所述滤波处理的算法可包括：卡尔曼滤波算法、粒子滤波算法、或中值滤波算法等。

进一步地，所述卡尔曼滤波算法具体为：首先建立遥控接收机信号***模型；假设遥控接收机信号的***状态是k，初始化无人机遥控接收机舵量采集***参数，设定矩阵A、B、H的***参数，根据***的模型，基于***的上一状态而预测出现在状态为：

X(k|k-1)＝A X(k-1|k-1)+B U(k)………(1)

式(1)中，X(k|k-1)是利用上一状态预测的结果，

X(k-1|k-1)是上一状态最优的结果，

U(k)为现在状态的控制量；

用P表示协方差：

P(k|k-1)＝A P(k-1|k-1)A’+Q………(2)

式(2)中，P(k|k-1)是X(k|k-1)对应的协方差值，

P(k-1|k-1)是X(k-1|k-1)对应的协方差值，

A’表示***参数A的转置矩阵，

Q是***过程的协方差；

式子(1)，(2)表示对***的预测；有了现在状态的预测结果，开始收集现在状态的测量值，然后结合预测值和测量值，得到现在状态(k)的最优化估算值X(k|k)：

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1))………(3)

其中，Z(k)是k状态时的测量值，Kg为卡尔曼增益：

Kg(k)＝P(k|k-1)H’/(H P(k|k-1)H’+R)………(4)

其中，H是测量***的参数，对于多测量***，H’为矩阵，R为遥控接收机舵量采集信号测量的协方差；

以上得到了k状态下最优的估算值X(k|k)之后，需要更新k状态下X(k|k)的协方差：

P(k|k)＝(I-Kg(k)H)P(k|k-1)………(5)

其中I为1的矩阵，对于单模型单测量，I＝1；最优的估算值X(k|k)和P(k|k)即为稳定的遥控舵量控制信息。

本发明具有如下优点：本发明采用FPGA技术及硬件描述语言，基于高频的时钟脉冲周期，捕捉多路舵机遥控信息，能实现多路遥控舵量信息的快速采集，并能融合相应的信号滤波处理硬件电路，得出的稳定可靠的遥控舵量，时间周期提高到了微秒级，能有效地提高多路舵机控制信号的采集频率，极大地提高响应速度，能实时地更新控制舵量，从而提高无人飞机的平稳飞行。

附图说明

图1为现有技术的基于FPGA的电动舵机控制器的结构示意图。

图2为基于FPGA的无人机舵机遥控信息的控制框图。

图3为基于FPGA的无人机舵机遥控信息的信息采集与处理框图。

图4为基于FPGA的无人机舵机遥控信息的遥控舵量信息采集流程示意图。

图5基于FPGA的无人机舵机遥控信息的遥控舵量信息处理流程示意图。

具体实施方式

请参阅图1至图5所示，本发明的一种基于FPGA的无人机舵机遥控信息的采集和处理方法，所述方法需提供FPGA模块、该FPGA模块中包括有上升沿及下降沿信号采集电路和滤波算法信号处理电路；所述上升沿及下降沿信号采集电路实现遥控接收机信号的采集，记录来自遥控接收机端口的PWM脉宽调制信号的上升沿与下降沿的时钟周期数，得出接收机信号的PWM脉宽值，滤波算法信号处理电路将采集到的遥控舵量控制信息后进行滤波处理，获得稳定的遥控舵量控制信息；所述方法具体为：将无人机的各个舵机均连接一舵机驱动器，将各个舵机驱动器与FPFA模块连接，上升沿及下降沿信号采集电路对遥控接收机发出的信号进行采集，滤波算法信号处理电路将采集到的遥控舵量控制信息后进行滤波处理，获得稳定的遥控舵量控制信息，并通过一总线发送给无人机的飞控单元。所述滤波处理的算法可包括：卡尔曼滤波算法、粒子滤波算法、或中值滤波算法等。

其中，所述上升沿及下降沿信号采集电路实现遥控接收机信号的采集具体为：上升沿及下降沿信号采集电路初始化，时钟计数脉冲为0值；判断遥控接收机的信号的时钟脉冲是否为上升沿，否，则等待下一次兆赫时钟脉冲上升沿的触发，是，捕捉其上升沿，此刻采集无人机舵量控制信息的电平，如为高电平，则进行时钟计数脉冲的计数，直到捕捉到了舵量控制的下降沿，则完成PWM脉宽值的计数，将该值作为舵机的遥控舵量值输出，即可用于控制舵机转动，从而实现无人飞机的舵量控制；如为低电平，则判断遥控接收机的信号的时钟脉冲是否为下降沿，否，则时钟计数脉冲清零；是，则进行时钟计数脉冲的计数，完成PWM脉宽值的计数，将该值作为舵机的遥控舵量值输出。

所述卡尔曼滤波算法具体为：首先建立遥控接收机信号***模型；假设遥控接收机信号的***状态是k，初始化无人机遥控接收机舵量采集***参数，设定矩阵A、B、H参数，根据***的模型，基于***的上一状态而预测出现在状态为：

X(k|k-1)＝A X(k-1|k-1)+B U(k)………(1)

式(1)中，X(k|k-1)是利用上一状态预测的结果，

X(k-1|k-1)是上一状态最优的结果，

U(k)为现在状态的控制量；

用P表示协方差：

P(k|k-1)＝A P(k-1|k-1)A’+Q………(2)

式(2)中，P(k|k-1)是X(k|k-1)对应的协方差值，

P(k-1|k-1)是X(k-1|k-1)对应的协方差值，

A’表示***参数A的转置矩阵，

Q是***过程的协方差；

式子(1)，(2)表示对***的预测；有了现在状态的预测结果，开始收集现在状态的测量值，然后结合预测值和测量值，得到现在状态(k)的最优化估算值X(k|k)：

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1))………(3)

其中，Z(k)是k状态时的测量值，Kg为卡尔曼增益：

Kg(k)＝P(k|k-1)H’/(H P(k|k-1)H’+R)………(4)

其中，H是测量***的参数，对于多测量***，H’为矩阵，R为遥控接收机舵量采集信号测量的协方差；

以上得到了k状态下最优的估算值X(k|k)之后，需要更新k状态下X(k|k)的协方差：

P(k|k)＝(I-Kg(k)H)P(k|k-1)………(5)

其中I为1的矩阵，对于单模型单测量，I＝1；最优的估算值X(k|k)和P(k|k)即为稳定的遥控舵量控制信息。当舵量采集***从k状态进入k+1状态时，P(k|k)就是式子(2)的P(k-1|k-1)。这样，算法就可以自回归的运算下去。

X(k|k)作为遥控舵量信号的采集，可以确保连续变化，经过滤波处理后，可实现不受强磁场等信息的干扰。

当然，如果采用更为先进的FPGA器件，其时钟频率可以比100兆赫更高，也就是输出舵量的更新更快，响应就更快。

总之，本发明省去了遥控接收机的信号调理及A/D转换模块，取而代之的是利用FPGA电路、采用硬件描述语言方便且灵活地设计信息采集与滤波处理电路，可采用包括卡尔曼滤波算法在内的多种信息滤波处理方法，能有效滤除干扰信号，确保无人机飞越强磁场等区域时其舵量不受干扰，确保飞行稳定性。

因此本发明精简了信号调理电路，灵活采用滤波处理算法，提高了信息响应能力，能提高遥控接收机舵量信号的抗干扰性能。

在FPGA中采用硬件描述语言实现遥控接收机输出舵量信号的采集与处理模块，基于100兆赫的时钟周期，记录来自遥控接收机端口的PWM脉宽调制信号的上升沿与下降沿的时钟周期数，得出接收机信号的PWM脉宽值。设定接收机输出的PWM信号的高电平期间记录100兆赫的时钟周期数为2000至4000个数，这样就可以在微秒周期循环中实现了对遥控信号的采集。

由于无人机飞行环境条件多变，可能经历强磁场或强干扰空域，干扰信号难免串扰在接收机的输出信号中，如果不加以滤除，将会引起飞行波动，从而降低飞行平稳性。鉴于遥控信号是连续的PWM波形变化特征，可以在FPGA中采用硬件描述语言，设计滤波算法，如可以采用卡尔曼滤波算法，滤除干扰噪波，即可实现稳定可靠的舵机遥控信号控制。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (4)

1.一种基于FPGA的无人机舵机遥控信息的采集和处理方法，其特征在于：所述方法需提供FPGA模块、该FPGA模块中包括有上升沿及下降沿信号采集电路和滤波算法信号处理电路；所述上升沿及下降沿信号采集电路实现遥控接收机信号的采集，记录来自遥控接收机端口的PWM脉宽调制信号的上升沿与下降沿的时钟周期数，得出接收机信号的PWM脉宽值，滤波算法信号处理电路将采集到的遥控舵量控制信息后进行滤波处理，获得稳定的遥控舵量控制信息；所述方法具体为：将无人机的各个舵机均连接一舵机驱动器，将各个舵机驱动器与FPFA模块连接，上升沿及下降沿信号采集电路对遥控接收机发出的信号进行采集，滤波算法信号处理电路将采集到的遥控舵量控制信息后进行滤波处理，获得稳定的遥控舵量控制信息，并通过一总线发送给无人机的飞控单元。

2.根据权利要求1所述的基于FPGA的无人机舵机遥控信息的采集和处理方法，其特征在于：所述上升沿及下降沿信号采集电路实现遥控接收机信号的采集具体为：上升沿及下降沿信号采集电路初始化，时钟计数脉冲为0值；判断遥控接收机的信号的时钟脉冲是否为上升沿，否，则等待下一次兆赫时钟脉冲上升沿的触发，是，捕捉其上升沿，此刻采集无人机舵量控制信息的电平，如为高电平，则进行时钟计数脉冲的计数，直到捕捉到了舵量控制的下降沿，则完成PWM脉宽值的计数，将该值作为舵机的遥控舵量值输出，即可用于控制舵机转动，从而实现无人飞机的舵量控制；如为低电平，则判断遥控接收机的信号的时钟脉冲是否为下降沿，否，则时钟计数脉冲清零；是，则进行时钟计数脉冲的计数，完成PWM脉宽值的计数，将该值作为舵机的遥控舵量值输出。

3.根据权利要求1所述的基于FPGA的无人机舵机遥控信息的采集和处理方法，其特征在于：所述滤波处理的算法包括：卡尔曼滤波算法、粒子滤波算法、或中值滤波算法。

4.根据权利要求3所述的基于FPGA的无人机舵机遥控信息的采集和处理方法，其特征在于：所述卡尔曼滤波算法具体为：首先建立遥控接收机信号***模型；假设遥控接收机信号的***状态是k，初始化无人机遥控接收机舵量采集***参数，设定矩阵A、B、H的***参数，根据***的模型，基于***的上一状态而预测出现在状态为：

X(k|k-1)＝A X(k-1|k-1)+B U(k).........(1)

式(1)中，X(k|k-1)是利用上一状态预测的结果，

X(k-1|k-1)是上一状态最优的结果，

U(k)为现在状态的控制量；

用P表示协方差：

P(k|k-1)＝A P(k-1|k-1)A’+Q.........(2)

式(2)中，P(k|k-1)是X(k|k-1)对应的协方差值，

P(k-1|k-1)是X(k-1|k-1)对应的协方差值，

A’表示***参数A的转置矩阵，

Q是***过程的协方差；

式子(1)，(2)表示对***的预测；有了现在状态的预测结果，开始收集现在状态的测量值，然后结合预测值和测量值，得到现在状态(k)的最优化估算值X(k|k)：

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1)).........(3)

其中，Z(k)是k状态时的测量值，Kg为卡尔曼增益：

Kg(k)＝P(k|k-1)H’/(H P(k|k-1)H’+R).........(4)

其中，H是测量***的参数，对于多测量***，H’为矩阵，R为遥控接收机舵量采集信号测量的协方差；

以上得到了k状态下最优的估算值X(k|k)之后，需要更新k状态下X(k|k)的协方差：

P(k|k)＝(I-Kg(k)H)P(k|k-1).........(5)

其中I为1的矩阵，对于单模型单测量，I＝1；最优的估算值X(k|k)和P(k|k)即为稳定的遥控舵量控制信息。