Gra dronów — część 1: Jak systemy nawigacji oparte na IMU decydują o sukcesie lub porażce drona

Nowoczesne bezzałogowe statki powietrzne (UAV) charakteryzują się ściśle powiązanymi, sterowanymi sprzężeniem zwrotnym podsystemami. Decydują one o stabilności, bezpieczeństwie, autonomii i skalowalności. Część pierwsza skupia się na jednym z kluczowych podsystemów dronów. Jest nim system nawigacyjno-czujnikowy, oparty na inercyjnym (bezwładnościowym) układzie pomiarowym (IMU). Jego niedoskonałości mogą pogorszyć stabilność lotu, zasięg lub bezpieczeństwo operacyjne.

Artykuł wyjaśnia, dlaczego bezzałogowe statki powietrzne klasy przemysłowej wymagają zasadniczo odmiennych architektur niż drony konsumenckie. Podkreśla też potrzebę stosowania czujników inercyjnych oraz niezawodnej fuzji danych, w celu zachowania integralności nawigacji. Zwłaszcza w warunkach pogorszenia jakości sygnału globalnego systemu nawigacji satelitarnej (GNSS). Podsystem ten (wraz z tymi, które zostaną omówione w części 2) stanowi podstawę wydajności, odróżniającą drony klasy hobbystycznej od platform bezzałogowych klasy lotniczej, przeznaczonych do zadań o znaczeniu krytycznym.

Niedoceniany układ

W ostatnim czasie obserwujemy upowszechnienie się bezzałogowych statków powietrznych w zastosowaniach komercyjnych, przemysłowych i obronnych. Spowodowało to bezprecedensowe zapotrzebowanie na precyzyjną nawigację i sterowanie w czasie rzeczywistym. Zarówno przy dostarczaniu paczek w korytarzach miejskich, kontroli morskich turbin wiatrowych, czy prowadzeniu rolnictwa precyzyjnego, drony muszą utrzymywać stabilny lot. Niezależnie od dynamicznie zmieniających się i często trudnych warunków operacyjnych. U podstaw tej zdolności leży pojedynczy, często pomijany komponent: inercyjny układ pomiarowy (IMU).

W przeciwieństwie do odbiorników GPS, aktualizujących pozycję co sekundę lub systemów wizyjnych przetwarzających klatki z ograniczoną częstotliwością, IMU dostarcza ciągłych danych o wysokiej częstotliwości powyżej 1000 Hz. Są one niezbędne do sterowania lotem w pętli zamkniętej. Jest to serce systemu sensorycznego, które pozwala dronowi ignorować podmuchy wiatru, utrzymywać precyzyjny lot w zawisie, czy wykonywać agresywne manewry. W rezultacie nawigować, gdy sygnały satelitarne słabną lub znikają wizualne punkty odniesienia. Jednak pomimo kluczowej roli IMU, wielu projektantów systemów nie docenia tego, w jaki sposób wydajność na poziomie czujników wpływa kaskadowo na cały stos nawigacyjny. Oddziałuje na wszystko, począwszy od zbieżności estymatora i opóźnienia sterowania, po wskaźniki powodzenia misji i marginesy bezpieczeństwa operacyjnego.

Dlaczego IMU decyduje o stabilności lotu?

Dron utrzymuje się w powietrzu dzięki ciągłym, dostarczanym z dużą częstotliwością informacjom o jego stanie, pochodzącym głównie z zainstalowanego w nim IMU. Chociaż globalny system nawigacji satelitarnej (GNSS), barometry i czujniki wizyjne zapewniają bezwzględne punkty odniesienia, częstotliwość ich aktualizacji jest zbyt niska, aby ustabilizować statek, którego pętle sterowania działają z częstotliwością od 100 Hz do 1000 Hz. IMU jest jedynym czujnikiem wystarczająco szybkim, aby utrzymać położenie i tłumić zakłócenia między kolejnymi poleceniami sterującymi silnikiem.

Po przeczytaniu artykułu dowiesz się, w jaki sposób błędy inercyjne rozprzestrzeniają się w algorytmach nawigacyjnych oraz czym różnią się czujniki klasy konsumenckiej od rozwiązań o znaczeniu krytycznym i klasy nawigacyjnej. Zaznajomisz się z architekturą systemów fuzji wieloczujnikowej oraz z konsekwencjami niewystarczającej wydajności IMU. Jako przykład podane są rozwiązania inercyjne MEMS firmy Analog Devices, zapewniające stabilność misji. Dostarczane są w kompaktowych obudowach i charakteryzują się niskim poborem mocy. Wraz z postępem autonomii bezzałogowe statki powietrzne będą podejmować coraz więcej zadań o krytycznym znaczeniu dla bezpieczeństwa. Dlatego zrozumienie roli IMU przestaje być jedynie techniczną ciekawostką, a staje się imperatywem operacyjnym.

Nawigacja i sensoryka: IMU jako serce systemu

Wydajność IMU ma kluczowe znaczenie, ponieważ nawigacja inercyjna jest zasadniczo procesem całkowania. Pomiary uzyskiwane z akcelerometru są całkowane w celu uzyskania prędkości i pozycji, natomiast pomiary z żyroskopu dla uzyskania orientacji. Wszelkie odchylenia lub zakłócenia w tych sygnałach kumulują się z upływem czasu. IMU klasy konsumenckiej, o odchyleniu żyroskopu rzędu kilkudziesięciu stopni na godzinę i odchyleniu akcelerometru rzędu kilkudziesięciu µg (mikro-g), może w ciągu kilku minut spowodować błędy położenia sięgające wielu stopni oraz dryft pozycji nawet do kilkudziesięciu metrów. Natomiast IMU klasy krytycznej oferuje stabilność odchylenia poniżej jednego stopnia na godzinę oraz niską gęstość szumu, znacznie ograniczając ten dryft. Umożliwia stabilne zawisanie, dokładną nawigację zliczeniową oraz przewidywalne sterowanie, nawet w przypadku pogorszenia jakości sygnału GNSS lub jego braku, co ma miejsce w zastosowaniach wewnątrz budynków.

Cztery klasy IMU

Inercyjny układ pomiarowy dzieli się na cztery klasy, w oparciu o precyzję i wymagania misji. Podstawowe i ekonomiczne urządzenia klasy konsumenckiej nadają się do ogólnego zastosowania w elektronice. IMU klasy przemysłowej zapewnia trwałość i niezawodność w pojazdach i automatyce. Natomiast IMU klasy krytycznej oferuje znacznie wyższą stabilność i dokładność w wymagających środowiskach operacyjnych związanych z obronnością oraz w zaawansowanej robotyce. Z kolei IMU klasy nawigacyjnej umożliwia ekstremalną precyzję w krytycznych, długotrwałych zastosowaniach, np. w samolotach komercyjnych i satelitach. Wybór powinien zależeć od wymagań misji. W tabeli 1 przedstawiono cztery klasy IMU i ich typowe zastosowania.

Tabela 1. Cztery klasy IMU — i gdzie każda z nich znajduje zastosowanie

Narastanie błędu w czasie i konsekwencje operacyjne

Matematyka nawigacji inercyjnej ma bezpośredni wpływ na wyniki misji. Stałe odchylenie akcelerometru prowadzi do błędu pozycji proporcjonalnie do kwadratu czasu. Niewielkie odchylenie żyroskopu bezpośrednio powoduje niewspółosiowość położenia. Po scałkowaniu nie da się tych błędów po prostu odfiltrować. Należy im zapobiegać na poziomie czujników lub korygować za pomocą wysokiej jakości pomiarów wspomagających. W praktyce słaba wydajność IMU skutkuje pominięciem punktów nawigacyjnych, niestabilnym zawisaniem, pogorszeniem stabilizacji gimbala oraz niebezpiecznym omijaniem przeszkód. Podczas precyzyjnego lądowania bezzałogowy statek powietrzny bazuje na nawigacji inercyjnej w okresach między rzadkimi aktualizacjami danych GNSS. Układy IMU niskiej jakości mogą wygenerować błąd rzędu kilku metrów w ostatnich sekundach przed lądowaniem, uniemożliwiając precyzyjne lądowanie. Na rysunku 1 przedstawiono porównanie wpływu słabej i dobrej wydajności IMU na misję drona.

Rysunek 1. Wpływ wydajności IMU na misje bezzałogowych statków powietrznych i dronów

Czujniki IMU o wysokiej integralności umożliwiają estymatorowi stosowanie niewielkich, ciągłych korekt, zapewniając płynne sterowanie i przewidywalne zachowanie. Dokładność IMU zależy od jakości czujników, algorytmów fuzji oraz kalibracji zewnętrznej. Czujniki IMU z najwyższej półki zapewniają precyzyjne śledzenie ruchu, podczas gdy czujniki klasy konsumenckiej mogą wykazywać dryft.

Fuzja czujników: przekształcanie pomiarów do estymacji stanu

Skuteczność modułu IMU osiąga maksimum, gdy zostanie on zintegrowany z architekturą fuzji wieloczujnikowej. Nowoczesne bezzałogowe statki powietrzne łączą dane inercyjne z informacjami pochodzącymi z systemów GNSS, barometrów, magnetometrów oraz, w coraz większym stopniu, z kamer, lidarów lub radarów. Rozszerzone filtry Kalmana (EKF) lub podobne estymatory przypisują każdemu czujnikowi wagę, w oparciu o jego niepewność. Moduł IMU zapewnia szybkie prognozowanie, podczas gdy wolniejsze czujniki korygują dryft długoterminowy. Na rysunku 2 przedstawiono przykład modułowej platformy fuzji wieloczujnikowej przeznaczonej dla systemu nawigacyjnego bezzałogowego statku powietrznego.

Rysunek 2. Modułowa platforma fuzji wieloczujnikowej dla nawigacji bezzałogowego statku powietrznego

Jakość IMU ma bezpośredni wpływ na zachowanie estymatora. Stabilne IMU o niskich szumach pozwalają filtrowi polegać na propagacji inercyjnej. Skutkuje to niskim opóźnieniem i precyzyjnym sterowaniem. IMU z dużym szumem lub wykazujące dryft, wymaga większego polegania na wolniejszych czujnikach, co powoduje opóźnienia i stwarza ryzyko wystąpienia oscylacji, zwłaszcza podczas zaników sygnału GNSS. Wraz z rozwojem autonomii dodatkowe źródła danych pomiarowych, takie jak przepływ optyczny czy radar, mogą wzbogacić estymator, ale nie zastępują IMU, tylko uzupełniają jego korekty.

Precyzja w warunkach rzeczywistych

Wybór odpowiedniego modułu IMU wymaga dostosowania jego parametrów, takich jak gęstość szumu, stabilność odchylenia i odporność na warunki środowiskowe. Celem jest zapewnienie precyzyjnego sterowania, pomimo zmian temperatury i silnych wibracji. Zaawansowane techniki całkowania, w tym wysokiej jakości fuzja czujników, filtrowanie adaptacyjne oraz kompensacja błędów oparta na uczeniu maszynowym, pozwalają w pełni wykorzystać potencjał modułu IMU. Stabilne zasilanie, odpowiednia izolacja mechaniczna oraz modułowa architektura systemu dodatkowo zwiększają niezawodność. Kompleksowa kalibracja i testy środowiskowe potwierdzają długoterminową dokładność.

Moduł ADIS16501

Zapewnia przemysłowym dronom wydajność zbliżoną do systemu nawigacji bezwładnościowej (INS), ale w kompaktowej obudowie. Charakteryzuje się stabilnością odchylenia żyroskopu na poziomie 2,7°/h oraz kątowym błądzeniem losowym (angular random walk) wynoszącym ~0,15°/√Hr. Zapewnia to precyzyjną kontrolę położenia i autonomiczną nawigację. Pasmo przenoszenia od 480 Hz do 590 Hz obsługuje pętle sterowania o częstotliwości do 1000 Hz. Filtr EKF może w większym stopniu polegać na propagacji inercyjnej niż na ciągłych korektach GPS/wizyjnych, zmniejszając w ten sposób opóźnienie i zapewniając szybką reakcję. Kalibracja fabryczna w zakresie temperatur od –40°C do +85°C eliminuje potrzebę przeprowadzania skomplikowanej kalibracji w terenie. Na rysunku 3 przedstawiono schemat blokowy działania modułu IMU ADIS16501.

Rysunek 3. Schemat blokowy działania czujnika IMU ADIS165xx

Dzięki akcelerometrom o zakresie ±14 g moduł ADIS16501 zapewnia równowagę między rezerwą manewrową a niskim poziomem szumów. Umożliwia precyzyjne zawisanie, śledzenie punktów trasy oraz lądowania w warunkach ograniczonej dostępności sygnału GPS.

Moduł w obudowie BGA o wymiarach 15 mm × 15 mm waży poniżej 1,3 grama. Pobiera około 44 mA do 55 mA i wytrzymuje wstrząsy 1500 g, co ułatwia umieszczenie go w pobliżu środka ciężkości bezzałogowego statku powietrznego. Funkcje, takie jak wyjścia delta-kąta/delta-prędkości, synchronizacja, autotest oraz prosta komunikacja SPI, zapewniają stabilność i niezawodność na poziomie krytycznym dla misji, bez kosztów i złożoności pełnych systemów klasy krytycznej. W tabeli 2 zawarto ofertę wysokowydajnych czujników IMU z funkcją fuzji danych firmy ADI, przeznaczonych dla platform bezzałogowych statków powietrznych.

Tabela 2. Wysokowydajne czujniki IMU firmy ADI z funkcją fuzji danych dla platform UAV/dronów

Integralność nawigacji i autonomia

W miarę jak bezzałogowe statki powietrzne zmierzają w kierunku pracy autonomicznej, coraz większego znaczenia nabiera integralność systemu inercyjnego. Algorytmy sztucznej inteligencji, działające w  urządzeniach brzegowych (Edge AI), wykorzystywane są do percepcji, mapowania i sterowania. Opierają się na czystych, stabilnych informacjach dotyczących ruchu. Zakłócone dane inercyjne powodują rozmycie obrazu, zniekształcają sygnatury drgań wykorzystywane do monitorowania stanu technicznego oraz pogarszają lokalizację w środowiskach pozbawionych sygnału GPS.

Aby sprostać oczekiwaniom w zakresie bezpieczeństwa i certyfikacji, w zaawansowanych platformach coraz częściej stosowane są redundantne architektury inercyjne. Podwójne lub potrójne moduły IMU z logiką głosowania wzorują się na praktykach stosowanych w lotnictwie załogowym, ale realizowane są przy użyciu modułów MEMS o niskich parametrach SWaP (rozmiar, waga i moc). Wysokowydajne moduły IMU, niezawodna fuzja danych oraz czujniki uzupełniające, takie jak radar, stanowią podstawę autonomicznej nawigacji. Na rysunku 4 przedstawiono schemat blokowy fuzji danych z czujników drona, służącej do stabilizacji lotu i sterowania.

Rysunek 4. Schemat blokowy fuzji czujników UAV do stabilizacji lotu i sterowaniu

IMU stanowi podstawę stabilności lotu bezzałogowego statku powietrznego i autonomicznej nawigacji. Jego zdolność dostarczania danych o ruchu, o wysokiej częstotliwości i charakterze deterministycznym, umożliwia stosowanie architektur sterowania w pętli zamkniętej. Utrzymują one platformy wielowirnikowe w powietrzu, a systemy stałopłatowe na wyznaczonym kursie. Systemy GNSS, barometry i czujniki wizyjne, zapewniają niezbędne odniesienia bezwzględne, ale nie są w stanie dorównać IMU pod względem rozdzielczości czasowej ani ciągłości działania. Różnica w jakości między czujnikami inercyjnymi klasy konsumenckiej a czujnikami klasy krytycznej dla misji, przekłada się bezpośrednio na wyniki operacyjne:

• stabilne sterowanie versus sterowanie oscylacyjne,
• dokładność pozycjonowania na poziomie metrów versus dokładność poniżej metra,
• możliwość nawigacji bez GPS trwająca minuty versus godziny.

Wybór czujnika fundamentalną decyzją w architekturze systemu

Jak pokazują różne klasy wydajności IMU, wybór czujnika nie jest jedynie ćwiczeniem polegającym na określeniu specyfikacji komponentów. To fundamentalna decyzja dotycząca architektury systemu. Matematyka propagacji błędów inercyjnych jest bezlitosna: błędy systematyczne w wyniku całkowania powodują dryft, szum zakłóca oszacowania fuzji, a słaba stabilność środowiskowa pogarsza wydajność misji. Nowoczesne architektury fuzji czujników mogą kompensować niektóre niedoskonałości. Jednak żaden algorytm nie jest w stanie odzyskać precyzji utraconej na poziomie czujnika. IMU o wysokiej integralności, jak ADIS16500, zapewnia stabilność odchylenia, poziom szumu tła oraz odporność na warunki środowiskowe. Jednocześnie zachowuje parametry dotyczące rozmiarów, masy, zużycia energii i kosztów, niezbędne dla komercyjnej opłacalności.

W przyszłości platformy autonomiczne nowej generacji będą definiowane jako połączenie zaawansowanych IMU z percepcją opartą na sztucznej inteligencji, architekturami redundantnymi oraz zestawami czujników multimodalnych. Bezzałogowe statki powietrzne szybko przechodzą od systemów pilotowanych zdalnie do w pełni autonomicznych agentów działających w miejskiej przestrzeni powietrznej, obiektach przemysłowych i środowiskach o ograniczonej dostępności. O wydajności, bezpieczeństwie i gotowości do certyfikacji, w coraz większym stopniu decyduje integralność inercyjna.

Wybór i integracja IMU ma priorytetowe znaczenie strategiczne. Platforma fuzji czujników jest tak niezawodna, jak jej najszybszy i najbardziej wiarygodny sygnał wejściowy – a w świecie sterowania lotem sygnał ten jest wciąż inercyjny.

Projektowanie UAV pod kątem wydajności, bezpieczeństwa i skalowalności

Dron nie jest zbiorem niezależnych komponentów, lecz ściśle powiązanym systemem. Nawigacja, zasilanie i komunikacja nieustannie oddziałują na siebie. Dryft czujnika IMU destabilizuje pętle sterowania. Awarie rzadko pozostają odizolowane, a błędy kumulują się w pętli sprzężenia zwrotnego. Czujniki bezwładnościowe o wysokiej integralności umożliwiają precyzyjne oszacowanie stanu. Natomiast komponenty o wysokiej integracji, zoptymalizowane pod kątem SWaP, pozwalają osiągnąć wydajność na poziomie lotniczym.

Kluczowe podsystemy bezzałogowych statków powietrznych:

• inteligentna architektura zarządzania zasilaniem i akumulatorami,
• łączność o znaczeniu krytycznym dla misji.

Niedociągnięcia w tych obszarach mogą pogorszyć stabilność lotu, zasięg lub bezpieczeństwo operacyjne.

Część 2 artykułu, która ukaże się w przyszłym miesiącu, przeanalizuje interakcje między tymi podsystemami. Dowiesz się, dlaczego drony klasy przemysłowej wymagają zasadniczo odmiennych architektur niż konsumenckie. W przyszłości bezzałogowe statki powietrzne nie będą optymalizowane fragmentarycznie. To właśnie całościowe projektowanie zdefiniuje następną generację bezpiecznych, niezawodnych i krytycznych dla misji platform powietrznych.

Opracowanie: Jarosław Doliński