航空机器人研究人员正在利用无人机开发突破性的飞行控制算法和许多领域问题的新解决方案，包括应急响应、家庭医疗和精准农业。然而，由于研究人员必须花费大量时间来实现传感器数据处理、方位和高度计算以及飞行导航等基本功能，项目金宝搏官方网站的进度往往会放慢。
我们开发了IntelinAir RD-100六乘飞机来解决这个问题。RD-100是一种准备飞行的无人机，带有在Simulink中开发的预建自动驾驶飞行软件金宝app®(图1)。飞行软件能够保持飞行的稳定性，以及自动起飞、着陆和航路点导航，可以定制以满足特定的研究目标。
通过使用RD-100开发环境中的基于模型的设计，研究团队可以快速原型、模拟和部署控制软件，并启动新的无人机研究项目。他们可以完全访问Simulink模型，并可以添加功能，实现金宝app合作飞行算法和其他高级应用程序，并在硬件在环(HIL)仿真中验证他们的设计和算法。研究人员可以直接从模拟转向实际飞行测试，正是这种能力使RD-100与同类无人机不同。
图1。英特利纳RD-100无人机。
基于模型设计的RD-100飞行软件开发
RD-100旨在简化飞行软件的开发。基于模型的设计非常适合我们的开发方法，因为它可以让研究人员很容易地使用我们提供的模型来运行模拟、运行HIL测试和生成飞行代码。我们可以手工编写代码，但我们相信基于模型的设计不仅是开发飞行软件的最快方式，它也受到学术研究社区成员的青睐，他们已经习惯了使用MATLAB®和Sim金宝appulink。
IntelinAir设计了用于与无人机、六架直升机硬件和飞行软件通信的地面站。一个小组开发了无人机的六自由度（6自由度）Simulink模型，包括机身、电机和电子速度控制。该模型包含无人机质量特性、推进力（推力）、空气动力学、运动方程和传感器模块，包括加速计、陀螺仪、磁强计、气压计和GPS接收器。金宝app
另一组模拟了飞行控制系统。该模型由Simulink和Control System金宝app Toolbox™开发，包括一个导航块，使用传感器输入来计算无人机的速度、方向和位置。它还包括用于自主飞行模式的制导块，以及根据导航块和操作员界面的输入生成命令的电机控制块。为了简化设计并促进重用，飞行软件小组使用Simulink模型引用分层组织模型，并创建了设计中经常使用的定制Simulink组件库(图2)。金宝app
图2。顶级Simulink金宝app模型显示了车辆模型、操作员界面和飞行控制软件的模块(使用IntelinAir的SafeSmart工具箱创建)。
无人机控制设计的一个主要挑战是处理由大风和有效载荷变化引起的系统动力学变化。RD-100通过L1自适应控制解决了这一挑战，L1自适应控制是IntelinAir联合创始人、伊利诺伊大学香槟分校的Naira Hovakimyan博士开发的一种先进技术。通过解耦自适应环和控制环，L1自适应控制使RD-100能够快速补偿不良影响。这使得即使在最具挑战性的条件下也能实现稳定、精确的飞行，对准确的数据收集至关重要。
从桌面仿真到HIL和飞行测试
当使用RD-100软件时，研究人员遵循控制设计、软件仿真、HIL仿真和飞行测试的迭代过程(图3)。
图3。从模拟到HIL测试和飞行测试的工作流程。
这个过程从Simulink中的闭环软件模拟开始。金宝app这些将生成飞机在模拟过程中的性能图(图4)。
图4。在模拟过程中显示推力、偏航力矩、滚转力矩和俯仰力矩命令的图。
在桌面上验证了控制算法的基本功能后，研究人员可以在硬件上进行半实物仿真测试算法，而无需离开桌面。C代码是使用嵌入式编码器从控制器模型生成的®并部署到RD-100自动驾驶仪硬件上。来自6自由度车辆模型的C代码，使用Simulink编码器生成™, 部署到实时运行Simulink的目标硬件™. 在半实物仿真过程中，无人机自动驾驶仪处理器上运行的金宝app飞行软件实时接收Simulink中运行的车辆模型生成的传感器输入。模拟过程中采集的遥测数据在MATLAB中离线记录和分析，以进行验证和验证。HIL测试的许多好处之一是，我们可以在实际飞行之前捕获由于与硬件不兼容而导致的bug。
在HIL测试之后，运行飞行控制软件的自动驾驶仪硬件可以简单地从桌面上的HIL测试设置中拔出，并插入RD-100空气框架中进行真实的飞行测试。在飞行测试期间，飞行软件直接接收来自机载传感器的输入，并直接向发动机发送命令。
基于模型设计的优势
基于模型的设计的主要优势之一是，它使小型团队能够处理通常需要更大团队完成的项目。对于我们在IntelinAir的开发团队和许多已经在他们的研究中使用RD-100的学术团体来说，这是正确的(见边栏)。由于不需要编码专业知识，控制工程师和研究人员可以在不涉及嵌入式软件工程师的情况下测试新的控制想法。新的算法可以在桌面和实时测试和调试。因此，工程师可以肯定，小型无人机系统将会工作。
示例研究项目：精准农业
IntelinAir和王博士正在合作推进精准农业遥感的极限。推动王博士进行这项研究的是这样一个想法:无人机有一天会像智能手机一样无处不在、随处可见。
今天，多亏了物联网，我们可以访问大量有用的数据。我们训练计算机程序根据这些数据做出决策，但我们仍然依靠人类来执行这些决策。例如，在农业领域，我们通常依靠人类作物顾问来侦察只能覆盖总面积一小部分的田地。空中机器人将自动完成这最后一步，完成一个反馈回路，其中包括互联网连接设备、决策软件和自主无人机。
无人机技术最有希望的应用存在于地理位置广阔、任务冗余和复杂数据分析阻碍效率的行业。其中一个行业是农业，无人机技术为提高效率和生产率提供了重要机会。
王博士的团队正在与IntelinAir合作，探索配备微型土壤湿度传感器和高分辨率多光谱相机的无人机在农业方面的应用。尽管这种技术目前还没有广泛应用于农业，但它有潜力提高生产率，降低与劳动力、营养和灌溉相关的成本。新的传感器技术为湿度和营养提供了高度精确的测量。该数据可用于检测生长季中期油田的减产异常，此时仍有时间进行干预。
一旦捕获到数据，由训练有素的专家进行合成卷积神经网络使用IntelinAir的专有算法，并传送给农民，农民就会对作物的健康状况有一个详细的概述，以指导决策。
这项研究将涵盖伊利诺斯州、加利福尼亚州和南卡罗来纳州的农场，最终目标是开发一种装备传感器的无人机系统，使农民负担得起并方便使用。
王博士的三位博士团队。学生、一名硕士生和三名本科生使用基于模型的设计和RD-100无人机开发飞行软件。过去，当团队使用其他无人机时，学生必须手动编写C或C++。有了RD-100提供的Simulink控制模型，学生就不会浪费时间编程或调试C代码。相反，他们可以通过简单地修改模型来实现他们的设计和想法。他们可以在桌面上运行模拟和半实物仿真测试来验证设计，然后直接在RD-100上进行飞行测试。金宝app
