hc-sr04传感器模块由于其价格、量程、发射 角度、精度等可满足本设计需要故采用其为测距装置，其主要特色包括:5V工作用电压，静 态工作电流小于5mA，探测角度不大于30度，探测距离2cm-700cm，精度可达0.3cm，盲区 (2cm)，可W和国外的MB1300、SRF08相媳美。当系统给一个大于lOus的高电平信号后，模块 自动发出8个40Khz的方波，自动检测是否有信号返回；有信号返回，通过10输出一高电平， 高电平持续的时间就是超声波从发射到返回的时间.测试距离=(高电平时间*声速(340M/ S))/2〇
[0066] 外围圆环W及连接杆采用碳纤维材料。碳纤维是一种含碳量在95% W上的高强 度、高模量纤维的新型纤维材料。它是由片状石墨微晶等有机纤维沿纤维轴向方向堆搁而 成，经碳化及石墨化处理而得到的微晶石墨材料。碳纤维质量比金属侣轻，但强度却高于钢 铁，并且具有耐腐蚀、高模量的特性，在国防军工和民用方面都是重要材料。
[0067] 电源模块安装在STM32控制器的下方，采用一块输出电压为7.4V的裡电池，容量为 2200mah，重量116g，尺寸为105mmX33.5mmX15mm。配置一个电压转换器，将7.4V转换成5V 和3.3V。
[0068] 本发明所述Ξ维避障系统运行过程流程图如附图4所示。首先由超声波感知模块 采集周围环境信息并进行处理，然后根据障碍物体位置进行避障决策并将避障决策发送给 飞行控制器进行避障。综上所述Ξ维避障系统的方法包括W下步骤：
[0069] 步骤1:避障系统传感器数量W及位置的配置。
[0070] 由于超声波在进行测量时会有一定的发射角度，本系统采用的超声波测距模块发 射角度为30%为了实现该系统所需的Ξ维检测功能需要对所使用的超声波模块进行合理 布置。根据超声波的测距原理，超声波工作时发出一束波，其波束开角越大检测范围越广精 度越低，常见的超声波波束角有15°、30°、45°，本系统采用的hc-sr04超声波测距模块其开 角为30°，在不考虑超声波侧畔的理想情况下其波束角可W看做一个圆锥形，如图8所示：
[0071] 其横截面的一半如图9所示为一个直角Ξ角形：
[0072] 如图其竖直直角边长度记为X，水平直角边长度记为y(y值由传感器采集而来），由 Ξ角函数可知：
[0073]
[0074] 在Θ已知的情况下X值和y值是一一对应的，本系统Θ取30°，所W
[0075]
[0076] 由上式可知当y取不同值时X的对应值如表1所示:表1
[0077]
[0078] ~由图8和图9可知X即为超声波所能探测到障碍物的有效覆盖面积圆的半径，根据 圆的内接正方形如图10所示：
[0079] 由
[0080] χ2+χ2 = ζ2
[0081 ]可知：
[0082] ζ = 4?χ
[0083] 由上式可知X值和Ζ值也是--对应关系，由表1中X值可得Ζ值如表2所示:表2
[0084] _
胃[0085] 由于微小型四旋翼无人机尺寸在50厘米W内，所W在避障过程中超声波检测范围' 只要大于无人机尺寸即可。由表2中数据可知当避障距离不小于150cm只要上下左右前后位 置各安装一个超声波传感器即可实现360° Ξ维无死角检测W实现避障要求。所W本发明装 置至少需要六个超声波传感器进行周围Ξ维环境障碍信息的采集。为了减小避障距离W及 增强避障有效性本发明360°Ξ维检测的实现上采用的方案是：当前方、左前方、右前方、上 前方、下前方任意一个方向距离d(50cm<cK 150cm)发现障碍物时先减速飞行，当距离前 方、左前方、右前方、上前方、下前方任意一个方向障碍物距离d(0cm<cK 50cm)时进行避障 决策;当左侧、右侧、上方、下方任意一个方向距离d(50cm<cK 100cm)发现障碍物时进行减 速飞行，当距离左侧、右侧、上方、下方任意一个方向障碍物d(Ocm<d< 50cm)时进行避障决 策;当距离后方100cm发现障碍物时进行报警。
[0086] 由此上方超声波传感器05、下方超声波传感器06分别安装在竖直前后圆环03、竖 直左右圆环04的交汇处，上前方超声波传感器12、下前方超声波传感器13分别安装在竖直 前后圆环03的上前方与下前方，并与上方超声波传感器05、下方超声波传感器06W及水平 圆环02与竖直前后圆环的03的交点W45°的间隔均匀排列在竖直前后圆环03上。左侧超声 波传感器10,右侧超声波传感器11分别安装在水平圆环02与竖直左右圆环04的交汇处，并 与前左方超声波传感器07、前右方超声波传感器08,近左侧超声波传感器14、左前方超声波 传感器15,近右侧超声波传感器16、右前方超声波传感器17 W180V7的角度均匀排列在水 平圆环02上。一共13个超声波传感器。
[0087] 步骤2:数据的采集与处理。
[0088] 步骤2.1:数据的采集。
[0089] 在STM32控制器01中编程并采集距离值，为了解决数据的采集中超声波侧畔W及 串扰的影响，采用分时复用的方法进行距离值的测量。
[0090] 步骤2.2:对采集的数据进行滤波处理。
[0091] 由于测量值与真实值之间会存在一定的误差。本系统对每个超声波采集的数据进 行卡尔曼滤波获得各传感器信号的局部最优估计，W减少超声波传感器自身精度和外界环 境干扰所造成的误差。传感器数据信息的状态估值计算方程为：
[OOW] X 化= Xi(k)+Kik(Zik-出 kXi(k) )，i = l，2,3，...，n
[0093] 传感器数据信息的估计均方差方程为：
[0094] P化=(I-Kik 出 k)Pi(k)，i = l，2，...，n
[00M]其中Xi化)为第i个超声波传感器第k次采样的距离信息状态值。Kik为第i个超声波 传感器第k次采样的滤波增益。Zik为第i个超声波传感器第k次采样的距离信息观测值。Hik 为第i个超声波传感器第k次采样的测量矩阵，因为超声波传感器测量值为距离障碍物的距 离值，与状态值同量纲，所WHik=!DPi化)为第i个超声波传感器第k次采样的一步预测均方 差。i为融合的超声波传感器个数，k为采样的次数，η表示超声传感器的个数。
[0096] 由此获得第i个超声波传感器第k次滤波的状态最优估计Xik和第i个超声波传感器 第k次滤波的局部估计均方差Pik。
[0097] 步骤2.3:对采集的数据分方向进行数据融合。
[009引实验中由于上方、下方、左侧、左前方、前方、右前方、右方采用的是多个传感器进 行距离值得测量，如果将其全部作为模糊控制器的输入会导致模糊规则的复杂性，增加算 法的运算，耗费较多的系统资源。所W在进行模糊处理前需要对运些传感器采集的距离值 进行数据融合处理，但此时己经不再是具体的距离长度，而是各方向上障碍距离的模糊信 息。为合理利用传感器来获取无人机在运屯个方向上的障碍信息，对传感器数据作联邦 kalman滤波融合处理。
[0099]联邦kalman滤波器融合方法是当前应用最为成功的数据融合方法，它具有运算效 率高，适用范围广等优点。相比于简单的加权平均法，联邦kalman滤波融合可W更加有效的 利用距离数据信息，因为联邦kalman滤波融合可W在有传感器失效，部分传感器不能给出 测量值的情况出现时，减少问题数据对于融合数据结果的影响，从而减少对于后续决策的 影响。
[0100] 经过分散化并行运算的kalman滤波器的处理，得到各超声波传感器的最优估计Xik W及估计均方差Pik，基于Xik和Pik，设计联邦kalman滤波器，其主要功能为得到所需的上方、 下方、左侧、左前方、前方、右前方、右方障碍物信息的最优估计值Xk。
[0101] 取Xk为各个超声波传感器的最优估计Xik的加权和，即
[0104]其中Pk为联邦kalman滤波器的估计均方差，并且
[0108] 由（4)可知，在传感器系统信息融合的过程中，如果某一个传感器经过滤波后的均 方差Pik小，则联邦kalman滤波器对运个传感器输出的利用权重就大;反之利用权重就小。联 邦kalman滤波融合方法的使用，提高了无人机掌握外部障碍物距离信息的稳定性。
[0109] 步骤3:基于模糊控制算法的Ξ维避障实现。
[0110] 由于Ξ维检测空间范围方向比较多如果每个方向的距离值同时进入模糊控制器 进行避障决策会增加算法的难度与计算量、降低系统实时性。所W我们采用分时避障和分 组避障的策略来保证系统的实现。
[0111] 步骤3.1:分时避障策略的实现。
[0112] 针对不同的操作环境设置不同的距离输出范围，W此来降低数据的处理量，从而 降低数据处理的难度、提高实时性。
[0113] 对于远距离的处理不放入模糊控制决策，而是在数据的输入前进行处理，如同驾 驶汽车一样，当看到障碍物后首先降低车速，当临近障碍物时在决定如何处理。运样就由W 前的远中近、远近、中近变为了（远）中近，减少了模糊控制输入的同时又保证了避障的有效 性。
[0114] 步骤3.2:分组的避障决策。
[0115] 在采用分时的避障决策后虽然降低了部分输入，但由于Ξ维空间的复杂性在方向 上的输入依然比较多，本系统为了保障避障功能的实现采用一个水平二维平面和一个垂直 二维平面来实现Ξ维空间的避障。模糊控制器的结构如图11所示。：
[0116] (1)定义模糊逻辑控制器在每个平面上的输入输出变量。
[0117] ①水平二维平面上输入变量定义为：
[0118] I 1 =化、LF、F、RF、R}，其中L、LF、F、RF、R分别为经数