带你读《无人机网络与通信》之一:无人机系统概述

简介: 本书针对无人机系统两个关键问题—通信组网和管控体系做了比较全面和深入的描述和探讨,特别是以大量笔墨分析了现有无线通信解决方案,对比了不同通信协议,得出了很有价值的研究结论。无人机的跨越式发展将涉及公共安全管理的问题,构建管控体系是当务之急,分级管理以及制定相应的适航标准是一件大事情,本书对此也进行了系统的、建设性的讨论。未来,高档无人机和无人机集群将对环境具有更强的感知能力和自适应能力,还有对任务的自规划和学习、调整能力,本书讨论的内容将为它们的发明、部署和监督提供宝贵的信息。

智能系统与技术丛书
点击查看第二章
点击查看第三章
无人机网络与通信
UAV Networks and Communications
image.png

[美] 卡米什·纳莫杜里(Kamesh Namuduri)
[法] 塞尔日·肖梅特(Serge Chaumette) 著
[美] 耶格·H. 金姆(Jae H. Kim)
[美] 詹姆斯·P. G.斯特本兹(James P. G. Sterbenz)

刘亚威 闫 娟 杜子亮 余骅欣 陈 蕾 译

第1章

无人机系统概述

Jean-Marc Moschetta,Kamesh Namuduri
本章重点从民用的角度,介绍无人机(UAV)和无人机网络的背景以及使用环境。本章将讨论无人机的类型、燃料、载荷能力、速度和航程等问题,还将讨论无人机和无人机网络在工程与技术方面的发展现状,以及无人机网络的优势,这些优势包括态势感知的提升和无人机之间通信延迟的减少。本章还将展现无人机网络的应用,无人机网络在设计、研制和部署方面的研究、机遇与挑战,以及无人机网络的研究路线图。
近几十年来,许多术语被用来指代无人机,最近的一个称作“遥控空中系统”(Remotely Piloted Aerial System, RPAS),“遥控”意味着无人机总是要由地面上(也可能是空中、海上)的人负责操纵。这一术语和上世纪80年代无人机的老名字“遥控飞行器”(Remotely Piloted Vehicle, RPV)非常像,不过RPAS更强调空中系统不仅包括飞行器本身,而且还包括诸如地面控制站、数据链和天线等组成元素。RPAS还可以代表好几架飞行器属于相同的系统,这些飞行器可作为一个整体由单个操作人员远程操纵。在这种情况下,操作员作为远程驾驶员,不太可能真的去控制每架飞行器。
在航空领域,驾驶一架飞行器基本上意味着要控制飞行器飞行,这是一个非常精确的概念,关系到根据重心控制飞行器姿态的能力。大多数无人机都是远程操纵的,它们几乎都由机载自动驾驶装置来控制飞行,因此无人机不是一个远程驾驶的飞行器而是一个远程操纵的飞行器,它执行发送到机上的导航指令,诸如航路点、路径和决策算法这样的导航指令,甚至可能就包含在机载计算机中,以便无须人类参与就能完成飞行任务。这样人类就可以专注更高层次的事物,如制定决策或定义策略。“远程操纵飞行器系统”(Remotely Operated Aircraft System, ROAS)这个术语可能对现在的科学团体来说更有意义。
本书依然选择了经典的术语无人机(UAV)或无人机系统(Unmanned Aerial System, UAS)来指代无人机自己(即UAV)或整个系统(即UAS),无人机系统一般包括一组无人机(有可能就一架)、一个控制站、数据链、一个支持设备以及操作人员。

1.1 无人机类型和任务

许多作者已经提出了不同无人机系统的各种分类方式,比如可按照飞行器类型、尺寸、质量、任务范围、高度、航程等分类,每种分类方式都指出无人机系统某一典型特征,但这也必然忽略它的另一重要方面。无人机系统的大多数课程都从无人机分类方式开始,这都基于某种常规分类法,包括:高空长航时(High Altitude Long Endurance, HALE)无人机、中空长航时(Medium Altitude Long Endurance, MALE)无人机、战术无人机、垂直起降(Vertical Take-Off and Landing, VTOL)无人机以及小型和微型无人机。这些描述的主要缺陷在于它们基本上都是基于已有系统,混合了任务能力(VTOL、长航时)、尺寸(小型或微型)和其他特征—比如高度(高空或中空)。这样的分类方式无法为各种任务和飞行器构型的选择提供一个综合视角,而且这也使得构想未来的无人机变得非常困难,因为它植根于已有无人机系统的市场划分。
对于不同无人机系统来说,更适合的分类方式是复式矩阵,组合了典型任务剖面以及飞行器主要构型。
任务剖面可包括:
1)需要垂直起降能力的(室内/室外)侦察任务;
2)需要长航时能力的(近程/远程)监视任务;
3)其他特定任务,如投送物资,监控包括风电机组和核电厂在内的特定设施,军事领域某些需要(低声音和雷达信号)掩护的战术任务,以及耐久的信号传送。
就任务剖面而言,大多数最终用户如果不采用之前已定义的飞行器构型,就很难真正定义它们的任务需求。对于无人机系统设计流程来说,恰当地区分任务需求和载荷/飞行器的定义非常重要,例如,要调查海洋中的一片远方区域,要明确规定区域的大小、起飞区和待调查区域之间的距离、获得所需信息允许花费的最长时间,与后勤、法规、操作成本等相关的额外约束。如果远方区域距离起飞区很远,就必须选择一架远程飞行器。如果远方区域不太远但是需要持久监视,则无人机系统要由一架长航时飞行器或者一群小型飞行器组成,每架飞行器航程有限,但通过飞行器轮流执行任务就可以提供无限时长的监视能力,一群小型飞行器可能是权衡成本和任务之下更好的选择。确实,小型飞行器比大型的更好部署,而且由于监视区域缩小,其安装的载荷也会更便宜。
飞行器构型一般有三种:固定翼、扑翼和旋翼构型,还应该加上第四种,即组合了前面任意两种构型的飞行器。第四种主要包括可转换飞行器,如倾转旋翼平台、倾转机翼平台或者倾转机体平台,还可包括大多数已有的扑翼飞行器,通常它将扑翼和固定翼的控制面(在尾翼或升降舵中扮演重要角色)组合到一起。其他飞行器构型如飞艇和滑翔伞,可认为是单独一类,尽管它们拥有当前和未来无人机系统的一小部分特征。

1.1.1 固定翼无人机

固定翼无人机的范围很广,尺寸可从微型无人机(又称微型飞行器,Micro Air Vehicle, MAV)一直到几乎超过任何已有常规飞行器的无人机。固定翼MAV的一个例子是航空环境公司的“黄蜂”(Wasp),是翼展41cm、重量275g的电动飞翼MAV。更小的固定翼MAV也可设计出来,比如2005年佛罗里达大学的Peter Ifju教授开发了翼展10cm的柔性翼MAV(如图1-1所示)[26]。
image.png

图1-1 翼展10cm的固定翼MAV(Michall Sytsma提供)

与极小尺寸的固定翼无人机相比,波音公司的“太阳鹰”(SolarEagle,如图1-2所示)应该算是一种“卫星无人机”,它可以连续24h不间断地飞行一周时间,这归功于其机翼上面覆盖的太阳能电池以及对机体制造的超严格限制带来的极轻重量。这架翼展130m的固定翼太阳能动力无人机必须对抗“平方–立方定律”,即重量的增加速度要快于机翼面积。因此,太阳能无人机更适合做成更小的尺寸,因为与大型飞行器相比,其大部分动力都可以从太阳那里获得。
举例说明,一款翼展50cm、名为“太阳风暴”(Solar-Storm)的固定翼无人机已经被设计和制造出来,其机翼被柔性太阳能电池覆盖,可以延长完全由标准电池作为动力的同款无人机的续航里程。在天气晴好的日子,“太阳风暴”(如图1-3所示)[7]最多可以从太阳能提取飞行所需总动力的45%。从实用的角度看,这么小的太阳能动力飞行器不需要那种插到电源中的电池充电装置,当一架小型无人机在空中时,同样的一架可以在地面为自己充电。
image.png

图1-2 飞行中的波音“太阳鹰”示意(照片版权:波音)

image.png

图1-3 翼展50cm的固定翼太阳能动力无人机(来自Murat Bronz的“太阳风暴”)

尽管固定翼无人机从本质上讲是难以悬停的,但是比起旋翼无人机,它们仍是远程或长航时监视任务的优良候选者,就连手持发射的中型固定翼无人机(少于10 kg)也可以一天在空中保持8h,这通常足以完成一个典型的监视任务。尽管常规飞机的设计已经是广为人知的工程技术,但是由于低雷诺效应会使空气动力和推进性能降低,导致小型或微型无人机的设计知识仍不成体系。为了实现良好的性能,需要专门针对小型无人机领域,精细地应用和改良设计和制造技术。此外,长航时的需求依赖的高比值,其中CL表示升力系数,CD表示阻力系数,因此,长航时固定翼无人机对应着相当高的升力系数值,这可能导致巡航条件接近机翼失速,设计一架长航时固定翼无人机应当明确最小载荷系数和起降性能的需求,之后还要进行专门的风洞试验和优化流程,如图1-4所示,显示了Delair技术公司在法国航空航天大学(Institut Supérieur de l’Aéronautique et de l’Espace, ISAE)低速风洞中开发小型固定翼无人机DT18[133]。
image.png

图1-4 一架翼展1.8m的固定翼长航时无人机(来自Delair技术公司的DT18)

近年来除了在燃料电池小型化上取得的进展,还有一种方式可以极大提升小型无人机的续航能力,即从大气中提取能量。能量收集可使用热气流实现,比如滑翔机或有风速梯度的情况,诠释这种机理的最好例子是信天翁的飞翔,它受益于海面上由大气边界层创造的风速梯度,这种现象也称作“动态翱翔”,现在可以更好地理解它并可对它进行数学仿真,一些作者认为动态翱翔的原理可用来制造无人机,用于海上监视、监测以及搜索与救援任务(如图1-5所示)[1]。
image.png

图1-5 由信天翁飞行启发的小型长航时无人机概念(Philip Richardson拍摄,2012)

1.1.2 扑翼无人机

从航空学出现伊始,一些作者就主张工程师应该从已有的飞行动物(鸟或昆虫)中获得灵感。持这一观点的人们认为,动物在漫长的进化中逐步将飞行最优化,那些迷人的案例包括了许多种类的小型和大型飞行动物,从已知最小的飞行昆虫柄翅卵蜂(长0.15mm)到著名的飞行恐龙无齿翼龙(翼展7m,体重仍有争议)[450],特别应该提到的是蜂鸟,它是航空环境公司最近开发的纳米飞行器的灵感来源(如图1-6)[254]。
image.png

图1-6 航空环境公司图片(左图由Getty图像公司Lavvy Keller和Litiz Ba提供,右图由Coral von Zumwalt公司提供)

由于涉及内部流场的复杂性和不稳定性,理解扑翼的空气动力学很大程度上仍然是一个悬而未绝的问题,过去40多年来,许多研究团体都将其作为兴趣点,开展了多种实验和数值技术方法研究。
现在很难确定扑翼飞行是否真比旋翼系统更高效,事实证明,与常规的旋翼相比,鸟和昆虫即使是在很低的雷诺数下,也没有特别高效的悬停方式[294],而且最近的研究表明,扑翼可能对某些昆虫来说不如之前想的那样高效[308]。空气动力学性能如此差的原因,应该与翅膀拍打运动的起始和结束位置上气动力学效率很低有关,因为相对空速在那些点变得非常低,相反,一副旋翼旋转过程中几乎可以提供恒定的升力。
扑翼的另一个局限是其固有的技术复杂性。在飞行中扑翼同时提供升力和推力,并且还涉及俯仰、横滚和偏航控制,这让自动驾驶装置极难设计。最后,旋翼没有从自然系统中生物进化的事实,不会阻碍工程师将旋翼无人机视为垂直起降任务的候选者,车轮、螺旋桨或旋翼虽然高效,但都不是出自自然界进化过程。一些作者指出自然界也不是这样缺乏想象力,比如枫树种子或细菌鞭毛的运动,不过枫树种子只是一个被动的旋翼滑翔机,从树上掉落时要靠其较大的升阻比到达远处,SAMARAI单翼纳米飞行器就是受枫树种子飞行启发的,它以置于翼梢的微喷流为动力,总重仅10g[463]。
长远来看,扑翼无人机可能在特定的图像识别任务中变得非常有用,执行任务需要隐蔽性,而它们模仿鸟或昆虫以及可从人类视线轻易消失的能力正合适。扑翼无人机还可受益于新材料,如与各种微机电系统(Micro-Electromechanical System, MEMS)相关的电活性聚合物[176]。此外,近来微制造技术的发展也使得复杂的铰接机构可以做得非常小,现在已可做出像昆虫那样的共鸣胸腔[452]。

1.1.3 旋翼无人机

与固定翼无人机的局限性和扑翼无人机的复杂性相比,旋翼无人机吸引了科学团体的海量注意力。据最近公开的数据,当前在法国飞行并由法国民航机构注册在案的3 000~
4 000架无人机中,约80%是有多个旋翼的旋翼飞行器。旋翼无人机广受关注的第一个原因是旋翼构型提供了悬停的能力,这对保证清晰的图像识别至关重要,悬停还是一种很容易起降的方式,无须复杂的程序,比如准备好的跑道或特殊的降落装置,而且多旋翼很好制造并且非常易于室内飞行。十几年前几乎只能见到四旋翼的多旋翼,但近来多旋翼飞行器已经包括了六旋翼、八旋翼以及各种共轴多旋翼的组合。增加旋翼数量被认为是提高安全性的好方法,因为如果一个电机坏了,其他电机可以立即补偿校正。通常不同的旋翼以相同的方位角分布,不过一些设计者也选择采用与之不同的构型,以便在飞行器前方获得更好的视野,比如ASTEC公司的“隼8”(Falcon 8),近两年很受欢迎(如图1-7所示)。
image.png

图1-7 一架由上升技术公司开发的小型八旋翼无人机(照片版权:Lakeside Labs GmbH)

尽管直升机由主旋翼和反扭矩尾桨组合而成,它们还是要依靠周期变矩旋转斜盘来进行飞行控制,因此设计一架直升机比设计多旋翼需要更多的经验和专业知识。当减小旋翼直径时,雷诺效应开始降低推进效率,对于给定的最大总尺寸,使用一个单旋翼比用许多直径更小的旋翼更有效,它们覆盖相同的桨盘面积。不过为了消除所产生的扭矩,可以采用与常规直升机一样的反扭矩尾桨或者在下面加一个反向旋转的旋翼,这样的共轴旋翼可实现高度保持以及围绕垂直轴的控制。便携式共轴无人机的最新例子是“小妖精”(Sprite),配备双轴万向摄像头的1.2kg共轴无人机(如图1-8所示),这架旋翼机可以飞行10-12min,折叠桨叶后可用背包轻松装载。
image.png

图1-8 由上升航空系统公司开发的1.2kg的共轴小型无人机(Ascent AeroSystems提供)

共轴旋翼会损失推进效率,因为下旋翼是被上旋翼产生的螺旋桨滑流吹动而不是被均匀的自由流吹动。相对于两副孤立的反向旋转旋翼,总的效率损失通常被认为是30%左右,使用更大的桨盘面积可以弥补这一相互作用带来的损失。
由于有明显的旋转部件,旋翼机可能难以应对障碍物,因此旋翼无人机通常配备有防撞的外部结构以保护旋翼。很明显这种保护会增加重量,并且如果它们在碰撞期间不能吸收能量,那么可能无法有效实施保护。发泡聚丙烯(Expanded Polypropylene, EPP)泡沫以及碳棒或橡胶带可用于提供各种形式的缓冲或“机械保险丝”,举个“机械保险丝”的例子,即螺旋桨可以使用简单的O形橡胶圈安装在电机轴上,这有助于避免螺旋桨和轴在旋翼桨叶和障碍物之间发生碰撞时受损。就一般的无人机设计而言,建议考虑轻量化和柔韧性而不是刚度和重量,一架柔软的轻型飞行器比一架坚硬而沉重的飞行器更容易从碰撞中恢复过来。
一种提升旋翼飞行器鲁棒性的良好设计方式是在旋翼周围增加一个涵道(编辑注:涵道是指气体流过的通道)。涵道旋翼比无涵道的旋翼更有效,它们几乎完全抵消了桨叶叶梢的损失,因此增加了给定桨盘面积的推进效率。此外长涵道会产生额外的升力,这主要得益于扩张型出气口的设计。通过将适当的进气口和出气口设计,与经过优化的、几乎没有桨叶叶梢损失的旋翼桨叶相结合,可以获得具有额外升力和推进效率的罩环,这完全补偿了重量的增加。Br2C就是这样一个例子,罩环效应提供了额外的升力和推进效率,因此飞行器充分利用了保护性外部结构以及完全的重量补偿(如图1-9所示),与“小妖精”共轴无人机相反,Br2C由位于旋翼滑流内的一对襟翼控制。长涵道旋翼飞行器的缺点是因为存在钝体效应而难以承受强的侧风。
image.png

图1-9 由法国航空航天大学开发的一款重500g的涵道共轴旋翼微型无人机(版权为Aéroland公司所有,在Sylviane & Christian Veyssiere的准许下重新制作)

1.1.4 可转换无人机

多旋翼在户外多风条件下难以充分发挥作用,因此其成功多少会受此影响。高速前飞受到各种空气动力学副作用的限制,比如当迎面的自由流相对于旋转轴显著倾斜时,旋翼的效率会变差。虽然固定翼无人机无法妥善实现悬停飞行,但旋翼飞行器基本只能低速前飞,而且通常在快速飞行阶段效率很低,因此一些无人机设计旨在结合固定翼和旋翼构型的优点。
这些设计组合称为可转换无人机,为结合固定翼和旋翼构型的优点,可以遵循两种不同的设计策略:一种是从飞机构型开始并对其进行修改以实现垂直飞行;另一种策略是从旋翼飞行器构型开始并对其进行修改以实现水平飞行。第一种策略的例子是由美国Aerovel公司开发的20kg的“柔性旋翼”(Flexrotor)无人机,基本上它由一个翼展3m的普通飞机和一个超大的螺旋桨组成,两个小的反扭矩螺旋桨位于两个翼梢(如图1-10所示)。
“柔性旋翼”属于倾转机身无人机或尾坐式无人机家族,这意味着它们可以垂直起降并且能水平巡航飞行,在飞机模式下飞行时翼梢螺旋桨中的折叠桨叶可以限制阻力。该型飞行器由大型螺旋桨提供推进力,在直升机模式下飞行时它也起到主旋翼的作用,因此可以通过改变桨距在飞行阶段调节自身:悬停中用小桨距,巡航飞行中用大桨距。
image.png

图1-10 由Aerovel公司开发的一款20kg的可转换无人机(版权由Aerovel所有,在准许下重新制作)

可转换双翼飞机概念是第二种策略的例子,该概念将标准的多旋翼构型与下面添加的一组升力面相组合[215],设计的关键是水平飞行时,整个机身以90°的角度倾转。在飞机模式下,飞行器表现为双翼飞翼,具有良好的空气动力学效率。虽然由于没有水平尾翼,飞翼可能不是静稳定的,但沿着机翼放置的电机可用于保持俯仰控制。最近,法国无人机公司Parrot推出了“摇摆”(Swing)—双翼倾转机体无人机概念的商业版本,它利用了X翼而不是普通的双翼机翼(见图1-11)。
image.png

图1-11 由Parrot公司开发的一架四旋翼小型无人机(图片版权:法国航空航天大学)

可转换构型的其他案例包括倾转旋翼无人机和倾转机翼无人机。倾转旋翼无人机将旋翼安装在旋转轴上,允许主机身在从巡航状态转换到悬停状态过程中保持水平。在倾转机翼无人机上,机翼的一部分位于螺旋桨滑流中,这部分机翼与旋翼是物理连接的,使其和旋翼在飞行状态转换期间共同旋转。在这两种案例中,这种可转换飞行器都需要额外的倾转机构,这意味着重量和复杂性的增加。此外,由于存在包括电机在内的可移动部件,整个重心的位置在转换期间将发生变化,这在开发自动驾驶装置时增加了一些复杂性。亚琛工业大学[328]开发的AVIGLE给出了倾转机翼无人机的一个例子,AVIGLE无人机看起来像一架普通飞机,只是它的机翼可以垂直倾斜而机身保持水平。需要注意的是必须在尾部附近增加一个额外的垂直旋翼,以便在转换期间保持对俯仰的控制(如图1-12所示)。
image.png

图1-12 左图:由亚琛工业大学开发的一架倾转机翼无人机(经飞行系统动力学研究所准许重新制作);右图:由极光飞行科学公司开发的一架倾转旋翼无人机(经UAVGlobal.com准许重新制作)

极光飞行科学公司开发的“冰鞋”(Skate)是高效倾转旋翼无人机的一个很好的例子,“冰鞋”采用一个矩形飞翼布局,由安装在独立倾转机构上的一对电机驱动,可以控制滚转和俯仰,偏航控制由差动节气门提供,因此不需要诸如襟翼或升降舵这样其他的可移动部件来控制飞行器。在巡航飞行以及悬停中,由于飞行器在悬停中垂直倾转,因此旋翼几乎与翼弦平齐,只有飞行状态转换需要旋翼轴相对于机翼倾转。不过一些倾斜旋翼构型比如V-22“鱼鹰”(译者注:一种有人驾驶运输旋翼机)要求机身保持水平。这种倾转旋翼构型的主要优点在于,不需要修改嵌入式系统、天线和有效载荷的布置,就可以适应悬停时的姿态变化。不过,由于螺旋桨滑流会冲击机翼的一部分,旋翼倾转会出现一个下载力。
最后还应该提到两种在无人机设计领域发挥一定作用的额外构型。第一种构型是滑翔伞,滑翔伞由一个机身和降落伞组成,机身上通常在推进器位置配备一个螺旋桨,而降落伞起到飞翼的作用。这种无人机的一个例子是瑞士飞行机器人公司开发的“漫游”(Swan)(如图1-13所示)。滑翔伞无人机的主要优点是能够非常缓慢地飞行,并以非常紧凑的方式包装。因为滑翔伞可以在飞机上部署并释放,所以对于覆盖大面积的搜索和救援任务来说,它们是优良的候选方案。第二种构型是飞艇,Ride工程公司开发的“天体-P2”(Sphere-P2)项目给出了这种解决方案的例子。由于能够长时间停留在空中,轻于空气的无人机具有吸引力,但是它们有两个主要缺点:①对风非常敏感;②给定飞艇体积后可升空的有效载荷有限。一些飞艇被系留以便保持在一定范围内对一个地区进行永久监视。在“天体-P2”项目中,设计了共轴旋翼用于提供高度保持,而水平控制则来自可移动的重心。
image.png

图1-13 左图:瑞士飞行机器人公司开发的一款滑翔伞无人机(图片版权:瑞士飞行机器人公司);右图:由Ride工程公司开发的一款轻于空气的无人机(图片版权:俄罗斯Ride工程公司)

1.1.5 混合无人机

当前还涌现了不少新型无人机,都是出于非常实际的目的而出现。无论是在森林中还是在城市环境中的地面附近飞行,执行识别任务的无人机难免遇到各类不可预测的障碍:树木、电线、天线、烟囱、屋顶等。此外,一些识别任务可能要侵入建筑物,需要进入非常狭窄的走廊或隧道,在这些任务剖面中是无法避免障碍的,使用常规的地面车辆可能也会受限,因为越过障碍物总是困难且危险的。而且许多情况下在任务执行过程中可能需要让无人机降落。例如警察执行任务时可能突然需要无人机完全不发生声响,这意味着要关掉电机,然后无人机就必须着陆或紧贴地面,但仍要能够在没有人为干预的情况下起飞并继续飞行。混合无人机这种飞行器就旨在结合空中飞行器和地面车辆的能力。
混合无人机的主要思路是不再将障碍视为问题,而是将其作为增添某些新特征的机会。在设计方面,增加一个外部防撞结构例如一组碳棒,虽然重量增加,但也可能带来一种新的能力,比如在地面上滚动或悬挂在天花板上。这种混合无人机的第一个例子是MAVion的“滚与飞”(Roll&Fly),它是一个矩形飞翼,由牵引车位置的两个反向旋转螺旋桨驱动,机翼两侧装有一对自由轮(如图1-14所示)。由于位于机翼后缘的两个升降舵处于螺旋桨滑流中,因此飞行器可以垂直飞行远离障碍物。MAVion也可以作为常规双发飞翼水平飞行。在这两种情况下,俯仰和滚转的控制由升降舵提供,可在整个飞行域内保持高效,偏航控制则由差动油门提供。当撞击平坦的表面例如地板、天花板或墙壁时,车轮不仅保护螺旋桨,而且允许它们与墙壁保持恒定的距离。差动油门可以帮助飞行器在地面上滚动时“行驶”。
image.png

图1-14 左图:MAvion“滚与飞”,在垂直墙面上滚动(图片版权:法国航空航天大学)

右图:“视景空中”(Vision-Air)“粘与飞”(Stick & Fly),微型无人机紧贴在窗上,电机关闭(图片版权:法国航空航天大学)
遵循与地面车辆和空中飞行器结合的思路,这里有另外两个有趣的概念,它们都基于外部防撞结构并可以在飞行器周围自由旋转的想法。第一个例子是伊利诺伊州理工学院开发的“混合地面和空中四旋翼”(Hybrid Terrestrial and Aerial Quadrotor, HyTAQ)项目(如图1-15左图所示),在HyTAQ上,为了使地面运动成为可能,在最初的四旋翼飞行器中增加了一个滚笼。在地面运动期间,与空中模式相比,飞行器消耗的能量要少得多,并且可以简单地通过飞越来轻松应对障碍物。第二个例子是由瑞士洛桑联邦理工学院开发的“平衡球”(GimBall,如图1-15右图所示),在“平衡球”中,飞行器安装在球体内,球体可以围绕垂直轴和水平轴自由旋转,因此飞行器可以穿过非常复杂的环境(例如森林或电线网)而不会被卡住。
前沿技术似乎彻底改变了无人机的标准分类,使它们不能简化为固定翼、旋翼或扑翼无人机,对无人机概念的概述需要包括新颖的构型,例如可转换和混合无人机。可转换和混合无人机的使用对于无人机联网至关重要,因为它们为执行多任务行动开辟了道路,而这需要协同以及动态任务分配。
image.png

图1-15 左图:装有滚笼的HyTAQ四旋翼(在伊利诺伊州理工学院Matthew Spenko准许下重新制作);右图:拥有双轴旋转空间的“平衡球”小型无人机(版权为Alain Herzog所有,在准许下重新制作)

1.2 无人机集群化和小型化

开发无人机系统(UAS)有很多非常实际的好理由,其中一个是纯经济性的。如果能够花费更少的资金实现给定的监视或识别任务,它将比轻型飞机等常规系统更具竞争优势。无人机系统在大型无人机和小型无人机之间也是如此,单个飞行器的小尺寸可由大量作为一个编队操作的小型飞行器补偿。
尽管无人机联网几乎可以使用任何尺寸的飞行器完成,但它只对小型或微型无人机才有意义,实际上只有小型无人机可以在短时间内发射,因为它们只需要非常有限的后勤活动和很少的操作人员。如果每架无人机需要超过一分钟的发射时间,那么为了实现协同飞行而发射数十架无人机是根本不可能的。很可能第一架在空中的无人机任务终止时,最后一架无人机还没起飞。只有小型无人机才适合完成大量飞行器的联网。
操作诸如“全球鹰”(译者注:机长14.5m,翼展39.9m,高4.7m)之类的大型无人机需要大量的操作人员,而多飞行器监视任务只能使用小型或微型无人机进行。无人机集群增加了飞行器的数量,因此基本上就是操作员数量的问题,构建无人机网络不是需要许多操作员控制多个无人机,而是要让一群飞行器由单个操作员控制。由单个操作员控制的无人机机队不仅需要每架飞行器都具有高水平的自主性,还需要新的控制和导航算法来有高效地驱动无人机网络,这些新算法将在以下章节中进一步详述。目前重要的是要考虑连续发射数十架飞行器并操纵一群无人机的实际问题,这严重依赖于使每架飞行器小型化的能力,最好就是坠毁一架飞行器并不会引发技术和经济上的重要后果且仍然可以完成任务。因此在进一步深入研究之前,必须仔细研究无人机的小型化可以达到的程度。

1.3 无人机小型化:挑战与机遇

如果无人机网络始终依赖于飞行器小型化的能力,那么小型化本身就意味着会出现一些机遇以及新的设计挑战。
在机遇方面,无人机小型化需要使视觉和电磁信号变小,对于与防务和安全相关的一些应用场景,小型飞行器会由此在隐蔽性方面具备很大的优势。小型飞行器也更容易降低噪声,并且如果通过成熟的伪装技术使其适当地适应环境,它们将变得几乎不可察觉。无人机小型化的另一个优点是它们可以被放入高度受限的环境中,例如隧道、倒塌的建筑物、通风道、管道、下水道,在如此狭小的空间中,地面车辆比飞行器更容易卡住。而且,小型通常意味着飞行器更便宜,丢失一个100美元的飞行机器人,同时还有数百个正在执行识别任务,这不是一个大问题,而失去一架“捕食者”(译者注:单价约403万美元)级别的无人机对操作员的影响则至关重要。最后,在一些应用场景中,将大量协同飞行的飞行器组合在一起,可能是完成复杂和多任务行动的一种非常高效的方式,而单个飞行器则显然需要做更多的工作。
尽管小型化无人机非常理想,但无人机小型化面临着重要的设计挑战和技术瓶颈,例如阵风敏感度、能源、空气动力学效率,等等。

1.3.1 阵风敏感度

设计小型无人机不能仅仅将常规飞行器构型按比例缩小。这有几个原因,其中一个与飞行器的阵风敏感度有关。为了说明这种影响,我们考虑一下常规的固定翼飞行器。在水平飞行中,升力方程将飞行器重量和升力以如下等式表达:
image.png
这里根据著名的平方–立方定律,如果L为飞行器的总尺寸,则质量m和机翼表面积S分别以L3和L2变化。倘若CL几乎保持在统一的数量级,则飞行速度必然会如此变化:
image.png
这表明在按比例缩小飞行器时飞行速度需要降低。现在考虑沿俯仰力矩轴的运动方程,我们可以这么写:
image.png
这里J表示转动惯量与L5成比例。因此等式(1.3)简化为:
image.png
这意味着当减小飞行器尺寸时,滚转加速度将趋于增加。因此与大型飞行器相比,小型飞行器对阵风更敏感。除了由于式(1.2)导致飞行速度更慢的事实之外,小型飞行器还将遇到大气扰动,其典型速度与飞行器速度相当。换句话说,驾驶一架小型无人机就像驾驶一架普通飞机穿过风暴。

1.3.2 能量密度

尽管与最好的电池相比汽油的能量密度仍然很高,但是当热燃烧发动机的尺寸急剧减小时,它们将无法保持高效率。这种现象是因为燃烧室中产生的热量与L3成正比,而通过燃烧室壁消散的热通量仅会以L2减少。因此将热发动机小型化将不可避免地导致热力学效率变低,因为在燃烧室内产生的大部分热量将通过壁快速蒸发。由于腔室停留时间的限制,增加旋转速度以补偿热损失也不是一个可行的解决方案;较差的压力密封性以及摩擦力的增加是另外的问题,当尺寸减小时这一点会降低热燃烧发动机对设计人员的吸引力[381]。因此,小型无人机设计人员只能选择电动飞行器,忍受其有限的比能量,对于高质量的锂聚合物电池,其最大值约为20Wh / kg。尽管在燃料电池以及锂聚合物电池的其他新型化学替代品领域取得了较大进展,但能量密度仍然是现阶段进一步将无人机小型化的巨大限制。

1.3.3 空气动力学效率

雷诺效应让飞行器周围流场中的黏滞效应变得重要,以如下公式变化:
image.png
这表明当飞行器尺寸减小时黏性的重要性显著增加。当雷诺数较低时,可能发生层流分离,这导致最大升力能力变差以及即便在低迎角时也会出现高阻力。由于当雷诺数减小时机翼翼型的空气动力学性能以及螺旋桨叶片的效率急剧下降,因此小型飞行器的空气动力学效率代表了设计的一个关键挑战,这需要新的空气动力学方式来产生具有有限阻力的升力。

1.3.4 其他设计挑战

无人机小型化的困难不仅在于与空气动力学、推进装置和飞行控制相关的物理原因,还有其他方面的技术挑战,其中一个与电磁干扰相关。事实上,当所有电子元件都封装在狭小的空间内时,电机产生的电磁场会干扰磁力计或全球定位系统(global positioning system, GPS)接收器内的信号。此外,无人机小型化的经验表明电线的重量占到小型无人机总重量的很大一部分,因此需要集成化以减少由于各种组件之间的电气连接而增加的重量。

1.4 无人机网络及其优势

无人机网络可被视为飞行的无线网络,网络中的每架无人机本身作为一个可以收发信息的节点,也可以为发给网络中其他无人机的信息提供中继。网络可以是自组织(ad hoc)的、没有任何配套基础设施,也可以由基于地面和/或基于卫星的通信基础设施支撑。无人机网络的拓扑或配置可以采用任何形式,包括网格、星形甚至是直线,它主要取决于应用环境和用例场景。
首先了解为什么我们需要无人机网络。单个无人机只是因其处在更高的高度就具备几个优势,其中最重要的是在地面(或空中)发射器与空中(或地面)接收器之间的清晰视线,事实上这就是将用于蜂窝或广播通信的天线放置在塔上的原因,塔的典型高度为50英尺到200英尺(15.24m~60.96m)。单个无人机节点可以作为位于地面的发射器-接收器对之间的中继,扩展它们之间的连接范围,如图1-16所示。当由于地形不平或环境混乱而无法在发射器和接收器之间建立清晰的视线时,由无人机搭建的通信基础设施为地面基础设施提供了更好的替代方案。
image.png

图1-16 一架无人机可以作为发射器–接收器对的中继节点,扩展两者间的通信范围

图1-17显示了两架无人机如何协同工作,将信息从地面上的一个无线电台传输到另一个无线电台。多架无人机可以作为中继节点链扩展通信范围。图1-18显示了一组无人机组成了ad hoc(点对点)网络,作为移动ad hoc网络或空中移动自组网络(Mobile Ad hoc Network, MANET)。空中MANET是一种多跳网络解决方案,用于远距离传输信息,空中MANET中的每个节点充当一个终端以及承载网络中信息的中继节点或路由器。在一个ad hoc配置中,不需要任何其他基础设施(例如卫星或中央服务器)来支撑无人机集群。
在实际应用中,基于地面和卫星的服务将提高无人机网络的可靠性和耐久性。 例如,一个全球定位系统(GPS)传感器有助于估算并交换无人机之间的地理定位信息。具有基于地面和卫星的通信基础设施的无人机网络通常被称为机载网络。
image.png

图1-17 两架无人机协同工作,作为一个简单的中继网络扩展地面通信的覆盖范围

image.png

图1-18 多架无人机组成一个空中移动ad hoc网络

1.4.1 机载网络的独特特征

由于空中节点的移动速度比地面上的节点快得多,因此空中网络的拓扑结构是高度动态变化的,图1-19显示了机载网络的示例。极端变化的动态特性需要特定的路由协议和安全的信息交换,此外,感知与规避以及态势感知策略对于确保节点在飞行期间保持最小安全距离是必要的。
机载网络是独特的,并且在许多方面与仅涉及地面车辆的车载网络显著不同。为MANET和地面车载网络设计的经典移动模型和安全策略不适用于机载网络。机载网络需要考虑移动模型的独特特性,例如平滑转弯以及能够满足最小延迟要求的高水平信息安全保障、认证和完整性验证策略。
image.png

图1-19 一个真实世界的机载网络由无人机系统以及基于卫星和地面的通信基础设施组成

机载网络是一种赛博物理系统(Cyber Physical System, CPS),其物理和赛博组件之间存在着强烈的相互作用。计算、通信和网络元件构成系统的赛博组件,而飞行路径、机动几何形状和多模资源(包括基于地面的节点和控制站)构成了CPS的物理组件。机载网络的根本性挑战是在其赛博和物理组件之间实现协同互动,如果能成功地探索并利用这种协同作用,将对下一代航空运输系统极为有利。例如预测邻近空域内空中飞行器的轨迹(如1 000平方英里区域),组成具有友好节点的可信网络,在其拓扑改变时重新配置网络以及在空中与飞行员之间安全地共享音频和视频流数据,这将显著提升空中飞行器的态势感知能力并提高航空运输系统的安全能力。然而探索赛博和物理维度之间协同作用所需的基本设计原则尚未制定,这就非常需要生成实验数据集来导出这样的设计原则。

1.4.2 无人机网络的移动模型

移动模型为连通性研究、网络性能评估以及最终可靠路由协议的设计提供了框架。特别地,移动模型捕获每个网络代理的随机移动样式,基于该样式可以估算与变化的网络结构相关的大量信息,例如节点分布以及链路和路径寿命的统计。为了提供准确的预测以促进空中联网,为机载网络开发逼真且易处理的移动模型至关重要。在有关文献中已经广泛研究了一些移动模型,例如随机方向(Random Direction, RD)和随机路点(Random Waypoint, RWP)。RWP模型假设一个代理选择随机目的地(航路点)和行驶速度,它抵达后会在前往下一个目的地之前暂停。RD模型的扩展版本假设一个代理在随机选择的行驶时间之后随机选择速度和方向。这些通用模型的随机性质(例如它们的空间分布)可以在文献中找到。广泛使用的RWP和RD模型非常适合描述MANET中移动用户的随机活动,但是它们缺乏描述空中飞行器独特特征的能力,例如移动用户和地面车辆很容易减速、急转弯并沿相反方向行驶(参见表达了此类运动的增强型随机移动模型)。空中节点不能进行如此急转弯或立即反转行进方向,因此需要开发能够表达机载网络的独特特征的逼真模型。

1.4.3 无人机网络的发展现状

无人机联网和通信是一个新兴的研究领域。尽管关于小型无人机的应用有大量文献,但这项研究的大部分内容仅在理论和仿真方面,学术界和研究机构真正实现的数量有限。下面我们将讨论一些最近实现的无人机网络及其成果。
1. AUGNet(美国科罗拉多大学,丹佛,2004)
AUGNet是ad hoc无人机-地面网络的一种实现,由地面上的ad hoc节点和安装在小型无人机上的ad hoc节点组成[71],该试验台说明了AUGNet的两个用例。第一个用例是一个中继场景,场景中具有更好的地面节点视角的无人机增强了地面节点的ad hoc网络的连通性。第二个用例中无人机之间的ad hoc网络增加了操作范围并提升了无人机之间的通信。实验结果表明,无人机支撑的网络生成较短的路由、具有更好的吞吐量并提升了网络覆盖范围边缘节点的连通性。最近在该试验台上进行的实验已经提供了关于不同操作方式下的网络吞吐量、延迟、范围和连通性的详细数据。需要这样的实验来理解无人机网络的性能限制。
2.利用商用现货组件进行无人机联网(美国空军研究实验室和哈佛大学,2006)
空军研究实验室(Air Force Research Laboratory, AFRL)和哈佛大学联合开展了商用现货(Commercial Off-The-Shelf, COTS)通信设备的无人机联网[198]。基于COTS的低成本且功能强大的通信设备和无人机平台,该团队分别使用支持802.11(在2.4GHz和5GHz)和900MHz技术的通信设备对基于无人机的网络进行了两次现场实验。该实验是为了比较带宽和通信范围以及联网能力,这些现场实验收集的实验数据比当时可用的任何仿真数据都更准确和真实。
3.耐久的机载网络扩展(美国波音公司和海军研究实验室,2009)
“耐久机载网络扩展”(Robust Airborne Networking Extension, RANGE)研究项目由波音研究与技术部和海军研究实验室(Naval Research Laboratory, NRL)在海军研究办公室(Office of Naval Research, ONR)的支持下开展。该团队开发、测试、评估和演示了无人机与地面站弹性移动互联网的协议和技术,以扩展监视范围和战场空间连通性[124]。现场测试包括一个由11个地面站、一个移动车辆和两架固定翼无人机组成的802.11地面–无人机网络,展示了混合空中/地面联网场景和移动自组织网络(MANET)能力。
4. UAVNET(德国波恩大学,2012)
UAVNET是使用无人机的移动无线网状网络的一个原型实现[303],每架无人机携带轻型无线网状节点,使用串行接口直接连到无人机的飞行电子设备,飞行无线网状节点互相连接并通过IEEE 802.11s协议相互通信。每个无线网状网节点都作为接入点(Access Point, AP)工作,为常规IEEE 802.11g无线设备提供接入,例如笔记本电脑、智能手机和平板电脑。通过建立由一个或多个飞行无线网状节点组成的空中中继,该原型能够实现让两个通信对等体自主地进行互相连接。实验结果表明,与基于地面的中继网络相比,多跳无人机中继网络的吞吐量明显提高。
5.无人机网络的移动模型(2014)
移动模型抽象了MANET中移动节点的移动样式,它们通常用于估算不同应用场景中的网络协议的性能,逼真的移动模型是创建逼真的仿真环境所必需的。在参考文献[65]中已经提出了无人机的狗仔队移动模型,该模型是一个随机模型可以基于状态机模仿狗仔队无人机的行为,其中五个状态代表五种可能的无人机移动:停留、航路点、绕八字、扫描和椭圆形。该文献将该移动模型与热门的随机路点移动模型进行了比较。最近的一项研究参考文献[438]提出了平滑转向移动模型,该模型表达了空中飞行器做出直线轨迹和大半径平滑转弯的趋势。
6. “天巡者”(SkyScanner)(2015)
“天巡者”是一个研究项目,旨在部署一队固定翼小型无人机用于研究大气层[6]。这是一个由五个合作伙伴参与的合作项目,包括法国国家科学研究中心(Centre National de la Recherche Scientifique, CNRS)的系统分析和架构实验室(Laboratory for Analysis and Archite-cture of Systems, LAAS)、国家计量研究中心(Centre National de Recherches Météorologiques, CNRM)的大气计量研究组(Groupe d’étude de l’Atmosphère Météorologique, GAME)、法国航空航天大学(ISAE)的空气动力学、能量学和推进系(Department of Aerodynamics, Energetics and Propulsion, DAEP)、法国航空航天研究中心(Office National d’Etudes et de Recherches Aérospatiales, ONERA)的系统控制和飞行动力学部以及国家民航学院(Ecole Nationale de l’Aviation Civile, ENAC)的无人机实验室。“天巡者”项目的范围包括大气科学、小型无人机的空气动力学、能量收集以及分布式机队控制。该项目依赖于无人机之间的强有力合作,这些无人机共同构建了大气参数的3D地图并决定了对哪些区域进一步绘制。

1.5 总结

本章讨论了无人机的类型和任务能力。它概述了无人机集群、无人机小型化以及无人机小型化的机遇和设计挑战;概述了无人机网络的优势并介绍了过去几年展示的几个无人机联网项目;简要讨论了无人机网络的移动模型。

相关文章
|
12天前
|
监控 安全 Linux
在 Linux 系统中,网络管理是重要任务。本文介绍了常用的网络命令及其适用场景
在 Linux 系统中,网络管理是重要任务。本文介绍了常用的网络命令及其适用场景,包括 ping(测试连通性)、traceroute(跟踪路由路径)、netstat(显示网络连接信息)、nmap(网络扫描)、ifconfig 和 ip(网络接口配置)。掌握这些命令有助于高效诊断和解决网络问题,保障网络稳定运行。
37 2
|
2月前
|
网络协议 安全 5G
网络与通信原理
【10月更文挑战第14天】网络与通信原理涉及众多方面的知识,从信号处理到网络协议,从有线通信到无线通信,从差错控制到通信安全等。深入理解这些原理对于设计、构建和维护各种通信系统至关重要。随着技术的不断发展,网络与通信原理也在不断演进和完善,为我们的生活和工作带来了更多的便利和创新。
64 3
|
26天前
|
监控 安全 测试技术
网络信息系统的整个生命周期
网络信息系统规划、设计、集成与实现、运行维护及废弃各阶段介绍。从企业需求出发,经过可行性研究和技术评估,详细设计系统架构,完成设备安装调试和系统集成测试,确保稳定运行,最终安全退役。
34 1
网络信息系统的整个生命周期
|
12天前
|
网络协议 网络安全 网络虚拟化
本文介绍了十个重要的网络技术术语,包括IP地址、子网掩码、域名系统(DNS)、防火墙、虚拟专用网络(VPN)、路由器、交换机、超文本传输协议(HTTP)、传输控制协议/网际协议(TCP/IP)和云计算
本文介绍了十个重要的网络技术术语,包括IP地址、子网掩码、域名系统(DNS)、防火墙、虚拟专用网络(VPN)、路由器、交换机、超文本传输协议(HTTP)、传输控制协议/网际协议(TCP/IP)和云计算。通过这些术语的详细解释,帮助读者更好地理解和应用网络技术,应对数字化时代的挑战和机遇。
49 3
|
16天前
|
传感器 自动驾驶 物联网
探秘 5G 核心网络之 5G RAN:开启高速通信新时代
探秘 5G 核心网络之 5G RAN:开启高速通信新时代
41 4
|
13天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
44 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
2月前
|
机器学习/深度学习 人工智能 算法
|
26天前
|
机器学习/深度学习 存储 运维
图神经网络在复杂系统中的应用
图神经网络(Graph Neural Networks, GNNs)是一类专门处理图结构数据的深度学习模型,近年来在复杂系统的研究和应用中展现了强大的潜力。复杂系统通常涉及多个相互关联的组件,其行为和特性难以通过传统方法进行建模和分析。
47 3
|
26天前
|
编解码 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(10-2):保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali——Liinux-Debian:就怕你学成黑客啦!)作者——LJS
保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali以及常见的报错及对应解决方案、常用Kali功能简便化以及详解如何具体实现
|
27天前
|
物联网 5G 数据中心
下一篇
无影云桌面