Open Access
Issue
JNWPU
Volume 42, Number 3, June 2024
Page(s) 406 - 416
DOI https://doi.org/10.1051/jnwpu/20244230406
Published online 01 October 2024

© 2024 Journal of Northwestern Polytechnical University. All rights reserved.

Licence Creative CommonsThis is an Open Access article distributed under the terms of the Creative Commons Attribution License (https://creativecommons.org/licenses/by/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

无人机在执行有害型、危险型任务时具有灵活性、经济性、环保性等方面的优势, 其在军用及民用领域的应用扩展是当前的研究热点[1]。而在无人机构成中, 载荷是无人机为实现给定任务而专门配置的机载设备, 其由功能部件、部件接口及其嵌入式硬件与驱动软件构成[2]。任务载荷决定了无人机的应用场景及任务角色, 是无人机核心价值的体现。

根据功能属性, 载荷可分为光电、雷达、导航、环境感知、动作执行等。其中, 光电载荷用于成像, 如可见光相机、红外相机等; 雷达载荷用于侦察跟踪, 如合成孔径雷达; 导航载荷用于提供位置、速度、姿态和引导信息, 如无线电导航设备、惯性导航设备等[3]; 环境感知载荷用于环境检测, 如温度、烟雾、化学物质等传感器; 动作执行载荷用于投放物品, 如农药喷洒、武器投放等。

载荷的多样性扩展了无人机的应用范围, 也给无人机系统的开发和实现带来了挑战。首先, 以适配载荷为目标的传统系统设计难以实现不同载荷的兼容; 其次, 以模块化思想对载荷封装虽可以提高系统的扩展性, 但由于载荷异构性及软硬件制约, 系统软件需要相应修改, 难以实现对不同载荷的快速换装及统一管理。因此有必要研究无人机系统载荷快速接入及高效管理的新型方法。

采用虚拟化技术可降低应用系统的复杂性并提高可扩展性, 设备虚拟化通过对底层物理设备进行抽象, 屏蔽设备的异构性, 实现应用对设备数据的无缝访问和对设备资源的有效利用。现有成熟的虚拟化技术主要应用于计算、网络、存储设备, 而无人机载荷与上述资源具有较大差异, 其具有异质异构、形态各异、多类接口的特点。物联网的海量传感器资源虚拟化关注传感器网络虚拟化及利用上传数据进行感知功能或服务的抽象。而无人机载荷的物理接口与无人机平台紧耦合连接, 因此无人机载荷的虚拟化不仅需考虑如何解耦载荷应用软件与物理设备, 还应解决如何统一接入及其高效管理问题。

基于以上分析, 首先提出了一个分层的载荷驱动模型, 该模型支持不同接口类型的异构异质载荷接入无人机平台, 并通过统一的流程管理不同载荷驱动程序的动态适配及加载。其次, 对统一驱动的载荷采用“能力”抽象其功能与性能, 将载荷虚拟化为支撑任务实现的效果及水平, 应用软件直接对虚拟化能力进行操作, 不仅实现无人机平台软件与载荷设备的解耦, 而且为软件高效管理任务载荷提供新方法。

1 相关工作分析

在无人机领域, 任务载荷多种多样[4], 通常的做法是针对具体任务所配置的载荷设计一款专用的无人机, 或通过装载尽量完备的载荷, 降低再设计的成本, 延长无人机的生命周期[5]。为了提高系统的适用性, 现代无人机系统采用通用开放式架构及模块化设计方法, 要求无人机部件能快速升级、更改配置[6]。Gu等[7]开发了一种模块化的无人机平台用于实时监测多种空气污染物, 传感器数据经过不同的数据获取模块进入数据融合模块进行处理。美国空军模块化“敏捷吊舱”采用标准化结构设计, 3~5个独立部分可以灵活组合, 每个部分可以容纳不同的传感器系统[8]。阎啸等[9]探索了临近空间飞行器信息系统一体化载荷平台的设计, 采用硬件模块式开发、代码的动态修改及组装配置构建开放柔性的平台。孟志鹏等[10]从无人机系统角度探索了载荷集成技术, 采用模块化任务载荷舱及适配器实现不同任务载荷的快速更换与连接。IEEE1937.1无人机载荷接口标准工作组(IPDD)于2021年正式发布了IEEE1937.1-2020《无人机载荷装置接口要求和性能特性》标准, 规定了无人机与载荷之间接口的通用要求, 从机械、电器和数据传输3个角度明确载荷接口性能指标、操作控制和管理、环境适应性、电磁兼容性等要求, 但未对红外、多光谱、激光雷达等具体接口标准进行研究[11]。在星载领域, 周渊等[12]基于可扩展的硬件平台通过软件重构的方式实现设备类型和功能的可重构, 强调以统一的接口和协议为软件定义的基础。吕争等[13]也提出了一种基于“三层和七功能分区”的软件定义载荷架构, 通过软件和固件协同和灵活配置实现不同任务和不同工作参数的快速重构。

在物联网领域, 也存在着管理大量异构设备的需求。卢东祁等[14]针对电力物联网终端设备接入管理平台难的问题, 提出终端设备接入适配层, 根据不同设备设计终端接入的通信接口, 通过协议适配转换实现数据层面的设备统一与管理。申文晗等[15]为实现异构无线通信模块的接入,采用软件定义方法实现可重构软件无线电平台, 配置覆盖大部分无线通信接口, 并实现协议转换及感知网络的管理及控制。Pannuto等[16]对接入设备通过封装层将其抽象为端口的集合与内部状态的捆绑, 应用调用具有一致性的接口视图, 独立于设备运行与设备通信。Slim等[17]针对车联网应用领域, 为了使传感器对应用弹性可扩展, 提出了一种IoV云架构, 并将传感器虚拟化为服务。Koo等[18]提出了原位传感器虚拟化技术, 通过备份虚拟传感器实现虚拟化, 以克服传感器误差并降低成本。Jeonggil等[19]设计了传感器虚拟化模块, 来自不同物联网设备的数据使用用户定义的融合功能“混合”生成新的自定义数据, 新的数据资源作为一个单独的定制虚拟物联网设备公开, 并可以通过开放的API供各种远程应用程序访问。Xu等[20]设计了一个传感器共享平台SenseWear, 将传感器代码与应用程序逻辑解耦, 为传感器数据创建模块化边界, 使传感器数据可以为应用程序方便使用。Afaq等[21]在边缘层虚拟化车载终端, 从资源受限的终端中卸载计算任务到边缘层处理, 并使各种网络服务可以访问数据。

增强无人系统对载荷兼容性的研究主要集中在系统平台上, 核心思路是采用模块化方便载荷的接入, 但对不同载荷设计不同的接入模块增加了系统复杂性及对无人系统空间的占用。软件定义思想是通过软件编程改变硬件的功能, 在星载系统中更多体现为对无线电频段的软件控制。物联网中大量异构传感器的使用与无人机载荷的应用有相似之处, 物联网为了对大量异构传感器进行统一管理采用虚拟化思想, 但物联网设备具有网络特性, 通过网关等设备完成通信协议转换, 实现设备接入, 接入设备多从数据层考虑统一化和虚拟化的方法。而无人机载荷与平台紧耦合、载荷协议较封闭的特点, 物联网方法并不完全适用。因此, 从无人机系统平台出发, 借鉴传感器虚拟化思想, 探索适合无人机特点及工作方式的从载荷接入到应用的虚拟化方法。

2 无人机载荷虚拟化方法

2.1 载荷虚拟化思路

无人机执行的任务多样, 任务运行环境复杂多变, 系统不仅需要高效管理机载资源, 还要支持快速开发维护及系统扩展。载荷管理需要满足的要求有: 1)支持多异构(接口、功能、性能)载荷接入, 方便更换及扩展载荷; 2)系统管理软件受接入载荷变化影响尽量小, 方便系统的快速开发与维护。为此, 首先沿用现代无人机机载飞行控制计算机(飞控)与任务管理计算机(任务计算机)协同的平台结构, 使任务载荷的虚拟化独立于飞行控制。载荷虚拟化思路如图 1所示。

软件定义的虚拟化载荷基于载荷设备硬件向应用层提供额外抽象层。将异质异构载荷进行抽象需克服物理接口和应用接口的限制, 通过2个阶段实现虚拟化。第一阶段为统一驱动阶段: 接口类型各异的载荷经过任务计算机平台的物理接口适配接入系统, 基于载荷配置信息动态加载载荷驱动程序, 载荷数据包依照标准化流程传输并进行协议解析得到载荷有效数据。统一驱动使载荷驱动程序无需关注载荷物理接口的差异, 以载荷数据为统一的操作对象。载荷虚拟化的第二阶段为能力抽象阶段, 是基于载荷对任务实现的效果将其虚拟化为能力, 应用程序对载荷的操作转变为对能力的操作, 而无需关注与能力对应的载荷实现细节, 从而达到应用软件与硬件解耦的目的。

载荷虚拟化可描述为: 任务载荷构成设备集合R, 其中一个任务载荷为ri, i∈[0, n], rRP为载荷接口协议数据包, 第i个载荷的第j个接口协议数据包为pij, m为载荷具有的接口数。载荷的有效数据dij; cijkj为对第i个载荷第j个接口设备虚似化出的第kj个能力,cijkjC, C为载荷能力集合。

thumbnail 图1

载荷虚拟化

2.2 载荷统一驱动模型及其设计

传统无人机载荷接入采用标准接口协议与高层自定义通讯协议结合的方式进行数据交互, 即在传输层及以下采用通用成熟的接口协议实现端到端的数据传输, 传输层协议向上承载应用层协议, 进行信息交换。载荷的应用层协议通常具有封闭性与可变性, 针对单独载荷的软件开发或通过协议转换的方式不能完全屏蔽接入异构性的问题, 并且随着载荷数量及异构性增加而变得复杂。

为了减少载荷变动对软件开发的影响, 增强平台的扩展性及兼容性, 解决设备多样性与驱动统一性的矛盾, 提出一种统一驱动模型, 其具有以下功能: ①兼容多种标准通信协议, 向下屏蔽异构接口; ②向上屏蔽异构载荷的控制及数据接口, 按照标准化的流程处理交互信息; ③根据载荷配置信息加载其驱动控制程序, 实现对载荷交互信息的解析及封装, 即具有自适应的接入能力。统一驱动模型如图 2所示。

载荷统一驱动模型由多模接入层、接入控制层和统一管理层构成, 多模接入层与接入控制层通过高速的统一数据通道相连, 接入控制层与统一管理层通过统一操作接口衔接, 统一驱动模型向上提供调用接口。

多模接入层主要实现物理层和传输层的多载荷接入匹配管理, 包括电平转换、接口协议解析、载荷帧数据提取以及载荷接口和统一数据通道接口之间的协议转换, 并支持可扩展接口协议参数、通讯协议帧配置。连接多模接入层及控制接入层的统一数据通道为高速接口, 以保证多载荷同时接入的数据带宽。多模接入层对载荷虚拟化的作用是将载荷接口的数据转换为统一数据通道的数据, 从而屏蔽接口类型的差异。

接入控制层实现对统一数据通道的驱动及数据传输的实时管理, 并向统一管理层提供载荷接口数据读写操作API。接入控制层对载荷虚拟化的作用是屏蔽通讯协议差异, 上层软件基于一致的缓存接口与其进行数据交互。

统一管理层根据载荷配置文件实现不同载荷驱动程序的自动加载。载荷配置文件包含载荷接口类型、连接关系、数据帧起始标志等用于建立读写通路的信息。统一管理层以一致的流程控制差异化载荷驱动程序的加载, 解耦了软件与载荷的关系。

thumbnail 图2

载荷虚拟化统一驱动模型

2.3 载荷能力虚拟化方法

基于载荷的统一驱动模型使系统能够从硬件、驱动及数据层面适配各种载荷, 提高系统的集成能力, 但异构异质、种类多样的无人机载荷控制管理方法具有差异性, 甚至同一功能不同厂商的载荷都需要不同的操作控制接口。同时在根据参数评价载荷时, 载荷设备参数以反映物理硬件的性能指标为主, 缺乏在任务条件下的性能指标或性能指标不一致。在不同类型的载荷完成同一种功能时, 也存在缺乏统一比较基准的情况。虚拟化的主要目标之一是屏蔽载荷的差异、统一上层应用看待载荷的方式及对载荷的操作。因此引入“能力”概念进行载荷抽象。

“能力”概念本意指人完成一项目标或任务所体现出来的综合素质。近年来随着信息技术的发展, “能力”概念也被广泛地应用于描述知识处理、Agent、机器人领域的不同系统完成一项任务的潜在使能特性。能力不仅是一种屏蔽差异与细节、实现资源抽象的设计思想, 而且可支持抽象所体现的机制。通过能力从更高层次将载荷抽象为使用者所关注的功能效果。抽象的能力实例可用于区分、比较、控制物理载荷, 应用对载荷的操作转换为对能力的操作, 操作接口以能力进行区分, 而不需要根据载荷设备的差异进行修改。通过能力可达到:①规范载荷和应用之间的映射关系; ②消除软件对载荷的操作壁垒; ③支持高效的应用实现和资源管理。

定义1  无人机载荷能力(payload capability)是载荷设备在无人机飞行环境中, 能够完成指定任务及预期目标的效果。例如, 无人机携带的不同传感器具有针对不同对象的感知能力, 通过感知能力具有的感知范围、感知精度、感知频度等参数反映感知任务的效果。无人机上的电池为飞行提供能量, 用续航能力反映其对飞行任务的支持程度, 具体可通过续航时间等参数表征。

根据载荷能力的定义建立载荷能力模型对其进行刻画, 能力模型用本体方法表示, 语义信息的加入进一步屏蔽对象的异构性。能力模型如图 3所示。

能力模型中, 能力标识包括能力名称及ID, 其在载荷能力标识空间具有唯一性。能力基本属性包含: ①能力描述, 反映能力实现的功能、能力与载荷的对应关系、能力属性等; ②能力效果表征, 反映载荷对目标实现支撑效果的参数, 可以包含载荷参数, 也可以包含基于应用定义的参数, 语义的表示方法使效果参数可扩展; ③能力操作接口,包含可对该能力执行的操作。能力效果表征参数的大小受不同因素的影响, 在模型中体现为能力影响因素, 包括系统因素和环境因素, 影响因素变化时触发能力效果参数的计算。

能力由载荷生成, 但载荷与能力并非一对一的紧耦合关系, 一个载荷根据具有的功能可以虚拟化为多种能力, 如双目相机不仅有成像能力还具有测距能力, 一种能力也可以由不同的载荷抽象获得, 如成像能力可以由CCD相机、CMOS相机、红外相机等提供。能力复合可以产生新的能力, 所有能力形成能力池。能力之间具有多种关系。单一关系表示能力是一对一关系; 组合关系表示同种能力之间的复合; 聚合关系表示不同能力产生新类型的能力; 依赖关系表示输出能力受该能力的影响; 演化关系表示能力随时间的变化。能力关系形式化表示为:

基于能力的载荷资源虚拟化的优点有: ①可以对多类异构、异质异能的载荷提供更高层次的统一抽象; ②基于功能效果的抽象从使用者出发, 便于理解与使用; ③虚拟化的能力不仅可以表示载荷的静态属性, 也可以表示动态属性, 更符合无人机任务执行动态性的特点。

thumbnail 图3

能力模型

3 载荷虚拟化方法实现及其实例

为了保证虚拟化方法实现的完整性, 以中型无人机为实例平台, 重点描述统一驱动及能力虚拟化步骤的具体设计实现。

3.1 载荷接入与管理的硬件系统构成

某中型固定翼无人机对特定区域实施监测侦察任务, 根据任务需求无人机装载数据终端与地面控制中心进行通信; 装载机间链路设备支持与其他无人机协同; 装载可见光相机、合成孔径雷达及可见光摄像机用于目标区域成像。

支持以上载荷的系统结构如图 4所示。对任务计算机系统功能划分形成符合VPX标准的功能单元。其中接口单元对应统一驱动模型的多模接入层, 实现不同载荷的统一集中接入。互联单元和交换单元实现高速PCIe通道对应驱动模型的统一数据通道, 不仅连接接口单元和主处理单元, 还为系统内各功能单元建立端到端的拓扑连接。主处理单元包含统一驱动模型的接入控制层、统一管理层和能力虚拟化, 运行应用及系统管理程序。

thumbnail 图4

载荷虚拟化系统结构图

3.2 软硬件协同的统一驱动模型实现

载荷的统一驱动模型实现包括载荷物理接入到驱动的整个过程, 为载荷的能力虚拟化提供支撑。为了实现对多样异构载荷接口的支持, 保证数据传输的带宽和效率, 以及软件修改的灵活性, 采用软硬件融合方式实现统一驱动模型。其中多模接入层以FPGA实现为主, 接入控制层和统一管理层由处理器软件实现。软硬件融合实现使硬件可配置, 软件易扩展、专用硬件支持管控软件高效运行。

1) 多模接入层实现

多模接入层连接载荷接口及统一数据通道。利用FPGA器件丰富的IP以及硬件并行处理特性实现多协议解析, 并且利用其可配置特性实现接口协议参数扩展和通讯协议帧配置, 具有执行速度高、可扩展等特点。

FPGA可实现大部分载荷接口类型。针对无人机的一般应用设计接口单元, 不同接口及载荷与系统的对应关系如表 1所示。

FPGA实现多模接入的功能框图如图 5所示。

多模接入实现还需考虑如下问题:

· 数据帧长度: 考虑不同载荷产生数据差异较大, 数据帧难以实施标准数据长度, 因此通过通讯协议帧的起始及结束标志进行识别, 起始结束标志也可以通过寄存器配置以支持不同的载荷通讯协议帧。

· 协议转换控制: 数据在载荷接口和高速PCIe通道之间需要无缝衔接及转换。数据状态监控模块监测各数据存储区域, 当存储状态发生变化时向PCIe协议编解码产生中断请求, 触发相应协议转换, 由数据调理模块实现与协议规范匹配的数据格式转换。PCIe数据包、载荷数据包、接口缓存之间的映射规则保证了PCIe数据包与收发数据的载荷接口之间的对应关系。

通过FPGA实现的多模接入层将多接口集中接入到任务管理计算机; 将处理器与各接口的数据交互转换为与PCIe高速接口的数据交互, 在物理层屏蔽接口差异; FPGA的可编程、IP核化、软件可配置特性可实现良好的接口扩展性。

2) 接入控制层实现

接入控制层的功能包括: 对PCIe统一数据通道数据传输的管理, 向统一管理层提供载荷接口数据的读写操作API。其实现要点包括:

· 统一数据通道的管理: 基于操作系统内核的PCIe驱动实现统一数据通道的打开、读写等操作。

· 调用接口及其数据识别: 接入控制层向统一管理层提供基于缓存的统一载荷数据读写接口, 接口函数中的接口编号(block_type)参数用于区分不同载荷。统一调用接口如表 2所示。

· 用户空间对不同接口PCIe数据的处理: 接入控制层实现的关键在于PCIe接口和统一调用接口之间的数据映射。首先接入管理层为每个接口的数据收发建立单独数据缓冲区, 缓冲区对应不同的内存地址空间。其次, 采用消息队列机制, 依据接口编号和不同缓存之间、不同缓存与数据包标志之间的映射关系, 确定数据流转发的源和目的。

接入管理层实现的示意图如图 6所示。

3) 统一管理层实现

统一管理层加载载荷驱动, 基于接入管理层提供的载荷数据统一操作接口, 实现对载荷的读写、控制及数据预处理的操作, 并为载荷抽象提供调用接口。统一管理层的实现要点如下:

· 载荷驱动动态加载: 驱动程序以动态链接库的形式实现加载和运行。驱动加载的依据是载荷配置文件(包括载荷设备类型、设备型号、设备状态、帧信息、接口类型信息、接口速率等)中载荷的驱动信息。驱动加载的过程是载荷驱动管理程序根据配置文件在系统驱动文件集合自动查找对应的驱动程序, 完成加载。

· 载荷驱动程序的个性化实现: 不同载荷, 其具体实现机理、数据类型各有差异, 载荷驱动程序针对所对应的具体载荷设计实现: 通讯协议的数据处理、开关控制、模式选择、状态判断等功能, 不同载荷的驱动程序形成驱动程序集。

载荷驱动独立设计, 并使用动态链接库方式使载荷驱动可以灵活修改及加载。

4) 载荷协议帧

与统一驱动模型相结合, 设计了嵌入数据帧起始结束标志的载荷通讯协议帧, 使统一驱动模型以透明传输方式处理协议数据帧。驱动模型对协议帧执行标准处理流程, 包括: 解析协议帧头, 提取有效数据, 向上传输, 处理流程不关心协议帧的具体内容。通讯协议帧的起始和结束可配置, 如图 7所示。

表1

接口列表及连接关系

thumbnail 图5

FPGA实现多模接入层功能框图

表2

统一缓存操作接口

thumbnail 图6

接入管理层实现

thumbnail 图7

载荷协议帧

3.3 能力虚拟化实现

1) 基于本体的载荷能力表示

本体作为一种知识描述框架, 具有充足的知识表达能力, 还支持推理。采用本体建模方法可以建立载荷能力的语义描述, 提高描述的一致性及互操作性。结合能力模型的核心元素形成层次化元组表示, 如下所示。

Identification Set=<Name, ID>

Fundamental Attributes Set=<

Function, /*e.g image sensing, temperature sensing*/

Type, /*e.g atomic, composite /

State, /*e.g ready, busy, unavailable */

Device(s), /*e.g camera, temerature sensor*/

Parameters Set,

-width parameters, /*e.g breadth, resolution ratio*/

-depth parameters, /*e.g range, distance, length*/

-precision parameters, /*e.g perception accuracy*/

-frequency parameters, /e.g frame rate, speed*/

Capability Interface/*e.g open, close, set*/>.

Influence Factor=<

System Factors, /*e.g energy, speed, load*/

Environmental Factors/*e.g temperature, light, time, position,

height, climate/*>

其中Identification Set中包括能力Name和ID。Fundamental Attributes表示能力描述的有: Function, 能力具有的功能效果; Type, 能力和物理载荷之间的关系, 若能力产生依赖一种载荷, 则为原子能力, 否则为复合能力; State, 表示能力状态, 如就绪、忙、不可用等状态; Device, 表示与能力对应的载荷实体。能力参数体现能力效果表征, 能力参数可以从以下角度定义: 能力作用范围、作用精度、作用频率等。能力调用接口包含可对该能力执行的操作, 如打开、关闭、设置模式等, 还可包括对能力的访问和查询操作。Influence Factors包含可触发能力变化的系统因素及环境因素, 如系统的能量水平、无人机飞行速度、温度、光线、时间等。

所验证实例中, 可见光相机、合成孔径雷达虚拟化为成像能力, 其参数如表 3所示。

机载数据终端和机间链路模块虚拟化为通信能力, 其参数如表 4所示。

2) 载荷能力动态处理

载荷的能力表示提供了载荷虚拟化模板, 其受多种因素的影响动态变化, 通过能力动态处理确定能力表示中参数的具体值。首先根据使用经验, 从能力对任务效果的广度、深度、精度、频率等方面确定能力参数。其次, 通过参数映射确定能力参数与载荷参数的关联, 如双目相机具有分辨率、视场、焦距、矫正精度等参数, 将双目相机抽象为测距能力, 定义可测量距离、测量精度参数, 可测量距离与焦距相关, 测量精度与相机精度和校准精度有关。最后, 结合影响因素, 分析计算能力变化规律, 建立能力参数变化模型, 用于确定载荷能力参数在工作状态下的值。

能力参数可以是对载荷参数的直接映射, 如示例中对于通信能力,定义通信距离、通信速率、误码率为能力参数, 这些参数可以直接对应通信载荷的参数。能力参数模型可为简单模型, 如电池续航能力的续航时间参数可建为线性模型。对环境敏感的复杂载荷, 可以利用机器学习等方法建立影响因素和能力参数之间的模型。对成像能力定义成像范围、目标检测概率和图像质量参数。成像范围表示最远感知距离, 目标检测概率用于衡量所获取的图像经过对应算法检测出目标的能力, 图像的平均梯度表示图像质量。光线、能见度以非线性关系影响成像能力, 它们之间的函数关系复杂, 难以构建出准确、通用的数学表达式进行计算, 本实例中采用小波神经网络, 通过对历史数据的学习建立从输入到输出的映射, 模型构建流程如图 8所示。对能力参数可以采用不同的模型, 模型的优劣及选择不在此讨论, 作为未来工作的一部分。

表3

成像能力及参数

表4

通信能力及参数

thumbnail 图8

小波神经网络实现成像能力参数模型构建流程

3.4 基于载荷虚拟化的无人机侦察任务载荷管理

将载荷虚拟化实例应用于无人机侦察任务, 对载荷进行管理, 如图 9所示。根据侦察任务的要求选择可见光相机和合成孔径雷达为任务载荷。载荷和无人机均为已有产品, 并非专门定制。在载荷适配无人机的过程中, 主要进行了任务计算机的安装和载荷虚拟化及管理的首次开发。

根据区域侦察应用分解出所需能力, 包括通信能力及感知能力, 感知能力可细分为日间图像感知和夜间图像感知。对所连载荷根据任务功能进行能力抽象, 并采用不同的知识规则和方法建立能力模型, 载荷参数结合工作状态下系统环境因素得到载荷具有的能力水平, 通过对需求能力和载荷能力水平的匹配为侦察任务分配最合适的载荷。在白天选择可见光相机兼顾能量和成像质量, 在夜间则选择合成孔径雷达保证成像质量。上层应用通过能力接口操作需求的能力, 能力接口将对能力的操作转化为对载荷的操作, 并继续通过载荷驱动和数据操作接口与载荷交互, 实现对载荷的管理。侦察应用只对能力进行操作, 而无需关心载荷的控制和工作的细节。

以上设计与实现已在某研究所的中型无人机上实际部署, 并以侦察任务为目标进行了初步应用验证, 成功获得了任务区的可见和雷达图像, 功能的完善性、时延及各载荷性能均达到了预期, 表明载荷统一接入的方便性和载荷能力管理的有效性。

thumbnail 图9

基于能力的载荷管理

4 结论

针对无人机系统对多异构异质载荷接入的兼容性和扩展性的问题, 提出了一种软硬件融合的载荷虚拟化方法, 基于统一驱动模型接入载荷, 使用虚拟化的能力作为载荷资源管理的对象, 通过能力匹配选择进行载荷管理。从以下方面讨论该方法:

1) 有效性:通过载荷虚拟化, 解耦应用与载荷驱动、应用与物理载荷。应用层对能力进行操作, 而无需关心物理连接载荷的具体细节及控制接口, 保持了应用与载荷的独立性。软件开发的工作主要集中于接口驱动适配及数据实时处理。

2) 通用性:方法中的统一驱动模型, 用标准化的流程实现多载荷的物理层及数据层统一接入与调用, 符合载荷数据交互的要求。而能力是对载荷功能更高层次的抽象, 能力与载荷功能效果相对应。

3) 可理解性:载荷的能力抽象是载荷对任务支撑效果的反映, 能力参数也多从使用者关注的任务效果角度出发, 提供比较基准, 并且能力表示采用语义的方法, 更有利于理解。

4) 扩展性:该方法的扩展性体现为2个方面: ①模型中的硬件对软件数据处理功能提供支撑, 硬件功能可通过软件配置进行扩展, 如通过使用IP核扩展FPGA支持的接口, 通过设置改变协议帧定义等。②根据需求动态加载载荷驱动及增加新能力的语义描述, 扩展驱动程序及能力数据库。从而赋予无人机连接多种异质异构载荷的能力。

后续将进一步围绕载荷能力模型、基于能力提升载荷资源选择效率深化研究, 并进一步结合多型无人机扩展应用验证。

References

  1. AUSTIN R. Unmanned aircraft systems: UAVS design, development and deployment[M]. New York: John Wiley & Sons, 2011 [Google Scholar]
  2. VALAVANIS K P, VACHTSEVANOS G J. Handbook of unmanned aerial vehicles[M]. Dordrecht: Springer Netherlands, 2015 [CrossRef] [Google Scholar]
  3. WANG Helong, DING Zhu. Mission load technology of UAV system[M]. Beijing: Aviation Industry Press, 2020 (in Chinese) [Google Scholar]
  4. WILSON A N, KUMAR A, JHA A, et al. Embedded sensors, communication technologies, computing platforms and machine learning for UAVs: a review[J]. IEEE Sensors Journal, 2021, 22(3): 1807–1826 [Google Scholar]
  5. ELBAHNASAWY M, SHAMSELDIN T, RAVI R, et al. Multi-sensor integration onboard a UAV-based mobile mapping system for agricultural management[C]//2018 IEEE International Geoscience and Remote Sensing Symposium, 2018 [Google Scholar]
  6. LILei, WANGTong, JIANGQi. Key technology develop trends of unmanned systems viewed from unmanned systems integrated roadmap 2017—2042[J]. Unmanned Systems Technology, 2018, 1(4): 79–84 [Article] (in Chinese) [Google Scholar]
  7. GU Qijun, DREW R Michanowicz, JIA Chunrong. Developing a modular unmanned aerial vehicle (UAV) platform for air pollution profiling[J]. Sensors, 2018, 18(12): 4363 [Article] [NASA ADS] [CrossRef] [Google Scholar]
  8. BARNELL M, RAYMOND C, CAPRARO C, et al. Agile condor: a scalable high performance embedded computing architecture[C]//Proceedings of the 2015 IEEE High Performance Extreme Computing Conference, 2015 [Google Scholar]
  9. YANXiao, TANGBo, ZHANGTianhong, et al. Payload platform of near space vehicle information system[J]. Acta Aeronautica et Astronautica Sinica, 2016, 37(suppl 1): 127–132 [Article] (in Chinese) [Google Scholar]
  10. MENGZhipeng, LYULiang, YINKui, et al. Design and application of a wide adaptive payload integration approach for unmanned aerial vehicle[J]. Journal of Ordnance Equipment Engineering, 2021, 42: 14–18 (in Chinese) [NASA ADS] [Google Scholar]
  11. IPDD Working Moroup. Standard of interface requirements and performance characteristics of payload devices in drones[S]. IEEE 1937.1-2020 (in Chinese) [Google Scholar]
  12. ZHOUYuan, ZHANGXunying, ZHIYongfeng. Research on software defined satellite payload technology[J]. Journal of Northwestern Polytechnical University, 2020, 38(suppl): 96–101 [Article] (in Chinese) [Google Scholar]
  13. LYU Zheng, LIN Xiangyu, XU Mingming, et al. Design of an integrated payload architecture based on software defined radio[C]//Proceedings of the Fourth High Resolution Earth Observation Academic Annual Conference, 2017: 1–12 (in Chinese) [Google Scholar]
  14. LUDongqi, ZHANGQian, XUYizhou. Terminal equipment adaptive access for power internet of thing[J]. Journal of Shanghai Jiaotong University, 2021, 55: 72–76 [Article] (in Chinese) [Google Scholar]
  15. SHEN Wenhan, ZHANG Penghui, XU Xingliang. Design of internet of things access system based on software defined radio platform[C]//Proceedings of the China Automation Conference, Jinan, China, 2017 (in Chinese) [Google Scholar]
  16. PANNUTO P, WANG W, DUTTA P, et al. A modular and adaptive architecture for building applications with connected devices[C]//Proceedings of the IEEE International Conference on Industrial Internet, 2018 [Google Scholar]
  17. SLIM Abbes, SLIM Rekhis. Sensor virtualization and provision in internet of vehicles[C]//Proceedings of the 36th International Conference on Advanced Information Networking and Applications, 2022: 386–397 [Google Scholar]
  18. KOO Jabeom, SUNGMIN Yoon. Insitu sensor virtualization and calibration in building systems[J]. Applied Energy, 2022, 325: 119864 [CrossRef] [Google Scholar]
  19. JOJeonggil, LEEByungbog, LEEKyesun, et al. Sensor virtualization module: virtualizing IoT devices on mobile smartphones for effective sensor data management[J]. International Journal of Distributed Sensor Networks, 2015, 11(10): 730762 [Google Scholar]
  20. XU Jian, BHATTACHARYA A, BALASUBRAMANIAN A, et al. Sensor Virtualization for Efficient Sharing of Mobile and Wearable Sensors[C]//Proceedings of the 19th ACM Conference on Embedded Networked Sensor Systems, 2021: 460–466 [Google Scholar]
  21. AFAQ Muhammad, SAQIB Muhammad, SONG Wangcheol. Sensor virtualization and data orchestration in internet of vehicles (IoV)[C]//2021 IFIP/IEEE International Symposium on Integrated Network Management, Bordeaux, France, 2021: 998–1003 [Google Scholar]

All Tables

表1

接口列表及连接关系

表2

统一缓存操作接口

表3

成像能力及参数

表4

通信能力及参数

All Figures

thumbnail 图1

载荷虚拟化

In the text
thumbnail 图2

载荷虚拟化统一驱动模型

In the text
thumbnail 图3

能力模型

In the text
thumbnail 图4

载荷虚拟化系统结构图

In the text
thumbnail 图5

FPGA实现多模接入层功能框图

In the text
thumbnail 图6

接入管理层实现

In the text
thumbnail 图7

载荷协议帧

In the text
thumbnail 图8

小波神经网络实现成像能力参数模型构建流程

In the text
thumbnail 图9

基于能力的载荷管理

In the text

Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.

Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.

Initial download of the metrics may take a while.