四旋翼飞行器姿态控制系统研究

I I第一章绪论 11.1研究的背景及意义 11.1.1研究的背景 1.2国内外研究状况 21.2.1国内研究状况 21.2.2国外研究状况 1.3控制方法的研究进展 41.4本文的创新点 61.5本文研究的内容及框架 6 7第二章飞行原理及姿态解算和滤波 8 82.2四旋翼飞行器飞行原理分析 82.2.1飞行器结构设计 82.2.2飞行原理分析 92.3四旋翼飞行器姿态解算原理 2.3.1坐标系的建立 2.3.2姿态的四元数表示法 2.4四旋翼飞行器滤波原理 2.5本章小结 第三章四旋翼飞行器硬件设计 3.2结构设计 3.3主控制器最小系统 3.3.1主控制器型号的选择 3.3.2最小系统电路设计与分析 3.4电源电路设计 3.5姿态传感器检测电路 V3.5.1姿态传感器选型 3.5.2电路设计及其分析 3.6电子罗盘电路 3.6.1电子罗盘选型 3.6.2电路设计与分析 3.7大气压力检测电路 3.7.1大气压力传感器选型 203.7.2电路设计与分析 203.8自动避障电路 3.8.1测距传感器选型 203.8.2超声波测距电路设计与分析 213.9串口通信电路 3.10显示及接口电路 22 3.12本章小结 第四章四旋翼飞行器软件设计 4.2系统软件设计 4.3算法软件实现 4.3.1四元数算法实现 254.3.2卡尔曼滤波算法实现 284.3.3串级PID控制算法实现 294.4本章小结 第五章四旋翼飞行器建模及控制方法研究 5.2四旋翼飞行器建模 35.3.1串级PID控制结构分析 35.3.2仿真结果与分析 5.4模糊PID控制算法研究 5.4.1经典PID控制 5.4.2粒子群优化PID参数 5.4.3模糊控制 405.4.4模糊PID控制 415.4.5控制效果比较 455.5滑模控制的改进研究 5.5.1改进的离散滑模控制 465.5.2传统离散滑模控制与改进的离散滑模控制仿真结果比较 5.5.3神经网络滑模控制 495.6本章小结 第六章调试及结果分析 5 6.2软件调试 6.3硬件调试 6.4调试结果分析 6.5本章小结 第七章总结与展望 7.1总结 7.2展望 攻读学位期间研究成果 68 691近年来，由于四旋翼飞行器具有飞行姿态灵活，体形较小，无人驾驶，控制方法多样，造价低廉且能在空中自主飞行等优点，况且可以被用来代替人类来完成在各种恶劣、危险的环境下的特定工作和任务。所以在军工和民事领域获得了广泛的应用[1]。1.安保领域：人工智能技术不断取得进步，配置高清摄像机和各种安保设备的四轴飞行器被广泛使用在公安系统、消防系统、家庭，成为高度智能化且行动敏捷的电子警察、电子消防人员。2.应急救援领域：当发生紧急情况，单纯的依靠人力进行救援速度比较慢，会导致资源浪费而且救援效果比较差，容易会产生损失比较大，因此利用四旋翼飞行器协助救援人员能够快速的完成救援工作，使得损失能够降低到最小化。3.产品安全领域：在农产品领域，凭借四旋翼飞行器的自身独特的优点，可以实时通过摄像头了解农产品的生长状况，可以帮助农户有针对性的采取应对措施，从而极大的减小了损失等。4.公共安全领域：当城市发生恐怖事件、爆炸等影响人民群众公共安全的事件的时候，由于通过汽车等平时使用的交通工具很难第一时间了解事故现场的情形从而制定应对措施，因此四旋翼飞行器凭借自身的体型小、不需要人驾驶可以自主飞行并且通过摄像头拍摄可以使科学家们第一时间知道危险情况然后采用应对方法，将损失降到最小化的程度。因此，四旋翼飞行器在公共安全领域也被广泛应用。5.军事领域：在军事演习中，由于场面非常的混乱，要想获得敌方的情形以便我方做好作战准备，更好的攻破敌方，可以利用四旋翼飞行器侦查敌方的敌情，然后通过四旋翼飞行器掌握的信息准确的对战场情况作出判断等等。随着科学技术水平的不断提升，四旋翼飞行器的应用越来越广泛，比如在安保领域、应急救援领域、产品安全领域、军事领域、公共安全领域等[8,即当发生紧急危险的情况下，四旋翼飞行器可以协助救援人员快速的完成救援工作；利用四旋翼飞行器监测危2险环境或者将四旋翼飞行器运用于军事演习中，尤其是将四旋翼飞行器运用到人类不能涉及的危险场合等等。同时，四旋翼飞行器的控制与设计是一门多学科、多交叉的技术，为计算机工程、控制工程、电子技术等很多领域提供给了研究平台，因此四旋翼飞行器不管是在民用和国内对四旋翼飞行器的研究较晚，主要的研究单位是一些研究院和高校如：国防科的关键是研究飞控板，国内研究了一批非常有特色的飞控板。(1)QQ飞控QQ飞控的开发者是一些对四旋翼有浓厚兴趣的大学生，同KK飞控相比，QQ飞控的价格低廉、调试简单，但是也有一些缺点：不能姿态控制、不能定高等等。(2)零度飞控比较出色的一款飞控板就属零度飞控，该款飞控是由零度智控(北京)智能科技有限公司研制。其中这款飞控拥有很多的优点，比如质量轻便、体形较小、安装非常方便等等，一点都不比APM飞控差，此飞控板的功能非常齐全，而且零度智控有限公司也是国内大疆公司最大的竞争者，但是唯独的缺点便是该款飞控的价格非常贵。(3)NAZA飞控NAZA飞控是国内大疆公司推出的又一款优秀飞控，它的设计以创新作为新的理念，将各种传感器和控制器等集成在一个模块上，可以实现多种功能，而且也可以拓展硬件，它不但具有飞行稳定性，同时也由于这款飞控的诸多优点给玩家带来了无限的飞行乐趣。3由于早期在20世纪初，科学技术水平差，很多技术都非常落后，导致了早期研发的飞行器都是大体积的。1907年实际上第一架旋翼式直升机由Breguet兄弟研制成功，虽然旋翼机1号的研制在当时的科学技术水平下，经过了多次的试验都没能获得成功，不图1-4旋翼机1号在旋翼机1号的设计思想的基础上，科学家进行了不断的改进，但是由于飞行稳定性很难控制的问题，导致了好几十年以来，大家对四旋翼飞行器的研究一直没有多大进展。直至随着科技的发展，各种先进技术、传感器、理论研究的提升，四旋翼飞行器才又一次被大家重视，成为了研究的热点话题。现今，国外的飞控种类有很多，发展也非常迅猛，应用也非常广泛，下面就列举一些国外的主流飞控：KK飞控是法国研究的一个开源的开发项目。因此，国内的研究者针对KK飞控的开源的特点，模仿KK飞控平台，导致KK飞控在市场上出售价格非常低廉、竞争也非常激烈。4MWC飞控是市面上非常通用的开源产品，凭借Arduino易学的特点，导致MWC飞控的研究非常成熟。它拥有很多的优点比如：可以实现姿态控制、支持众多的外围设备、支持多种飞行模式等等，所以已经成为了拥有国外最高市场占有率的一款产品。APM飞控与MWC飞控类似也是世界上有很高占有率的一款产品，并且也是支持开源设计，并且该飞控有很多的优点，功能齐全，但是它的缺点就是调试起来非常的复杂。随着航空技术在新世纪被越来越重视，由于四旋翼飞行器体形较小，无人驾驶，控制方法多样，造价低廉且能够在空中自主飞行等优点，因此四旋翼的研究得到了重视。然而为了实现对四旋翼飞行器的位置控制的关键是对四旋翼飞行器的姿态稳定性进行精确控制[16-17],其中对于控制算法的讨论非常重要，下面做了简要概述。(1)PID算法PID在工程中是一种常用的控制算法，特点是方法成熟、可靠性高、易于在工程控5用了该方法展开了研究，拥有非常良好的实用价值。但是，此控制方法也存在着一些不足之处，比如：此控制方法的参数调节是靠人工进行调节，非常的耗时而且此方法依赖精确的四旋翼飞行器运动学模型，对小角度控制有良好的效果。(2)模糊算法模糊算法是一种不需要依赖于精确的数学模型的控制算法，它拥有鲁棒性强、容错性强、易于人机联系等优点。但是模糊算法中的模糊规则要是建立不合适就会导致控制精度低的缺点。因此，混合模糊算法的运用效果比单独运用模糊算法优良。比如运用模(3)模糊PID算法模糊PID从字面理解就知道是糅合了PID、模糊优点的方法，所以此方法非常受重视。比如张镭在文献中运用模糊PID算法对四旋翼飞行器的姿态进行了控制得到了比较高的控制精度[24]。因此，此方法比模糊算法的控制精度高，具有一定的研究价值。(4)滑模算法滑模控制算法是一种变结构控制算法[25-28],具有响应速度快、鲁棒性强等优点，因此被广泛的应用到工程控制中。比如将积分滑模运用到飞控中，获得了比较好的控制效果[29]。但是，该方法的缺点是当轨迹到达滑模面时容易发生抖颤现象等等。因此如今为了得到比较好的控制效果，很多学者都将滑模控制算法与其他一些算法相结合或者利用改进趋近律等方法克服了抖颤现象，获得比较好的控制效果。比如：采用幂次趋近律抑制抖颤[30],将自适应控制与滑模算法相结合运用到伺服平台[311,还有将自适应算法与反演算法及滑模算法一起混合的算法运用到四旋翼飞行器姿态控制中[32】,都获得了好的控制效果，等等。因此，该方法具有一定的研究价值。(5)Backstepping控制Backstepping控制是一种在非线性控制中能够展现出突出优越感的控制方法，但是，此方法控制过程相对复杂，在复杂的非线性系统中能够体现出优越性[33-34],一般用于理论研究中。(6)鲁棒控制鲁棒控制是一种可以预估不确定因素并且不用很精准的动力学模型，只需要进行离线辨识的控制方法。该种方法对外界因素变化大的控制对象拥有很好的控制效果，但是由于实际的情况存在很多复杂约束等，所以在实际运用中还是应用很少。比如：将鲁棒控制运用于四旋翼飞行器的轨迹跟踪问题中，获得了比较好的控制效果[35]。6姿态控制算法是四旋翼飞行器最重要的组成部分，因此是四旋翼飞行器研究的重本文针对姿态控制问题，以F450四旋翼飞行器为研究对象，分析了其飞行原理、神经网络滑模算法等进行MATLAB仿真，最后还对四旋翼飞行器进行软硬件的设计及个方面：第三章：对基于STM32的四旋翼飞行器进行了硬件设计，其中包括主控制器最小第四章：对基于STM32的四旋翼飞行器进行了软件设计，其中包括给出了系统的整体的软件设计、四元数法的设计、卡尔曼滤波算法设计、串级PID算法的设计等第五章：根据四旋翼飞行器的飞行原理建立了其动力学模方法比如：PID算法、模糊算法、模糊PID来控制，并且滑模的应用效果优良等特点，7化的离散滑模控制器，即利用BP神经网络的输出ε(k)和δ(k)分别代替常规趋近律中的常数ε、δ,优化滑模变结构中的等效控制量改善滑模控制效果。第六章：对基于STM32的四旋翼飞行器进行了软硬件的调试工作，其中硬件调试包括当四旋翼姿态发生变化时的PWM波的检测调试和四旋翼飞行器的P、I、D参数的调试等等。第七章：总结本文做的所有工作，并且在总结的同时又由于时间等的限制对于未来的研究重点做了展望。本章主要介绍了四旋翼飞行器的研究背景及意义，然后又简述了四旋翼飞行器及其飞控板的国内外研究现状，后来又概括了四旋翼飞行器的姿态稳定性方面控制算法的研究进展，简述了常用方法的一些特点及其列出了在某些文献中的应用且说明了文章的创新点，最后还给出了全文的研究内容并对每章做出写作安排。8第二章飞行原理及姿态解算和滤波要知道四旋翼每个时刻的变化姿态。姿态解算研究中本文给出了四元数姿态表示的过2.2四旋翼飞行器飞行原理分析本文设计的四旋翼飞行器简图由图2-1所示，电机1—4共同组成了四旋翼的动力部分，其中1、3逆时针旋转，2、4顺时针旋转，同时在电机上安装有子弹头，在子弹头上固定着四个相同大小的旋翼，STM32的各种控制模块及传感器安置在机架的中央9以电机为被控对象的四旋翼飞行器是通过四个电机分别以不同的速度转动来达到升力的变化的效果，最终导致姿态的变化实现飞行。而且针对四旋翼四输入、六输出的情况，因此可以看出四旋翼是欠驱动的系统。具体的飞行原理图如图2-3所示。垂直运动：由上图2-3可知，假设图中4个电机的转速同时增加，那么拉力要比总重量大，会出现垂直上升的运动情况；如果在飞行状态下，拉力小于四旋翼总重量便实现了垂直下降；当拉力等于自身的重力的时候，即实现了悬停运动。俯仰运动：电机1、4转速增加，对角电机2、3的转速减小，产生不平衡转矩，该不平衡力矩会致使飞行器绕y轴转；同理，电机1、4的转速下降，对角电机2、3转速增加，可实现绕y轴的反方向转，这就是俯仰运动的全过程。滚转运动：参照图2-3,假设电机3、4转速增加，电机1、2转速下降，会导致不平衡转矩绕x轴正反向旋转；反之，会产生不平衡转矩是绕x轴的反方向旋转，实现了飞行器的横滚运动。偏航运动：参照图2-3,电机1、3的转速增加，其余两个电机转速减小，则导致反力矩效应。导致不平衡绕z轴旋转，方向同电机1、3一致；反之，使得绕z轴反方向前后运动：参照图2-3,电机1、4的转速增加，电机2、3的转速减小时，或者相反会导致产生一定的倾斜的同时还会使得飞行器产生水平方向的分量，即产生前后、左右运动。侧向运动：参照图2-3,侧向运动与上述的原理类似。为了准确定量描述四旋翼飞行器飞行姿态信息，此处引入俯仰角、横滚角、偏航角。由图2-4所示建立了空间的三维坐标系，“北东天”标志着坐标系的三个方向，也(1)欧拉角由于四旋翼飞行器在飞行的过程中，每一时刻的姿态都是在不断变化的，因此本文其中绕x,y,z轴的旋转矩阵分别表示如式(2-1)所示：则姿态矩阵的表示如式(2-2)所示：(2)四元数查阅文献可知，欧拉角法、四元数表示法、方向余弦法是研究最多的四旋翼姿态解算方法。欧拉角法是属于三参数的解算方法，它具有计算简单、不需要正交化处理等优点，但俯仰角θ=±90°时使用欧拉角法会导致出现“奇点”故不适用于全姿态解算。此外欧拉角法漂移误差较大，很少用于捷联姿态算法。方向余弦法是一种九参数法，其原理是使用微分方程来计算四旋翼飞行器的姿态矩阵，故具有直接得到姿态矩阵的优点。但是方向余弦法存在计算量大和非正交化误差的特点，所以需要正交化处理而且这种方法正交化处理复杂，这些缺点让方向余弦法很少用于捷联姿态计算。四元数法的特点是引入超复数在数学上对坐标进行解算，四元数法没有欧拉法和方向余弦法的不足[39]。综合考虑以上方法的特点，本文引入四元数法来对四旋翼飞行器姿态矩阵进行解算。其中四元数组成如式(2-3)所示：运用四元数表示的旋转如式(2-4)所示：运用四元数表示的矩阵函数式(2-6)所示：可见运用四元数法进行四旋翼飞行器的姿态解算，大大减少了运算量。(3)欧拉角与四元数的转换运用四元数来表示的姿态矩阵如式(2-7)所示：(4)四元数与欧拉角之间的转换关系欧拉角的表示如式(2-8)、(2-9)、(2-10)所示：运用四元数表示姿态角如式(2-11)、(2-12)、(2-13)所示：由上面可以看出，计算出四元数是表示姿态角的关键。在本设计中运用一阶龙格库塔迭代法实现四元数的不断更新，进而得到即时的姿态变化角，其中具体的迭代如式(2-14)所示：Q(t+T)=Q(t)+T×0.5×Ωb其中上式中T为采样周期，Ω是由陀螺仪测得的各轴角速度矩阵。四旋翼有很多传感器主要有三轴陀螺仪、三轴加速度计等。由于飞行器工作的环境是外界，这与理想的情况有很大的区别，因为外界存在很多干扰，使得传感器采集的数据有些偏离了正常值。传感器采集到数据中偏离正常值的数据如果不加处理会影响控制的效果，本文采用滤波算法进行处理来实现减小误差和噪声的目的。滤波算法种类繁多，其中大多数只适用于有用信号和噪声处在不同频带的条件下。本文滤波的条件无法达到以上的理想情况，因而选择合适的滤波算法对本文至关重要。卡尔曼滤波的使用条件不要求信号和噪声是平稳的过程，并且卡尔曼滤波相对于其他滤波算法具有以下显著特点：易于实现、理解简便、适用范围广。综合考虑本文研究的实际情况和卡尔曼滤波的特点，本文选择卡尔曼滤波算法对系统状态进行最优估计。其中卡尔曼滤波算法的流程主要可以归纳为对下面5条公式的理解与应用，具体解首先，假设线性系统如式(2-15)所示：X(k)表示系统的状态，U(k)表示现在状态的控制量，A和B为系统的参数，W(k过程噪声。其中，系统测量值描述如式(2-16)所示：Z(k)是现在状态的测量值，H是测量状态的系统参数，V(k)表示噪声。现在状态的预测如式(2-17)所示：根据系统的上一个状态的值来预测现在状态值。协方差的更新如式(2-18)所示：通过上一个状态的协方差得到更新过后的系统协方差，其中Q为系统过程的协方差。现在状态的最优估计值如式(2-19)所示：x(kl|lk)=x(k|k-1)+Kg(k)(Z(k)-HX(kl|k-1))从上式可以看出，最优估计值是根据上面由预测及实际值组成的公式不断的进行计算得卡尔曼增益如式(2-20)所示：Kg(k)=P(kllk-1)H(HP(kl|k-1)H+R)根据上述公式可以得出卡尔曼增益。现在状态的协方差如式(2-21)所示：协方差的不断变化是通过上式计算完成的。本章分析了四旋翼的实体结构及飞行原理，建立了四旋翼飞行器的空间三维坐标系，并在三维坐标系的基础上运用四元数表示俯仰角、横滚角、偏航角等姿态角，由于四旋翼飞行器中央安装的各传感器都存在干扰，在本文采用卡尔曼滤波算法减小误差及噪声等。第三章四旋翼飞行器硬件设计为了实现四旋翼的平稳飞行，对四旋翼进行硬件设遥控接收模块和接口模块等部分，具体见图3-1所示。路路路路主控芯片电源模块的作用是给控制系统提供保证四旋翼飞行器能够稳定性飞行所需要的电量，本机采用好盈FlyFun-40A无刷电调(带BEC输出),可为飞行控制系统提供5VSTM32F103VCT6使用的是ARM公司生产的Cortex-M3型号的处理器作为内核的功耗很低、体积非常小等等。虽然Cortex-M3不如ASTM32F103VCT6最小系统电路里择等外围电路。从图3-2所知，为了容易调试选用8MHz晶振、拨码形式电路等。2三H2三H4PBIZ/P12NSSA2C2MBAUSART3CK/TIML_6PA4/SPII_NSSUSAR12(KIAB二USARTRX异JIOKSWLK%USARTSR要TXe5_图3-2STM32F103VCT6最小系统原理图压5V转换成3.3V的可供主控芯片使用的电压。三端线性稳压器AMS1117仅要求输入和输出端接很少量的滤波电容就能输出3.3V稳定电压，所以本文选取适用性较广的AMS1117作为本四旋翼飞行器的电源转化芯片，电源电路知DW表示5.1V的稳压管，其作用是让AMS1117的输入电压不超过5.1V,达到限幅VVF图3-3稳压电源四旋翼飞行器平稳飞行的关键是内环(姿态环)的稳定控制，所以必须得设计姿态了加速度计和陀螺仪当作为四旋翼飞行器的姿态检测模块，其相关原理如下。(1)原理分析①加速度计加速度计是四旋翼飞行器用来测量加速力的设备，其中所谓的加速力是物体处于加速状态下所产生的力的作用。其中这样的加速力可以是地球引力，也就是重力。加速度我们可以运用常量、变量来进行定义。②陀螺仪物体在高速旋转的情况下，旋转轴方向对外力作用不受影响情况时，自身状态也保持不变，这就是所谓的陀螺仪工作原理。人类根据这个原理发明了陀螺仪。为了使其能够正常的工作，人类要给陀螺仪一个高速旋转的力，然后按照特定的方法读取旋转轴方向，最后将得到的数据传递给控制系统进行处理。市面上应用比较多的有Gimbal、MEMS陀螺仪。由于Gimbal陀螺仪有一些自身的缺点，比如：价格高、体形大等等，考虑到四旋翼飞行器的体形小，模块放置空间有限等因素，本设计采用MEMS陀螺仪测量四旋翼飞行器的姿态角速度是最好的选择。该陀螺仪有很多优点，比如：价格低廉，体积很小(2)传感器的选择随着科学技术的发展，微机电系统领域已经备受瞩目，因此微传感器也随之被广泛使用，同时和传统的传感器相比有很多优点，所以在本设计中，采用MEMS传感器，以下是市面上应用比较广泛的MEMS传感器型号。公司名字量程(/s)灵敏度(LSB//s)电压(V)公司量程(/s)灵敏度(LSB//s)电压(V)根据上表列出的当今主流传感器参数，由于需要思考成本等各种问题，所以比较以后，最终选择的四旋翼姿态传感器型号是MPU6050芯片。3.5.2电路设计及其分析具体的MPU-6050应用电路图如下图3-4:IIC接口的输出端是漏极开路或集电极开路，因此接口必须外加上拉电阻，这个电阻的阻值可以是4.7KΩ、2.2KΩ或1KΩ。考虑到上拉电阻的阻值大小对时序和信号的上升时间以及下降时间的影响，因此采用阻值为4.7KΩ的电阻最佳。REGOUT接口连接的电容的主要作用是对滤波进行校准，本设计的滤波电容的容值为0.1uF并且需要接地。CPOUT引脚和22uF电容相连接，主要作用是为MEMS提供高电压的电荷泵输出。设计中使用的时钟是内部时钟，因此CLMN(外部时钟输入)必须接地。四旋翼飞行器和航行在海洋里的船舶一样，都需要不断的辨别方向，因此需要选择一个辨别方向的设备，况且由于四旋翼飞行器自身的体形轻巧等特点，综合考虑选择数字罗盘HMC5883L作为四旋翼飞行器的方向辨别设备。其中，HMC5883L在行业中较其他传感器拥有很多优点，比如可以支持IIC传输、自动进行温度补偿、数据更新速率可达220Hz等，因此本设计采用HMC5883L比较合3.6.2电路设计与分析本文所设计的HMC5883L是单电源模式，供电电压是3.3V,外部的两个电容选用陶瓷电容，该电容的特点是有低的ESR,其中储能电容C28的标称值为4.7μF,置位/复位电容C27的标称值为0.22μF。24SCL98*3mm*1mm,精度却高达10cm。通讯可采用SPI或者IIC模式，非常方便，MS5611MS5611的时钟线SCL和数据线SDA连接主控芯片的IIC口。电容C29是容值为10pF的瓷片电容，其连接在VDD和GND之间。C29的作3.8自动避障电路因此要想四旋翼飞行器能够安全的在室内或者是一些空间受限的环境下安全的平稳飞(1)红外反射式光电传感器(2)超声波传感器超声波传感器通常是根据超声波在空气中进行传播和反射的超声波工作时序见图3-7,从图中可以看出，首先至少给10μsTTL信号，然后发出8个40KHZ脉冲，同时检测假设有信号返回就可以开始计时，I/O高电平显示的长度就图3-7超声波工作时序图本文的设计采用HC-SR04超声测距模块，接口电路、实物图如距仪的Echo脚相连接的作用是作为输入的回响信号。1234图3-8超声波接口电路3.9串口通信电路为了能够方便有效地采集数据，本文设计中所使用的主控芯片的USART1口与上位机相互连接。串口采集的电路图如图3-10所示。其中CP2102组成的USB-UART桥接电路是由美国公司SiliconLaboratory推出，该电路由C22、F1、C23、C24、R14和D6等少量器件就构成了CP2102的基本外围电路，从而实现了USB2.0到UART接口的转换。置12古L买置12古L买I4ENFe5NDT控D1本文的设计中使用的辅助设计电路是OLED显示电路，这种显示电路有6个引脚。为了控制OLED需要4个I/O口，本文设计中分配OLED的输出口PD0-PD3,此OLED模块的接口电路图如下图3-11所示。图3-11OLED接口电路数等存储下来。为了达到存储这些参数的目的需要设计flash电路。本文使用的是16M的flash由ATMEL公司生产，具体型号是AT45DB161,其芯片采用SPI接口，数据传输可靠稳定，具体的电路如图3-12所示：3.12本章小结本章首先从整体上阐述了四旋翼飞行器的硬件组成，大块，惯性测量模块(MEMS)、主控制器及接口与扩展等部分组成；然后对四旋翼飞行器第四章四旋翼飞行器软件设计4.1引言四旋翼飞行器为了能够实现平稳的飞行研究，除了需要以四旋翼飞行器试验样机为研究载体，即对四旋翼飞行器的硬件进行设计与选型，还需要对四旋翼飞行器的飞行控制进行软件设计及编程。因此，本章对四旋翼飞行器的系统软件进行了设计，并且对四元数算法、卡尔曼滤波算法、串级PID控制算法等进行了软件编程设计，为四旋翼飞行器的平稳飞行奠定了软件基础。4.2系统软件设计为了实现四旋翼飞行器的平稳飞行，必须对其进行软件编程，其中初始化设置是对软件设计的前提，需要进行初始化设置的有：定时器、GPIO口、串口、中断NVIC、传MPU6050、HMC5883L等都需要进行初始化。对各个模块初始化，这样可以保证各个模块都能够工作正常再开始读入控制参数，这就是设计的主流程。其中为了提高系统的响应速度，将飞行器控制部分的程序放置于中断程序里进行处理，其中包括了姿态解算、高度控制及远程遥控信息处理等等。具体的流程图见图4-1所示。亚亚否是液晶显示2.52.5ms中断入口主函数代码如下：{{//每10ms向上位机发送一次数据4.3算法软件实现运用四元数来表示欧拉角进行姿态控制的方法，大大减小了运算量，同时也是一种主流的姿态更新方法，具体的过程见图4-2所示。数值准备数值准备加速度计数值归一误差求解误差积分四元数微分解算欧拉角图4-2四元数算法实现的简要步骤框图四元数算法代码如下：IMUupdate(sensor.gyro.rfloatq0=1,q1=0,q2=0,q3=0;//四元数floatexInt=0,eyInt=0,ezInt=0;//累积误差{floatvx,vy,vz;//wx,wy,wz;floatq0q0=q0*q0;//为下面的计算做准备norm=Q_rsqrt(ax*ax+ay*ay+az//加速度计数据归一化VZ=q0q0-q1q1-q2q2+q//估计重力方向和流量//四元数中xyz的表示//对向量外环积分简单处理得出偏差exInt=exInt+VariableParaeyInt=eyInt+VariableParaezInt=ezInt+VariableParagx=gx+Kp*VariableParameter(gy=gy+Kp*VariableParameter(egz=gz+Kp*VariableParameter(ez)*ez+ezInt;//四元数的微分方程q0=q0+(-q1*gx-q2*gy-q3*gq1=q1+(q0*gx+q2*gz-q3*gy)*halq2=q2+(q0*gy-q1*gz+q3*gx)*halq3=q3+(q0*gz+q1*gy-q2norm=Q_rsqrt(q0q0+qlq1+q2q2+q3angle.roll=atan2(2*q2q3+2*qOq1,-2*qlq1-2*q2q2+1);//弧度制表示的横滚角angle.pitch=asin(-2angle.yaw=atan2((double)Yr,(doub//将横滚角弧度制表示Xr=X_HMC*COS(angle.pitch/AtR)+Y_HMC*SIN(-angle.pitcSIN(-angle.roll/AtR)-Z_HMC*COS(angle.roll/AtR)*SIYr=Y_HMC*COS(angle.roll/AtR)+Z_HMC*SIN(-angle.ro最终的三个输出角便是本设计建立的相关欧拉角。4.3.2卡尔曼滤波算法实现姿态传感器在数据采集的时候由于容易受到干扰和噪声等的影响，因此本设计采用卡尔曼滤波算法对其进行滤波得到相对精确比较高的数据。然而，该算法归根结底主要可以归纳为五个主要步骤，其中得到最优估计状态是关键的一个环节，具体步骤见图4-3图4-3卡尔曼滤波算法实现的简要步骤框图卡尔曼滤波代码如下：#defineKALMAN_Q0.02//Q:过程噪声，随着Q的增大使得动态#defineKALMAN_R6.00//R:测量噪声，随着Q的增大使得动态响应变慢，收敛/*卡尔曼对X轴加速度计进行处理*/staticdoubleKalmanFilter_x(constdoubleResrcData,doubleProcessNiose_Q,dou{doubleR=MeasureNoise_R;//测量噪声doubleQ=ProcessNiose_Q;//过程噪声doublex_mid=x_lasx_now=x_mid+kg*(ResrcData-p_now=(1-kg)*p_mid;不难发现，卡尔曼滤波具体的过程思想是利用现在状态不断预测下个状态，结合测量，得到最优状态。4.3.3串级PID控制算法实现串级PID从理论上分析可以知道，该控制包括位置、姿态环，然后也很容易从下面列出的部分重要代码知道，外环执行一次，内环需要执行两次。其中具体的过程见下图4-4所示。电机输出图4-4串级PID控制算法实现的简要步骤框图pit=pit-(Rc_Data.PITCH-Rc_Data.pitch_offset//俯仰角500/20=25度，防止俯仰角if(ctrl.pitch.shell.increment>ctrl.pitch.shell.increment_max)ctrl.pitch.shel29ctrl.pitch.shell.inelseif(ctrl.pitch.shell.increment<-ctrl.pitch.shelctrl.pitch.shell.increment=-ctrl.pitch.shell.increment_max;ctrl.pitch.shell.pid_out=ctrl.pitch.shell.kp*pit+ctrl.ctrl.pitch.shell.increment+ctrl.pitch.shell.kd*(pit-pitch_old);//外环PID输出ctrl.roll.core.kp_out=ctrl.roll.core.kp*(ctrl.roll.shell.pid_outctrl.roll.core.kd_out=ctrl.roll.core.kd*(sensor.gyro.origin.y-sensor.gyro.histor.y);本章先从整体上给出了STM32四旋翼飞行器系统的总体软件设计，其中包括了软件设计的总体的流程图和部分的主函数代码，然后，针对四旋翼飞行器中运用到的四元数法、卡尔曼滤波算法、串级PID控制算法等等进行了软件的设计并列出了部分的软件代码。第五章四旋翼飞行器建模及控制方法研究建模。然后在动力学模型的基础上运用智能算法控制姿态的稳定性。至20世纪40年代通道运用经典PID控制进行控制仿真，由于经典PID控制控制中选择趋近律常数的不便，本章设计了优化的神经网络滑模控制器，也就是BP神5.2四旋翼飞行器建模m——表示四旋翼质量；ζ=(x,y,z)—再根据旋转矩阵A得四旋翼四个螺旋桨总升力。把(5-2)代入(5-1)获得的运动方程如式(5-3)所示：再对式(5-4)进行求导得角运动方程：其中四旋翼飞行器的控制输入如式(5-6)所示：为了对四旋翼飞行器进行很好的控制，可以忽略阻力系数[43】,于是简化的动力学模型如下式(5-7)所示[22]:其中：x、y、z——三轴平动位移量；l——旋翼中心和坐标原点的距离；U,、U₂、U₃、U₄——垂直速度、横滚输入、俯仰、偏航四个控制量；Iα、1、I——三个轴的转动惯量；@——旋翼转速；K,、Ka—升力、反扭矩系数。由于在下面的研究中都是在PID控制的基础上进行展开的，因此为了方便进行研究，首先需要对PID进行解释说明，PID包含的三环节：即P、I、D。具体的是P平时情况下是被用作减小偏差；I平时情况下是被用作消除静差；D平时情况下是被用作减小振荡等等[18]。最后根据PID方法工程应用简易，方法成熟简便容易被人接受等特点，因此受到了广泛的应用。具体的PID控制算法原理如式(5-8)所示：xu=k,(x-xa)+k;ʃ(x-xa)dt+5.3.1串级PID控制结构分析自从我们进入到将计算机与控制相结合的时代以来，由于PID算法不但模拟仿真容易而且物理实现非常简便，因此被广泛运用于各个领域。本文从整体上采用串级PID控制的研究方法，即外环是位置控制环，相对而言的内环为姿态环，其中外环用PID进行控制，而内环采用PD控制即可实现稳定控制。其中具体的串级PID的图5-2串级PID整体的SIMULINK仿真图其中PIDforxyz模块如下图5-3所示：++++++++++2图5-3PIDforxyz模块的SIMULINK仿真图Fxyz-inversion模块如下图5-4所示：×+++× 1÷2×÷+图5-4Fxyz-inversion模块的SIMULINK仿真图innerloop模块如下图5-5所示：32图5-5innerloop模块的SIMULINK仿真图Fxyz模块如下图5-6所示：×专图5-6Fxyz模块的SIMULINK仿真图由上图5-2所示的串级PID算法的SIMULINK图可以知道，串级PID算法的控制过程是将(x,y,z)位置坐标的目标与实际值之间差值作为控制的输入，然后经过下一个PIDforXYZ模块，通过该模块的处理可以得到目标位移加速度值,然后再将得到的值经过Fxyz_inversion模块，通过该模块的反解处理，即可以得到目标升力、目标俯仰、目标横滚，再将得到的目标俯仰和横滚值加上给定的偏航值，经过innerloop模块，进行四旋翼飞行器的内环即姿态的稳定性控制环控制，再将通过内环处理过的值和反解模块得到的升力和送给Fxyz和doubleintegratorsforxyz模块，一同完成对动力学模型的控制。其中，姿态PID在研究的过程中被总结的控制原理如下面5-7可以知道。十十计算出的欧角角速度变化5.3.2仿真结果与分析运用串级PID控制，经过Simulink对四旋翼飞行器的动力学模型进行仿真后，六种1.5一02仿真时间(s)θφψxyZ上升时间t41峰值时间tp9994调节时间ts929由图5-8以及表5-1可以知道，φ和z两种状态的响应出现了超调，出现这种现象的原因是由于PID控制中比例系数选取偏大造成的，因此为了减小超调，就得适当的减小比例系数值。再从图5-8的响应曲线明显可以看出，通过串级PID控制即外环选取PID控制、内环即PD使得各个飞行状态都实现了平稳控制。5.4模糊PID控制算法研究制算法和PID控制算法的优点，显然控制效果更优。5.4.1经典PID控制本小节以四旋翼飞行器的俯仰通道为研究对象，利用经典PID控制算法对俯仰通道建立了MATLAB/Simulink模型及仿真曲线如下图5-9和5-10所示。kk++De仿真时间(s)5.4.2粒子群优化PID参数参数进行优化，大大减小了工作量且获得了较好的控制效果[45]。其中Simulink环境下的s更新操作N件吗?Y图5-12PSO优化PID的过程示意图其中具体的优化过程由5-12可以知道，也就是将粒子群随机更新得到的粒子不断给PID中的控制参数传输，最后仿真模型，不断计算得到对应适应度值，判断是否退出。图5-13PID参数趋势攀仿真时间(s)图5-14参数优化前后的仿真曲线从图5-13所示的比例、积分、微分参数趋势可以知道，k,的值趋近于3.6,ka的值趋近于2,k;的值趋近于0.2左右，和下面运用PID手动调试的三个参数值接近，表明图5-14所示，在阶跃输入的情况下，经典PID控制算法的调节时间比较长约8.5秒，运用PSO优化参数后所需要的调节时间约4秒，PSO优化参数后系统响应的超调量是5%左右，所以综合考虑PSO优化参数后的PID控制能够更好的实现四旋翼飞行器SIMULINK仿真结构图及其仿真曲线如下图5-15和5-16所示。kk+Add图5-15模糊控制的SIMULINK模型图仿真时间(s)图5-16模糊控制的仿真图5.4.4模糊PID控制模糊PID控制既集合了模糊控制算法的解决强耦合性等问题的优点，又具有PID算法的原理简单、适应性强、鲁棒性强且有一个完整的参数调节方案等等优点。因此本文重点研究了模糊PID控制器的设计方法同时也给出了模糊PID控制的SIMULINK模型图和仿真图。(1)原理设计具体的控制结构如图5-17所示。模糊推理模糊推理PID控制器控制对象K,=Kpo+{e,ec;},K,=K₁o+{e,ec},Ka=Kao+{e,ec,},其中从图5-18看以知道，{e,,ec;},、{e,ec,}、e,ec;}。的输出是通过模糊控制器进行模糊化处理得到。232图5-18逻辑结构图X1X①X2图5-19控制模型图以俯仰偏差、俯仰变化率作为模糊的两个输入，△K,、△K,、△Ka为三输出[46]。变即集合为{NB,NM,NS,ZO,PS,PM,PB},具体的设置见图5-20至5-24。mf图5-20e的隶属函数图22回图5-21ec的隶属函数图网(2)模糊规则具体的模糊规则按照PID参数选取的经验规则建立，比如：ifeisNBandecisNB具体规则见图5-25所示。图5-25模糊控制规则图具体的三维曲面见图5-26至5-28所示。易图5-27△k;的三维图FileEditView回图5-28△k的三维图具体的模糊PID控制的SIMULINK结构图和仿真图如下图5-29和图5-30所示。+X++Xp.0K+1本小节给出了以四旋翼飞行器俯仰通道为控制对象，其中PID、Fuzzy、FuzzyPID三种算法的仿真对比曲线如下图5-31所示。1由图5-31所示可以看出，当对三种算法同时给定一个初始的单位阶跃信号的时调节时间比较长约8.5秒，其次Fuzzy算法的系统调节时间比较短大概是3秒，但是拥有很大的超调量最大约60%,大的超调量容易会导致系统的不稳定，最后根据图5-31知道FuzzyPID的控制效果最优，不但不会像PID调节时间那么长，调节时间约2秒，也不会像Fuzzy拥有大的超调，其最大超调量约5%。由于在四旋翼飞行器飞行的过程5.5滑模控制的改进研究在研究了上述一些方法的同时，由于上述讨论的方法自身也有自己的一些不足之的一个姿态控制通道(偏航通道)为控制对象，研究了利用传统的自适应离散滑模控制47下载高由(5-12)可得：此处取再将(5-11)、(5-12)、(5-13)代入(5-10)得到控制律：由于(5-14)中sgn(·)即符号函数会有抖振问题，于是本设计加入一个衰减函数，即用代替,其中δ是极小的正数。(2)稳定性分析为了实现V(x)<0,也就是式(5-18)<0,式(5-19)>0,由于q,T是正数，式(5-18)很明显是小于0,所以要求式(5-19)大于0,即,经过计算得到满足,那样就实现了V(x)<0。即得到了该控制器的设计是符合Lyapunov稳定5.5.2传统离散滑模控制与改进的离散滑模控制仿真结果比较再将(5-20)传递函数离散化可以得到如下式(5-21)所示：仿真的条件即取c=10,ε=15,q=30;c=10,ε=|s(k)²12,q=30;c=5,5种情况，同时指令信号0°-10°之间变化，T=0.001,仿真给出了不同参数条件下的仿真对比，见图5-32至5-33所示。9从5-32可以知道，该图给出的是c=10,ε=15,q=30;c=10,ε=|s(k)²12,q=30;c=5,ε=|s(k)²12,q=20;c=30,ε=|s(k)²12,q=50;c=10,ε这5种情况下改进前后滑模算法的对比仿真情况，从5-33可以知道，该图给出的是c=10,ε=15,q=30;c=10,ε=|s(k)|²12,q=30;c=5,ε=|c=30,ε=|s(k)²/2,q=50;c=10,ε=|s(k)⁴12,q=30这5种不同条件下的抑制抖振情况，即在不同的情况下，控制量随着时间的变化情况。综合考虑图5-32和图5-33的控制效果可以得出当c=10,ε=15,q=30时即采用普通滑模算法进行控制，此时的控制效果即为系统的调节时间长约1.2秒且抖振很严重，抖振幅值最大约9V;当c=10,时候，是采用改进过后的二阶滑模控制算法，控制效果显著提高，调节时间减短且抖振也很小；当c=10,ε=|s(k)⁴12,q=30的时候，即采用的是高阶离散滑模控制，控制效果较普通的离散滑模控制效果有很大的改善，即系统调节时间减短且抖振也减小但是和二阶的滑模控制相比，由于高阶的滑模对计算机的配置要求比较高，因此在此处研究中没有二阶的滑模控制效果好，调节时间约0.7秒，最大抖振幅值约5V;同时针对c=10,8=|s(k)|²12,q=30、当c=3种情况，都是利用二阶滑模控制，但是选取的参数不同，控制效果不同，经过反复试验得出了c=10,ε=|s(k)²12,q=30参数情况下的控制效果最好，调节时间约0.5秒，最大抖振幅值约2V。随着科学技术的不断发展，由于神经网络非线性能力强、具有一定的学习和记忆功能等，且滑模算法的响应快、物理实现容易等优点，现在很多学者将神经网络与滑模算法相结合对被控对象进行控制。比如将RBF神经网络与滑模相结合，改善了风电机桨距的控制效果[56],提出了将Backstepping和滑模相结合的策略，同时利用神经网络对权值进行调整等的飞控方案[57],运用神经滑模实现了伺服系统的低速补偿[58],提出了将神经网络和滑模相结合的一种策略，达到了很好的控制精度[59],然而为了使本文的研究对象四旋翼也能达到优良控制效果，本小节围绕优化的神经网络滑模控制方法进行研究，大大降低了系统抖振。即由于常规滑模控制中选择趋近律常数的不便，为了克服这个问题，设计了优化的神经网络滑模控制方法，也就是将BP神经网络输出ε(k)以及δ(k)替代趋近律常数ε、δ,但是根据神经网络自身的一些缺点，使用遗传算法对其优化改善控制效果。(1)优化的整体设计由于神经网络的一些缺点，在这边使用遗传算法对其进行优化，其中优化过程简单叙述成如下所示：其中：E—表示训练误差w、V—表示隐含层到输出层的连接权值θ、Y—表示隐含层到输出层的连接阈值k—表示迭代次数y(k)—表示目标输出(k)—表示实际输出w,v,θ,—表示设计变量(2)神经网络滑模控制器设计假设离散时间系统如下所示：其中，x(k)∈R"×¹,A∈R”×,b∈R"¹,u∈R为系统的控制，d(k)为外部扰动。由式(5-25)中的c组成的多项式是符合Hurwitz多项式的。。将式(5-26)改写为：u,(k)=-(cTb)⁻¹cTAx(k)-d₀再由式(5-23)、(5-24)、(5-25),得到等效控制量：u(k)=-(cTb)⁻¹[c'Ax(k)-(1-δt到了改善控制的效果。将状态变量、控制量看作是神经网络的输入，那么输出可以定义为如式(5-29)所低抖振的目的，其中具体表达式即,其中μ增大到一定数值的时候，就信号。其中，通过改进过后的控制律如式(5-30)所示：u(k)=-(c'b)-'[c'Ax(k)-(1-δ(k)z)s(k)+ε(k)(3)稳定性分析此处，针对稳定性证明的问题，采用的Lyapunov函数如式(5-31)所示：把(5-27)公式代到(5-32),可以得到如下式(5-33)所示：此，证明了设计的控制器是能够满足Lyapunov稳定性的。(4)仿真结果分析然后将四旋翼偏航传递函数离散化以后得到如下式(5-35)所示：当系统不存在扰动的时候，初始值为x(0)=[pi/600],指令信号为r(k)=0.1sin(t当系统受到扰动影响的情况下，设置扰动d(k)=3si令信号为r(k)=sin(t),c⁷=[101],α=0.05,η=0.4,α率。具体的仿真结果见下图5-35至5-38所示。图5-36存在扰动的偏航跟踪响应曲线图5-37δ、ε固定情况下的偏航控制量图60时间(s)图5-38δ、ε实时调节情况下的偏航控制量图从图5-35可以知道，当系统不存在扰动的时候，普通的滑模控制与神经网络滑模控制的控制跟踪响应都比较好，但是神经网络滑模的控制跟踪调节时间相对来说更短；图5-36可以知道，当系统受到外部扰动影响的时候，相对比普通滑模控制，神经网络滑模控制的控制跟踪响应比较好，拥有良好的动态品质，然而普通滑模不管是在控制响运用串级PID控制对四旋翼飞行器内环姿态和外环位置进行控制并搭建了串级PID控制的SIMULINK结构控制图和六个状态通道的仿真曲线；其次，针对四旋翼飞行器的俯模型进行SIMULINK结构控制并给出了仿真曲线图，同时对比了三种控制方法的仿真GA优化的神经网络滑模算法，并给出了GA优化的神经网络滑模算法对于四旋翼偏航第六章调试及结果分析本四旋翼飞行器的主控制芯片采用的是意法公司推出的STM32F103VCT6芯片。同时在研究的过程中软件平台用KeiluVision4。到最后，为了实现程序的在线调试采用SEGGER公司的J-LINK,具体的调试连接见图6-1所示。从上图6-1所示，J-LINK一边与控制板相连，另一边又与PC机相连接，即利用然而J-LINK不能给控制芯片提供足够的电量，因此需要通过USB接串口对整个系统提供充足的在线调试电量。在调试的过程中发现，由于单片机是5V电源，所以假设打开其中KeiluVision4平台调试的界面见图6-2所示。0x080059EAF44F60FAMOVr0,#0x7D0FB94FOFOSDIVro,r4,r0 CONTROLc]main.c团M55611.c136sensor.gyro.origin.x=(([(int16_t)mpu6050_bufrerte])<<B)Impu6050_buffer[9]):137sensor.gyro.origin.y=((((int16_t)mpu6050_buffer[10])《sensor.gyro.origin.z-((((int16_t)mpu6050_buffer[12])<<B)Impu6050_buffertempgx+=sensor.gyro.oriqin10田Sangle0tempgz+=sensor.gyro.originsensor.gyro.quiet.x=tempgx/2000 sensor.acc.quiet.x= 田3Moto田3Motodutysensoz.acc.quiet.z=t//sensor.gyro.quiet.x=//sensor.gyro.quiet.=//sensor.acc.cuiet.x=图6-2调试界面图由上图很容易就发现，Watch1是观看各个变量的变化情况的窗口，同时本程序也可通过单步执行等命令观看本程序的设计逻辑是否正确，为调试打下了坚实的基础。6.3硬件调试通过示波器观看PWM输出，检测其是否符合姿态调整的逻辑特征，同时也得观测遥控器信道是否正确输入，这些都是姿态调试的前提。通过四旋翼飞行器的飞行原理可以知道为了实现四旋翼飞行器的姿态控制，即要对电机的转速进行不断的调节，然而转速的改变是通过调节芯片对电调的PWM输入的调节进行的，因为电调的PWM输入会引起电机的输入电压产生变化。因此本设计采用示波器与一个通道相连接，然后通过此连接观看PWM占空比，具体的波形见图6-3至6-4由图6-3所示可以看到当四旋翼飞行器处于平衡状态时的初始PWM波形输出，由候，右边电机的PWM波形输出较平衡状态的PWM波形减小，同理，从图6-4所示的看示波器可以发现右边电机的PWM波输出波形较平衡状态下的波形增大。由此可以知PID控制参数的调整，因为PID参数的选取合理与否将直接决定飞行器的飞行质量。由于内环只要采用PD控制就可以实现姿态稳定，因此只要调节P和D两个参数就且此装置符合参数调节的原理，具体设计见图6-5所示。由于四旋翼飞行器的飞行高度可以通过大气压力传感器定高，然而本设计主要的姿态控制方向即x和y轴四个方向，可以利用陀螺仪来调节。因此为了内环(姿态环)中PD参数调整的方便。本设计的调试装置根据轴承原理，使得四旋翼飞行器只有左右或者前后方向的自由。由于左右和前后是相对的方向，即实现了左右的姿态稳定，也即实现了前后方向的姿态稳定。同理，前后如果能够达到了平衡的状态，那么左右也就能够达到了平衡的状态。因此，很容易看出该调试装置的设置是正确的，同时大大的减小了成本，节约了资源。本设计在PD参数调整的过程中运用到了上位机通信，即通过上位机调整PD参数，也就可以不仅提供调节便利，又提升调节效率。假设不通过上位机调节参数，那么每次参数调节后都得将程序下载到芯片中，传统下载程序的方法非常耗时、效率低、磨损硬件等等。利用上位机进行配置参数，可以很直观的读取到飞行器飞行的姿态信息，以便准确的进行参数调整，具体的界面见图6-6所示。由于本设计是为了实现对姿态的稳定性控制，也就是说只要调节内环的PD控制参数即可。从上图6-6所示可以知道，本设计先读取外环PID,然后可以通过上位机修改PD(内环)控制参数，修改完后写入到飞控板，这样即完成了一次的PD参数调整。90025+14706000600000datiCJK008000Xc020006013-947oo000000000000000000000000口006C00L6650000030005%0.8411Do000000c00000000+50ot0c0co0J000000100000000202600050005000J0J000300030000000009800000o0ootoo5648corn005000000300020000000030000oustu000A00000ogo0000000705ssuo01827000001A0000300000000045470000n20n00000oo20ngo0000n0SSL00000000038000000000120+uic7eC7oiTiS00080IwrCrZO06}00000000000000000046-4790c0000000020000000y0000002005000000060008648FK=中A/E04001721006000000c000000000sno280s00000020000000000100200Y7900000030007000000000000APD40211900079000000000030000000000060+9PapoT0601Nuc000000TrIC0000000000000500000454000000000000000000000000800000000000000030000000000004P3000376i80000001Ey00米1CDo06000000002003c041tnco00000000000002000000000200002002000090000009043rioTpanisctIDo000201