Activity

…
Идея, как водится у русских, полностью украдена отсюда:

Ничего себе, у нас значит все и всё воруют, у нам чуток нельзя…😛

П.С. Оба видео классные!!! 😃

у вас сигнальный и мунус скручены как витая пара? по идеи минус должен работать как экран

Нет не были скручены, верное замечание, попробую, должно стать получше.

Привет. У кого еще, кроме меня, видеопередатчик дает помехи на PWM регулей, так что появляются поддергивания двигателей ?

Недавно обнаружил у себя такую штуку - подергивания моторов, непонятно откуда появляющиеся и непонятно как проходящие.
Сначала думал что настройки регулей, регули HobbyWing X-Rotor 20A Micro. Причем в простом PWM все ок, но если включить OneShot то проблема появляется. Настройки регулей проблему не решили.
В итоге оказалось что при приближении сигнальных (PWM) кабелей к видео передатчику (600mW) поддергивания появляются, при отдалении исчезают.
То есть, например, запихиваю излишки кабеля (пара витков) в тушку появляются подергивания, закрепляю их на лучах изолентой - все ок.

Думаю ставить фериты и возможно укорачивать кабеля PWM сигнала. Видео тоже надо бы поменять на 25mW но пока есть только этот 😃

У кого нить такие же эффекты проявлялись ? Как решали ?

Что то непонятное творится с коптером, разобрал, пропаял провод SBus на приемнике, были подозрения что отходит, в данном видео летал на DSHOT 600 показалось управление гораздо резче чем ONESHOT 125, регули расестар 20А
И что очень удивило при резкой прогазовке полный аккум просел до 14 вольт, при каком напряжении вы садитесь?
В двух словах можно узнать отличия этих протоколов? и на чем лучше летается? 😃

Просадка напряжения при нагрузке, означает недостаточную токоотдачу аккумулятора, больше С нужно значит на такую нагрузку.

Всем привет. Недавно начал летать на мини-ке, вот видео недавнего полета. Тестировал ворота 😃

Трасса Глонасс

Некоторые препятствия и их подсветка сливаются с полом 😦

Спасибо за ценное замечание. Может в этом есть смысл.
Есть идея получить такую зависимость для своей ВМГ при среднем полетном напряжении аккума. Загнать ее после выхода микшера, перед таймерами с ШИМом.
Возможно получится более линейная отзывчивость. Плюс не надо крутить ПИДы на новом кваде, а достаточно загнать зависимость для нового ВМГ. У кого какие мысли?

Посмотрел замеры тяги двигателя на стационарном стенде (бутылкостенд), зависимость тяги от положения стика. Характристика вполне себе линейная. Мотор EMAX 2205 2300KV с регулем ZTW spider 30A. Так что может и есть в регулях некоторая кривая линеризации. Так как теоретически эффективность пропеллера с увеличением оборотов должна падать, (вентиляторная нагрузочная характеристика пропеллера)
Но тут конечно может оказаться что пропеллер особенно в стационарном положении работает в начальном диапазоне, когда нагрузочная характеристика еще линейна, а вот в движении, на скорости, эта нелинейность может себя уже проявить. Если бы был график (положение стика/обороты) тогда бы можно было бы точнее разобраться.

А в дрон рейсинге эксопнента может быть и не только для линеризации характеристики двигателей, но и для удобства управления на разных углах наклона ну и для резкости управления.
Так что вопрос есть такая характеристика в регулях или нет, еще остается открытым 😃

Надо тупо найти открытую прошивку на регуль и посмотреть 😃

Всем привет, кто читает эту тему.
Кто-нибудь пробовал команды от микшера к ESC прогонять через подобную зависимость? только по оси Х не обороты а коэффициент заполнения ШИМа
…
Или она уже встроена в регулятор оборотов?

Вряд ли в ESC такое есть, это было бы заметно.

Тем более не зря же экспоненты в полетниках для дрон рейсинга делают.
Например без экспоненты по газу вообще не удобно летать, без нее на малых скоростях коптер сложно удерживать по высоте, не хватает диапазона(чувствительности, точности) стика (один щелчок вверх - улетает, один вниз - падает).
Единственно отличие, что там экспонента на стике управления, но разница не большая, просто экспонента проходит дополнительно через ПИД.

Привет, единомышленники! спустя год работы от начала освоения стм32 и освоения алгоритмов коптеров мне удалось наконец осуществить свою мечту - создать собственный контроллер коптера. Сразу говорю, что летает он ни чуть не лучше, а местами и хуже коммерческих аналогов. Вообщем то получен огромный опыт в отладке, программировании, поиске проблем и многом другом. Математика довольно простая, никаких фильтров Калмана (следующий этап), в основе простые П, ПИ регуляторы компенсирующие дрейф относительных датчиков абсолютными датчиками.
Теперь по платформе - летает все это на плате STM32F407Discovery, ДУС/акселерометр - MPU6500, барометр - MS5611, магнитометр - HMC5883l, ЖПС/ГЛОНАСС датчик - Ublox Neo 8n. Дополнительно установлен Bluetooth передатчик/приемник для связи с землей, Buzzer, SD-карта для записи логов. Организация логов такова - каждый интересующий меня блок пишется в свой файл в бинарном виде, разбивается по времени, с разной частотой. Платформа летает под FreeRTOS.
Хотелось бы отдельное спасибо сказать Александру Русакову (rual) за большущую помощь и подсказки в начале пути!

Здорово.
А как ваша система ведет себя в АТИ режиме ?
Если возможно сделайте видео АТИ режима.
АТИ интересует так как это наиболее сложный режим работы.
Заранее спасибо.

Всем привет. Были на Чуматарах с друзьями в субботу. Было интересно, много красивых полетов.
Немного удалось поснимать на коптер Фантом 3.
Кому интересно, вот ссылка где можно скачать видео (без обработки - сырец)
yadi.sk/d/k_rQloTcszo96
А вот еще пара фоток

Как в старом фильме: “а эту песню Юрий Гагарин пел в космосе”
Эти выводы сделаны энтузиастами на форуме чуть более года назад, но за повтор спасибо 😁

Повторение мать учения. 😃

Привет друзья.
Недавно провел интересный опыт по выявлению завала горизонта на Фантоме 3.
Интересно случается ли такая же штука в Пэроте.
Вот видео теста:

Владельцы Пэротов проведите пожалуйста аналогичный опыт и запишите видео, как Пэрот справляется с такой штукой.

Условия опыта: набрать высоту, камеру выставить так, чтобы хорошо просматривался горизонт. Потом начать интенсивное движение по кругу малого радиуса. В идеале стик YAW(поворота, рысканья) на максимум, и стик движения вперед (Pitch, тангаж) тоже вверх на столько на сколько вам позволит чувство самосохранения. Коптер будет делать жесткие вращательные эволюции. Потом по видео будет видно как ведет себя горизонт у Пэрот.
Я предполагаю что благодаря своей конструкции, без гимбальной, у пэрота эта проблема должна меньше проявляться.

Всем привет. Все мы знаем что у фантома случается некоторый завал горизонта. Так вот я решил подробнее разобраться в вопросе от чего и когда он возникает и как его избежать.
Вот небольшое видео где мне удалось получить наибольшой уровень завала.

Как оказалось завал горизонта возникает при движении по кругу, вращении вокруг некоторой точки. Причем не важно передом боком или задом движется квадрокоптер. Чем быстрее движение и вращение тем больше завал. Причем оно проявляется даже в режиме POI при большой скорости движения и малом радиусе.
В общем чем круче поворот тем больше завал. Единственный способ избежать поворачивать плавно.

Измеритель поставим, не проблема… ))

А вот это не могу понять (пока)…:
“кому известному ?” самому фильтру ? - это ещё куда не шло, но тогда скорей - “рассчитанному”
Иначе говоря, если заранее знать “истинное значение” среди шума, тогда нафига вообще что то фильтровать…
(я именно о случае одного источника шума рассуждаю, а не о разных)

Все верно говорите, имеется ввиду “рассчитываемому”
Если посмотрите график то увидите что при Q и R конст. то P и К остановятся на некотором значении и больше вообще не будут меняться. Если же вы это установившееся значение сразу вобьете в P(0) и К(0) то вообще ничего меняться не будет 😃
А вот если R - это реальное текущее значение дисперсии то тут ужу Р и К будут меняться и подстраиваться под условия, а это уже интереснее.

Здесь же (у калмана) наблюдается чуток другая природа, а именно: К-фильтра как бы “скользит” по зашумлённому сигналу в поисках “истины”, которая заранее не известна по определению…

В данном примере дисперсии Q и R константы по этому реальный шум не имеет значение и P устремляется к заранее известному числу и К соответсвенно тоже.
Вот если сделать например R зависимой от реального шума, то тогда вероятно вы увидите определенные улучшения.
Например самый простой вариант:
e[k] = abs(y[k] - xest1[k]);
или
e[k] = abs(y[k] - xest1[k])+Rmin;
R[k] = e[k]*Cr;
где Cr - некий подстроечный коэффициент который при e[k] = ШумМакс даст R[k] примерно равным R константу
Идея в том что когда сигнал не меняется то P и К уменьшаются до некой минимальной величины, если же сигнал например акселерометра начинает меняться то P растет и К растет так чтобы больше учитывать показания прибора а не модели. Тем самым мы получим меньшее западздывание при изменениях сигнала. Фильтр будет подстраиваться под дисперсию ошибки.
И тут все будет зависить от того как считать дисперсию.

Можно поступить еще веселее. Попытаться учесть распределение шума по Гаусу. Самый простой вариант если величина шума меньше некой константы то 0 если больше то по формуле что выше.
Идея в том что

боюсь что модель присутствует неявно, а именно заложена в характере самого шума сигнала (а шум шуму - рознь), соответственно то, что на акселе это сработало, само по себе удача, и не факт что будет эффективно на другом железе…

Модель именно процесса здесь все же отсутсвует
X[k] = X[k-1] это постоянный сигнал
вот если ввести сюда некую формулу процесса
X[k] = X[k-1] + Vconst, то другое дело
Но это когда мы действительно знаем что процесс меняется именно так
А если нет. Например для акселерометра модели нет.
А вот для скорости рассчитываемой из показаний акселерометра есть, но уже нет измерителя скорости. 😁

Задержки и точность, смотрю, как и везде, взаимосвязаны и управляются установкой “дисперсии”,
но как ни крути - результат на порядок лучше чем при усреднении.
Раньше пробовал аж в три прохода: сначала из массива данных вырезал все максимумы и минимумы (пики), а потом усреднял оставшееся, и всеравно не то…
Чтоб точнее оценить, надо мне телеметрию передавать пошустрей, а она у меня всего герц этак 10… (по радиоканалу)

Рад что вам пригодилось. 😁
Боюсь, только, данная реализация фильтра Калмана, по сути работает без внутренней модели (Xn = Xn-1). А так как Q и R - конст, то P устанавливается на постоянном значении и дальше уже К - постоянно и по сути данный фильтр превращается в апериодический фильтр или по другому комплементарный фильтр.

Проще тогда воспользоваться уравнением:
формула расчета апериодической функции:
Y(n) = Y(n-1) + (X(n)-Y(n-1))*(t/Tф);

или в форме комплементарного фильтра:
Y(n) = Y(n-1)*(1-t/Тф)+(X(n))*(t/Tф); - , где К = t/Tф;

Y(n) - текущее выходное значение фильтра
Y(n-1) предыдущее
X(n) - вход фильтра
t - время цикла обработки
Тф - время фильтра характеристика силы фильтрации и создаваемого запаздывания время запаздывания будет равно 1/3 Тф

Если побробовать фильтр Калмана из примера и фильтры с этими формулами результат будет примерно одинаков. При одинаковой инертности и времени запаздывания примерно одинаковое качество фильтрации.

Причем апериодический фильтр можно даже немного улучшить используя звено третьего порядка, то есть, самый простой вариант просто применить друг за другом три аппериодиских фильтра выход первого на вход второго и т.д. при этом взять Тф/3 для каждого тогда качество фильтрации будет немного лучше при такой же инертности.

Но когда в фильтре Калмана реализована модель процесса то тут все может быть по другому.

Блок схема - сильнА, ничего не скажешь… хотелось бы конечно версию для наипростейшего случая (тот же аксель и его шум по одной оси) о потом уже наворачивать “кубики”, если дойдет смысл…
Или всё это необходимо даже по минимуму ? , тогда я умываю руки…
P.S. мир (или его модель) не может быть так устроен… (😃)

Нашел я тут одну статью с объяснением, простейший пример, “Одномерный случай”.
Но мне он не нравиться, так как не все моменты раскрывает, уж больно упрощен. Но так в общем пойдет …

Вот например : получили мы с акселя значение “352”, в нём “ШУМ” + “МЯСО”, однозначно понятно… , а дальше то что ? возможных комбинаций слагаемых - бесконечность…
мозг сопротивляется понять как и где искать коэфициент “К”, от балды чтоль взять, и потом “магические формулы” при некоторых итерациях приведут его к истине ??
Короче суть постоянно ускользает от понимания…

Ну да, я думаю, примерно так.
Грубо говоря, вот есть у нас тело мы его бросили с какой-то силой с какой не знаем, но знаем что оно должно двигаться по параболе, и мы мерим его положение но с шумом да еще внешние факторы ветер облака и т.п. И вот оно летит, а мы мерим и по полученным значениям прикидываем а какие параметры должны быть у параболы чтоб примерно так летело, то есть у нашей модели. И мы каждый раз считаем а какое следующее положение будет исходя из полученной модели и смотрим что нам дает датчик, и каждый раз смешиваем эти два значения исходя из того что нам кажется более верным (а точнее исходя из того насколько сильно отличаются измеренные значения от расчетных). И вообщем так каждый шаг, уточняем модель, прикидываем какое значение должно быть сейчас по модели, какое дал датчик, насколько усредненные измеряемые значения выходят за модель если сильно то наверно в модели ошибка больше берем измеренные данные и уточняем модель, если модель дает расчетные значения близкие с тем что в среднем дает датчик то считаем более точной модель. Вроде как-то так.

Ды как я понял, “фильтр калмана” - это некая обобщенная концепция/подход к решению различных задач фильтрации на базе теории вероятности…
В каждом конкретном случае его реализация, в виде формул, сильно зависит от самой модели объекта который мы “фильтруем”, т.е. одинаковых алгоритмов на все случаи жизни ожидать не приходится…
И есть у меня еще одно личное предположение - для некоторых реальных процессов он вообще не применим, или его эффективность “цена/качество” под большим вопросом.

Этот принцип решения задачи фильтрации был сформулирован русским ученым Стратановичем. Считается что фильтр Калмана частный случай фильтра Стратановича.
В моем понимании, суть достаточно проста: Есть некий процесс и его некий параметр, есть его модель и есть датчик. С помощью модели мы можем предсказать текущее значение параметра по предыдущим, и мы можем измерить текущее значение параметра с помощью датчика. А потом с помощью математического аппарата мы рассчитываем какой из этих двух параметров измеренный или рассчитанный нам нужно взять с большим коэффициентом, проще говоря какой из них мы считаем более точным. И далее просто комплиментарный фильтр типа X1*K + X2*(1-K) = X.
Вся сложность и весь вопрос как раз в математике и принципе расчета того какой из двух параметров(измеренный или рассчитанный) более точный.

Очень сильно, лично для меня, затрудняет понимание применение матриц, это вроде удобно, кратко, но за матрицами сложно увидеть суть.

Наконец то случайно попался адекватный (для моих умственных способностей) материал для понимания сути “магического” фильтра калмана: www.prointellekt.ru/Kalm1.php
Коротко и предельно ясно, без всяких заумных терминов, может кому ещё пригодится.

Привет друзья. Боюсь данный материал не полностью описывает принцип работы фильтра Калмана. В фильтре Калмана обычно еще есть модель процесса с помощью которой предсказывают будущие состояния процесса и оценка точности предсказания…
не знаю, может уже все читали, но, на мой взгляд, вот этот материал полнее будет habrahabr.ru/post/166693/

Сам тоже давно уже разбираюсь с фильтром Калмана, кое в чем разобрался , а кое в чем нет 😁 не люблю использовать то, сути чего не понимаю, поэтому пытался разобраться на сколько хватило сил.

спорить не буду–просто слыхал как раз наоборот-чем ниже кв и больше пропы вибрации поболее-но в принципе не критично

Вибрации есть и там и там,но на низкооборотистых резонансы смещаются в более низкочастотную область частот,на которые матрицы камер уже не реагируют,все конечно сугубо личное имхо,тестов не проводил)))

Даже чисто теоретически желе появляется при частоте вибрации выше частоты вертикальной развертки видео.
Грубо говоря десяток горизонтальных линий в одном положении, потом другой десяток со смещением потом третий десяток еще со смещением, потом еще 10 со смещение в обратную сторону и т.д.

Потрясающее мастерство пилотирования

Приветствую всех.

Друзья подскажите пожалуйста, подойдет ли Bebope для коммерческой съемки. Насколько я понимаю стабилизация там хорошая, но как с качествов видео, алиасинг ?
Нет ли у кого видео непосредственно с камеры Bebopa, прям файлом (а не с ютуба), чтобы оценить сравнить с фантомом ?
Выбираю себе квадракоптер, как для полетушек так и для возможной коммерческой съемки, выбираю между фантом 3 адвансед, професионал, и вот думаю может Bebope может подойти. Bebope насколько я понимаю для полетушек хорош, контроллер у него классный, а вот со съемкой вопрос.

Заранее благодарю.

Phantom 3 Pro, 4K, контраст и насыщенность занижены: dropmefiles.com/yDh78

Благодарю тебя о благороднейший. 😃

Реально, большое спасибо. 😁

Всем, привет.

Владельцы 3-их фантомов, поделитесь пожалуйста примерами видео непосредственно с камеры, без обработки. То есть файлом а не через youtube.

Дело в том что хочу приобрести один из фантомов 3-их, но не могу выбрать между Advanced и Professional.
Предполагаю использовать как просто для полетов так и, по возможности, для коммерческой съемки мероприятий.
В плане съемок мероприятий очень волнует разница в качестве видео на том и на другом.

Пересмотрел кучу роликов в интернете, но хотелось бы потрогать, так сказать, сырец без обработки и пере сжатий разными ютубами и т.п.

Буду очень благодарен, за видео и за совет.