超低空无入飞行器虚拟现实技术实现与仿真

为了远程控制超低空无人飞行器起降和监视其飞行状况,设计了基于虚拟现实技术的导航与控制方法。借助Multigen Creator软件,建立了飞行器的三维仿真模型,由DEM数据生成了地形场景,研究了三维模型的驱动方法。根据飞行器上装载的GPS接收机和其他传感检测设备实时传递的参数对虚拟环境下的飞行器模型及飞行场景进行驱动。同时给出反馈信号,控制飞行器按预定路线和姿态飞行,利用GIS技术,在数字地图上显示飞行轨迹。对飞行器的飞行轨迹和飞行姿态进行实时控制,仿真试验表明,对飞行器的远程导航控制是可行的。     

超低空无人飞行器虚拟现实技术实现与仿真

为了远程控制超低空无人飞行器起降和监视其飞行状况,设计了基于虚拟现实技术的导航与控制方法.借助Multigen Creator软件,建立了飞行器的三维仿真模型,由DEM数据生成了地形场景,研究了三维模型的驱动方法.根据飞行器上装载的GPS接收机和其他传感检测设备实时传递的参数对虚拟环境下的飞行器模型及飞行场景进行驱动.同时给出反馈信号,控制飞行器按预定路线和姿态飞行,利用GIS技术,在数字地图上显示飞行轨迹.对飞行器的飞行轨迹和飞行姿态进行实时控制,仿真试验表明,对飞行器的远程导航控制是可行的.     

采摘机器人自主采摘学习能力研究 —基于LM-BP神经网络

为了让采摘机器人更加快速和准确地识别目标水果的成熟度,提出了一种基于BP神经网络的自主学习方法。由于BP神经网络容易陷入局部最优值且训练效率较低,因此进行了改进,实现了LM-BP神经网络算法。测试结果表明:与BP神经网络算法相比,LM-BP神经网络算法训练学习速度更快,测试精度更高,能够满足采摘机器人对目标水果成熟度识别精度的要求,具有一定的应用价值。     

基于LM-BP神经网络的农机总动力预测

利用黑龙江省1983-2013年农机总动力数据,运用标准BP神经网络和LM-BP神经网络对黑龙江省未来5年的农机总动力进行预测。预测结果表明:在达到相同的误差目标值(即计算期望精度),LM-BP神经网络与标准PB相比,具有更快的收敛速度。如果需进一步减小误差目标值(即提高计算期望精度)时,标准BP神经网络在16h内都无法满足给定的精度要求;而LM-BP神经网络在20s内即可满足给定的精度要求。此时,LMBP神经网络的收敛速度优势非常明显,而拟合的精度也进一步提高,表明LM-BP神经网络具有较高的预测精度。准确的预测黑龙江省农机总动力,可为黑龙江省农业机械化发展规划的制定和近阶段农业机械化的发展水平提供参考依据。     

NSGA-Ⅱ算法在智能飞行器航迹规划中的应用

智能飞行器航迹规划是大范围、多约束的三维规划问题。针对飞行定位误差的约束条件,在飞行区域的误差校正点对飞行航迹误差进行实时校正,考虑智能飞行器自身结构的限制,对当前规划航迹进行曲率半径调整,应用非支配排序算法NSGA-Ⅱ对航迹进行规划。MATLAB仿真结果表明,通过NSGA-Ⅱ算法能够快速有效地得出可供选择的Pareto最优解,达到航迹长度尽可能小和经过校正区域进行校正次数尽可能少的优化目标。     

基于MEA-LM-BP神经网络的棚室温度预测模型研究

对棚内温度进行精确预测是实现棚室精准调控的前提,是实现棚内作物高品质栽培的保障。因棚室具有大惯性、强耦合、非线性等特点,通过机理分析法难以建立其准确的数学模型,人工神经网络方法在棚室温度预测方面应用广泛,但其存在的收敛速度慢、容易陷入局部最小等缺点使测量精度受到影响。为进一步提高基于神经网络算法的棚室温度预测模型精度,运用思维进化算法(Mind Evolutionary Algorithm,MEA)优化LM-BP神经网络模型的输入权重和阈值,并与遗传算法优化LM-BP网络模型和LM-BP模型进行对比。试验结果表明:MEA-LM-BP与LM-BP和GA-LM-BP方法相比,RMSE分别降低了0.32和0.16,平均相对误差降低了1.08%和0.58%。该方法提高了基于神经网络算法的棚室温度预测模型精确度,并提供了新的优化路径。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

基于LM-BP神经网络的采摘机器人智能运动策略研究

首先介绍了BP神经网络和LM-BP神经网络的原理,然后介绍了采摘机器人运动学模型,最后采用LM-BP神经网络实现了采摘机器人智能运动策略。MatLab仿真表明:对于不同的果树种植布局及不同的起点和终点,采摘机器人采用该算法均能产生可行的无碰撞路径,以顺利完成采摘作业。     

基于自适应RBF神经网络具有模型不确定性的四旋翼无人机指定时间预设性能控制方法

四旋翼无人机具有强耦合和欠驱动的特点,在飞行过程中很容易受到外界干扰,进而影响整个无人机系统的稳定性和精度。为此,提出了一种基于RBF神经网络的指定时间预设性能约束控制策略。首先,针对四旋翼无人机的不确定数学模型难以精确建立,并且在执行任务过程中存在外部未知扰动问题,提出了一种基于指定时间预设性能控制方法,将四旋翼无人机的轨迹跟踪问题转换为对位置子系统和姿态子系统的期望指令跟踪问题;其次,在设计控制器过程中,为了解决“微分爆炸”问题产生的滤波器误差,引入一种新型滤波误差补偿方法,通过RBF神经网络逼近外部未知扰动,并将预测结果补偿给控制器以提高轨迹跟踪的鲁棒性。最后,应用仿真模拟方法验证无人机控制系统稳定性和性能优势,通过飞行试验验证,微风聚拢环境下实际飞行轨迹与仿真模拟结果趋于一致,自主轨迹跟踪起降位置偏差小于1cm,证明了所提出算法的有效性。     

基于无线传感网的无人机精准喷药系统研究

喷药无人机由飞行平台、飞行控制系统和喷药系统组成,主要用于农药的喷洒。无线传感网络是一种结合了计算、通信和传感器3种技术的产物,可实现对无人机的控制。为此,基于无线传感网络设计了喷药无人机以较低的能量遍历农作物区域的航线控制系统,通过GDOP算法对无人机的航线进行规划和控制,从而达到无人机精准喷药的目的。试验结果表明:基于无线传感网络的无人机航线规划能够使无人机以较低的能量消耗遍历农作物区域,从而达到精准喷药的目的。     

计算机数据融合算法下植保机精准化作业研究

针对我国传统的植保机在精准化作业和自动化喷洒方面存在的不足，基于计算机数据融合算法对植保机精准化作业进行了设计试验。植保机的主要组成包括控制单元模块、信息采集模块、传感器模块、数据传输模块和变量执行器模块。为了实现植保机的精准化作业，对植保机的飞行姿态调整和变量喷药过程进行了算法设计。其中，飞行姿态控制采用双闭环位置式PID控制算法，喷药过程采用改进的遗传PID控制算法进行控制。为了验证植保机精准化作业的效果，对其进行姿态控制和变量喷药试验。结果表明：植保机姿态控制良好，能够完成精准化喷药。     

遗传算法在植保无人机控制系统中的应用

以无人机飞行控制系统为研究对象,通过对植保无人机的应用进行分析,提出一种双闭环控制方式的植保无人机飞行控制系统。由于作业需求,植保无人机飞行轨迹应根据作业状态进行不断调整,有效避开飞行航线中的障碍物,因此控制系统中兼容一种基于遗传算法的植保无人机飞行避障算法。仿真实验表明：植保无人机在飞行过程中能够有效进行单障碍及多障碍的规避,避障过程存在较小的误差,不会对植保无人机的作业状态产生影响;不同飞行速度对无人机的避障会产生不同程度的误差影响,速度越高,误差越大。     

LM-BP神经网络水质评价模型应用研究——以新乡市卫河为例

介绍了LM-BP神经网络模型的原理及算法和模型的优点。针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析。实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析。     

基于灰狼优化PID控制的变量喷药系统研究

针对传统PID控制式的不足,将灰狼优化算法与PID控制结合,设计了一种基于灰狼优化PID控制的变量喷药系统,控制系统主要由微处理器、电动阀、传感器和摄像头等组成。同时,构建了变量喷药系统传递函数模型并基于MatLab软件平台进行仿真实验,结果表明:灰狼优化PID控制响应速度快,调节时间为0.203 5s,低于传统PID控制的0.463 5s,系统的稳态误差小,仅为1.32%。在WFS-II喷雾性能综合试验台进行实际喷药试验研究,结果表明:相对于传统的PID控制,灰狼优化PID控制的变量喷药系统平均响应时间提高了21.4%,平均误差为11.0%,低于传统PID控制的16.8%。本文设计的基于灰狼优化PID控制的变量喷药系统响应速度快、稳态误差小、控制精度高,改善了传统PID控制系统的控制效果和稳定性,可为变量喷药系统的研究提供新的理论基础和技术方法。     

基于神经网络算法的植保无人机硬件电路设计

针对现有的植保无人机操控较为复杂的现状,基于神经网络算法进行了硬件电路设计。植保无人机的主要组成包括控制结构、承力结构、升力结构和喷洒结构。为了提高多旋翼无人机的性能,采用BP神经网络对其控制系统进行设计,包括建立模型辨识控制器和逆模型控制器,以达到对多旋翼植保机辨识和控制的要求。为了验证该植保无人机的性能,对其进行控制性能和喷药试验。试验结果表明:植保无人机控制系统具有良好的自适应控制能力,喷药过程稳定,能够满足客户要求。     

苹果采摘六自由度机械手设计——基于迭代学习和智能轨迹规划

为了提高苹果的采摘效率、降低采摘过程的漏采率和破碎率,设计了一种新的六自由度的采摘机械手。该机械手可以完成夹紧、旋转、俯仰、摇摆及回转动作,通过神经网络迭代学习算法,可以有效地控制机械手的运动轨迹,提高采摘过程的自动化程度。为了验证六自由度机械手对苹果采摘的有效性和可靠性,对机械手进行了苹果采摘测试,并使用脉冲神经网络PID调节的方式调节轨迹控制误差。通过测试发现:该机械手的误差较小,可以有效地完成采摘作业,且漏采率和破碎率都很低,是一种高效的苹果采摘机械手,可以在其他果蔬采摘作业中进行设计和推广。     

一种可倾转四旋翼飞行器系统优化与控制研究

【目的】针对传统多旋翼飞行器由于欠驱动引起的强耦合性,难以实现位置和姿态控制的问题,需进一步提高多旋翼飞行器的机动性和灵活性。【方法】课题组设计了一种能够实现六自由度全向运动的可倾转四旋翼飞行器,通过对传统四旋翼机械结构进行可倾转设计,增加系统可控变量实现飞行器的全驱动;利用牛顿-欧拉方程推导出四旋翼的动力学模型,通过变量代换对控制分配矩阵进行线性化处理,针对动力学模型设计RBF神经网络以及非奇异快速终端滑模控制器,对系统不确定性与耦合效应进行估计和补偿;利用神经网络自适应控制逼近虚拟控制量,通过MATLAB/Simulink仿真验证了该控制器的可行性。【结果】所设计的飞行控制器拥有良好的位置和姿态独立控制能力,具有高度的灵巧性、鲁棒性、柔顺性和自适应性,能够有效地估计和补偿内部不确定性和外部干扰。     

喷药机电气控制系统优化与分析

针对喷药机智能化和自动化程度不高、喷雾均匀性较差的问题,对喷药机结构进行了优化设计,并对电气控制系统进行了改进和分析。该喷药机的主要组成部分为驱动模块、药液管理模块、转向控制模块和电气控制模块。通过对喷药机的电气控制系统进行优化,包括采用混合投影方式确定目标位置及利用RBF神经网络方式对采集的目标点进行路径规划,提高了喷药机的智能化和自动化控制水平。为验证喷药机的性能,对其进行控制性能和喷雾均匀性试验,结果表明:喷药机控制性能良好,喷雾均匀性和喷雾效果均得到有效提高。     

四旋翼飞行器农田位置信息采集平台设计与实验

作为对传统农田信息采集方式的补充,提出了一种基于小型飞行器的采集方式.阐述了四旋翼飞行器的工作原理,并设计了农田信息采集平台,制作出的样机载重为3.5kg,滞空时间大于20 min.设计了惯性测量系统,在测试翻滚角误差小于0.5°时确定融合算法权重系数K为12,利用PID闭环控制,实现3 m高度悬停飞行的偏移误差不超过5 m.在平台上搭载Trimble 5700型GPS接收机进行了实时数据采样实验,结果表明人工采样与飞行采样数据误差约为1.4m,表明该平台具有采集农田位置信息的基本能力.     

美国白蛾幼虫网幕图像识别算法及其视觉伺服系统研究

为更快速、更精确识别美国白蛾幼虫网幕位置,控制喷药机器人进行对靶喷药,以美国白蛾幼虫网幕为研究对象,提出一种基于色差的阈值分割方法与改进卷积神经网络(CNN)相结合的网幕图像快速识别算法并对其视觉伺服系统进行研究。对图像进行基于色差的阈值分割,初判其含有网幕的概率,将概率高于一定值的定为合格图像,将合格图像送入卷积神经网络,对图像进行不重合遍历,标出网幕轮廓框,并进一步判断是否达到最佳喷药位置,达到最佳喷药位置时系统停止运动进行喷药,当图像不合格或未达到最佳喷药位置时由程序控制执行机构按照规划好的行走路径继续运动。试验表明：网幕识别的准确率达到95%以上,图像的识别时间在200 ms以内,试验无漏喷。