基于IGWO-A~*算法的无人机农田喷洒航迹规划

目前无人机已经在农业领域逐步应用,在精量播种、农药喷洒、植被检测等不同类型的农业航空作业中有着广泛的应用,采用无人机进行农药喷洒已经成为农业植保过程中的一项重要任务。多喷洒点遍历及障碍物避障的航迹规划问题,影响着无人机喷洒作业的效率。如何规划无人机喷洒作业点的顺序及低空作业避障问题在农田喷洒任务中受到了广泛的关注。使用传统灰狼优化算法求解能力强,但这易陷入局部最优解。针对此问题提出了一种改进的灰狼优化算法(IGWO)与A~*算法相结合的无人机农田喷洒航迹规划算法。IGWO算法引入了K-Means算法进行种群初始化以加强种群多样性,引入了非线性收敛因子以平衡算法的全局搜索与局部开发能力,引入了粒子群优化算法个体优越性进行位置更新以避免算法陷入局部最优,从而使得IGWO算法具有更强的模型求解能力。运用IGWO算法无障碍物的求解遍历多喷洒点的最优航迹路径,随后在障碍物阻挡的航迹路径段运用A~*算法避障规划以修正段内航迹。试验仿真结果表明:IGWO算法与GWO算法在随机生成的5个喷洒任务点的遍历航迹规划长度相同,而在随机生成的30个喷洒点遍历航迹规划中IGWO算法是GWO算法寻找最优解所需迭代次数的1/3,且规划路径缩短4.17%,说明IGWO算法对大任务量喷洒任务点更具有优越性,收敛速度更快,模型求解能力更强,规划航迹效率更高,同时验证了基于IGWO-A~*算法的无人机农田喷洒航迹规划的真实有效性。该研究为农业植保提供了一定的理论基础,为无人机自主作业解决了前提条件。     

基于差分量子退火算法的农用无人机路径规划方法

为解决不规则区域内农用无人机植保作业问题,以农用无人机的总飞行距离和多余覆盖率为指标建立模型,将无人机的植保作业航向角作为优化目标,并考虑有障碍物下的情形,采用差分进化算法(different evolution algorithm,DE)与量子退火算法(quantum annealing algorithm,QA)融合的方法对应用模型进行求解,分析算法的执行过程并进行MATLAB仿真试验。结果显示:在设定的不含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法(differential evolution algorithm-quantum annealing,DEQA)时无人机总的飞行距离分别减少101.52、73.00 m,转弯路径分别减少43.02、43.10 m,多余覆盖率分别减少22.25%和12.79%;在设定的含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法时无人机总的飞行距离分别减少73.24、24.54 m,转弯路径分别减少52.50、12.72 m,多余覆盖率分别减少72.34%、23.52%,其余指标均有所下降。仿真结果表明,采用差分量子退火算法能够完成农田区域路径规划问题,可为农用无人机路径规划提供技术支持。     

无人机飞行参数对水稻分蘖期植保作业中雾滴沉积的影响

植保无人机施药技术是近几年逐渐兴起的一种植保技术,解决了传统植保技术受作物长势和地理因素限制。系统地研究无人机的飞行参数对于施药效果地影响是有必要的。本研究选取无人机的主要飞行参数为飞行高度,飞行速度及亩用量为变量,利用3WDM4-10型植保无人机进行飞行作业,利用水敏纸测定作业过程中地雾滴量,并借助雾滴分析仪和理论模型对数据进行分析,得到了飞行高度,飞行单数及农药亩用量对于飞行作业地影响,得到了一定工况下最合适的作业参数,对以后的生产实际起到指导作用。     

农用小型无人机转弯掉头模式及全区域覆盖下作业路径规划与优化

【目的】具备自主飞行、航线规划与优化、精准控制与变量作业能力是农用小型无人机(Agricultural smallunmanned aerial vehicle, ASUAV)的发展方向。本研究为ASUAV在全区域覆盖下自主飞行作业前的航线拐点坐标解算、飞行航向、起降点位置以及转弯掉头模式等提供优化选择。【方法】利用基于自主恒速飞行和最小转弯半径约束的无人机转弯掉头策略,分析并设计了任意凸多边形作业区域下无人机的路径规划方法,提出了基于幅宽微变的航线归整法路径规划方案,并对结构化农田区域实现全区域覆盖条件下的路径进行了规划与优化选择。【结果】基于最优转弯掉头模式下的ASUAV全区域覆盖路径规划方法适用于任意凸多边形结构的农田区域,GUI程序在解算地头边界航线拐点坐标的同时能优化选择出效率最高的飞行作业航线。在试验田随机规划出一个面积约为2.7 hm2的不规则凸六边形田块,仿真发现当无人机沿着平行于最长边飞行作业时,其空行行程最短,约为540 m,工作效率也最高,接近90%。【结论】经过优化选择后的ASUAV掉头转弯模式、起降点位置、飞行航向以及解算后航线拐点坐标等可以实现全区域覆盖,研究结果为ASUAV自主飞行作业提供了参考。     

迎风飞翔,豫飞通航

正植保无人机是用于农林植物保护作业的无人驾驶飞机,通过地面遥控或GPS飞控,实现喷洒药剂作业。无人机植保作业与传统植保作业相比,具有精准作业、高效环保、智能化、操作简单等特点。近年来,植保无人机在智能化方面发展迅速,包括作业信息智能化采集与处理、自主飞行控制、作业路径自主规划、智能化精准喷施技术,是智慧农业的重要组成部分,开展植保无人机施药技术装备研发生产与服务体系建设具有十分重要的意义。     

农用无人机多机多田块作业路径规划算法

针对含障碍物多田块条件下的多台农用无人机路径规划问题,研究提出一套完整的多无人机协同作业路径优化算法解决方案。以最小转移路径长度为作业优化目标,先基于多边形扫描填充算法计算出水平航向条件的初始覆盖作业航线,对航线间危险转移过程进行安全边界相交性测试,每单一田块分别采用凸多边形“最小跨度法”和非凸多边形“步进旋转法”优化作业航向。然后建立航线调度及航次规划数学模型,并基于Google OR Tools开源优化软件套件进行求解。对比不同航线组合调度策略下的作业效果,以及考虑消耗品补给时的OR Tools 5种优化搜索策略算法与无人机沿航向方向等面积划分算法的作业优化效果。针对4组假想田块和真实田块的算例仿真试验表明,该算法能够有效地实现多田块在满足各种约束条件下的多机协同路径规划,算法耗时70~552 s,相比于等面积划分算法,航线间转移路径总长度下降24.86%~47.10%。     

植保无人机仿地定高飞行控制技术的应用现状及展望

随着中国农业信息化、智能化的发展,农业生产对植保无人机的作业质量越来越重视。植保无人机进行仿地定高飞行作业,是提升植保无人机作业质量的关键。回顾了多种传感器和多传感器信息融合技术的研究与应用的进展,概括和总结了超声波传感器、激光雷达、毫米波雷达、GNSS、气压传感器、视觉传感器和多传感器信息融合技术在定高飞行技术上的应用。并对上述传感器技术和仿地定高飞行控制方法进行了局限性分析,在此基础上,结合植保无人机作业场景的特点,提出对植保无人机仿地定高飞行进行区域划分,并提出姿态调整控制策略。通过对植保无人机仿地定高飞行的控制方法进行系统分析,探讨了适合植保无人机的适应性广、可靠性高且成本较低的测距方法及仿地控制方案,提出了多种传感器组合定位、人工智能场景识别定位、基于模型设计的高精度定高控制系统等解决方案,为植保无人机更好地实现精准作业提供有效的参考。     

基于太阳能的植保无人机续航提升方案

在农业领域对无人机的任务需求中,续航问题无疑是目前植保无人机所面临的重要问题之一。由于电池生产技术的瓶颈,目前植保无人机的有效作业时间大都被限制在12 min左右难以突破。太阳作为一个取之不尽用之不竭的“无源”动力得到了特别的关注,因此设计了一种基于太阳能的植保无人机续航提升方案。在六旋翼无人机平台上对方案的可行性进行实验,结果表明,安装了太阳能续航模块后的无人机相比安装前,飞行续航时间平均提升了70 s。该方案基于多轴无人机飞行平台,在无人机工作时将太阳能转化为电能为锂电池续电,从而减少锂电池在飞行时的电量消耗,增加植保无人机的有效作业时间,在一定程度上缓解了当前植保无人机的续航问题,并能够向其他基于无人机平台的应用延伸。     

植保无人机航空喷施飞行质量的试验与评价

【目的】植保无人机的飞行质量是航空喷施作业效果的重要影响因素。探讨不同类型和不同控制方式的植保无人机航空喷施作业的飞行质量和作业效果,为航空喷施作业机型的选择和植保无人机技术的改进提供数据支持和指导。【方法】采用微轻型机载北斗导航定位系统,获取半自主飞行控制模式下单旋翼油动植保无人机(SoUAV)、单旋翼电动植保无人机(Se-UAV)和半自动四旋翼电动植保无人机(Saqe-UAV)以及全自主控制模式下四旋翼电动植保无人机(Faqe-UAV)的飞行轨迹和飞行参数,并对飞行质量(包括飞行参数均匀性、航线精度和航线长度均匀性)进行了分析和评价。【结果】四旋翼植保无人机飞行质量优于单旋翼植保无人机,且Faqe-UAV飞行质量优于Saqe-UAV;Faqe-UAV在整个作业区域内的飞行参数变化的均匀性最佳,飞行速度和飞行高度参数变化的均匀性分别为3.66%和4.67%;Faqe-UAV的平均飞行航线偏差最小,为0.172 m。飞行方向对Saqe-UAV飞行参数的影响显著,但对Faqe-UAV飞行参数的影响不显著;航线长度对Faqe-UAV飞行参数的影响显著,但对SaqeUAV飞行速度的影响不显著。【结论】在航空喷施作业过程中,全自主控制方式下四旋翼电动植保无人机飞行质量最佳,对药液喷施质量更有保障。     

基于Mavlink协议的植保无人机地面监测终端设计

[目的]针对我国植保无人机作业过程中出现的重喷、漏喷、喷洒不均匀、无药、断药等问题,设计一款基于Mavlink协议的植保无人机地面监测终端。[方法]终端以STM32F103ZET6为核心控制器件、SIM808为GPRS通信器件,实现植保无人机作业过程中位置、飞行姿态、系统状态、喷洒状态等数据的解析及上传。[结果]通过田间实验表明,植保无人机地面监测终端解析并上传参数与地面站软件获取的实际数据相一致。[结论]该设计为植保无人机作业监管提供了可靠的数据支撑,推动了植保无人机作业监管进程,具有较强的应用价值。     

聚焦植保效率 构建植保闭环 大疆推出MG-1P等多款新型智能植保无人机

<正>发布会外场,大疆农业现场进行PC GS Pro的二维正射实时建图全流程演示,22亩地块4分钟作业完毕,现场作业人员在软件上进行土地边界标定、障碍物标定以及标定点设置。近日,大疆农业在深圳举办了主题为"智慧积淀·效率革新"的新品发布会,正式发布MG系列植保无人机及大疆农业服务平台,并为用户提供全套农业植保解决方案。据介绍,作为农业植保无人机行业的开拓者,大疆未来将依托高新技术,聚焦农业植保飞手与效率,构建农业植保     

重载荷多旋翼植保无人机自抗扰鲁棒控制算法

为克服重载荷对多旋翼植保无人机喷施作业的不利影响,设计自抗扰鲁棒控制算法。首先建立重载荷植保无人机的数学模型,并分析植保无人机喷施作业的不确定性,然后分别针对位置模型和姿态模型设计自抗扰鲁棒控制算法,主要包括跟踪微分器、扩张状态观测器和非线性误差反馈3个部分,最终实现对重载荷多旋翼植保无人机的精确鲁棒控制。试验结果表明:设计的自抗扰鲁棒控制算法相比滑模控制具有更优的控制效果,能够使植保无人机稳定跟踪位置指令,最大跟踪误差仅为0.3 m,设计的扩张状态观测器可快速准确估计不确定性,位置和姿态不确定性的最大估计误差分别仅为0.3 m/s²和0.25°/s²,大幅提升植保无人机的单次作业续航能力和飞行安全性。     

基于WEB的无人机三维仿地飞行规划在农业植保中的应用

【目的】我国是一个农业大国,农业生产在我国占着举足轻重的地位,无人机植保在农业生产中应用越来越广泛,极大地促进了农业植保的快速发展。建立易操作的智能化平台更有利于无人机植保的快速推广应用。【方法】文章提出了建立基于Web的无人机飞行规划平台,在平台中集成影像和DEM等各类数据,由专业技术人员进行远程三维仿地飞行规划,普通用户只需要在移动飞行规划平台上同步下载规划任务,完成傻瓜式的一键飞行,顺利完成植保任务。【结果】通过实地实验测试,文章中的研究方案可以智能化地完成农业植保任务,显著提高无人机植保的安全性和易用性。【结论】针对现代化农业植保中存在的问题,文章提出的基于WEB的无人机三维仿地飞行规划在农业植保中的应用方案,可以有效解决无人机植保操控复杂、技术程度要求高等问题,提升了农业植保的信息化、智能化程度。     

推荐两款植保无人机产品

正植保无人机,是用于农林植物保护作业的无人驾驶飞机,该型无人飞机由飞行平台(固定翼、直升机、多轴飞行器)、导航飞控、喷洒机构3个部分组成,通过地面遥控或导航飞控,来实现喷洒作业,可以喷洒药剂、种子、粉剂等。随着时代的发展,越来越多的植保无人机得到推广应用,以下介绍2款最新推出的植保无人机产品,供读者参考。     

浅谈植保无人机在农业生产中的推广与应用

植保无人机,是用于农林植物保护作业的无人驾驶飞机,由飞行平台、导航飞控、喷洒机构等三部分组成,通过远程遥控或导航控制,实现植保喷洒作业,以灭除害虫或防治病害。在民用无人机的应用场景中,农业植保是一个亟待开发的新领域。目前,农业植保无人机分油动和电动两类,虽然市场有所分歧,但是笔者认为,在现在起步阶段,甚至到未来一段时间,两种方式将会相互补充并存。植保无人机是近年来快速发展的高新农机之一,下面在实际推广和应用中,就植保无人机的优越性、操作方法、不足之处等,浅谈一下个人的看法和建议。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

植保无人机施药技术研究进展

农用植保无人作业机是农业生产中防治病虫害的新兴植保装备之一。通过分析、总结近几年植保无人机在田间病虫害防治、智能调控、作业航路规划等方面的施药技术研究与应用,分析植保无人机作业模式与作业特点,明确了现阶段利用植保无人机进行病虫害防控的发展趋势,以期为植保无人机的推广应用提供参考。     

名优茶采摘机器人路径规划

提出一种直角坐标系双机械手名优茶采摘机器人。采用积分求和方法,按茶叶个数相等原则将采摘区域按左右两矩形区分配给2个机械手。使用蚁群算法进行机械手的采摘路径规划。以总采摘区域的路径半程作为目标,分别进行了2区和将2区再划分为4区的采摘路径规划和优化。为避免采摘过程中2个机械手的干涉,将每个机械手采摘区域分为2区,并约束各运动路径左下角处茶叶为采摘起点。计算结果表明,使每个机械手按"M"型路线采摘,具有较好效果。改变自适应调节信息素浓度值和迭代终止条件,可改善基本蚁群算法搜索时间较长和易陷入局部最优的缺陷,并提高全局搜索能力和计算效率。仿真结果表明提出的采摘策略和规划路径可提高名优茶采摘效率。     

亚洲农用植保无人机发展与应用

近年来,植保无人机农药喷洒作业在亚洲地区(中国、日本、韩国)的使用量日益增长,应用的农作物范围也越来越广,无人机航空植保在亚洲地区具有广阔发展应用前景。植保无人机用于低空低量施药作业与传统人力背负喷雾作业相比具有作业效率高,劳动强度小;与有人驾驶大型航空飞机施药相比成本大大降低,并能够满足高效农业经济发展的需求。特别是对于水稻、中后期玉米、丘陵中种植的农经作物等地面机械难以进地进行农药喷雾作业的情况,中国和日本研发了多种适合于这种地区小农户的植保无人机,以应对日益严峻的病虫害防治任务;同时,采用植保无人机进行农药喷施,人机分离、人药分离、高效安全,并能实现生长期全程植保机械化喷雾作业。本文综述了中国植保无人机低空低量航空施药技术的发展现状,从无人机飞行平台、喷洒雾化设备、防治作物和试验研究等方面与亚洲邻国日本和韩国进行了对比,讨论了亚洲地区植保无人机低空低量航空施药技术未来发展中的机遇和挑战。     

基于立体视觉的温室作业机器人障碍物检测方法

针对农业温室中作业机器人的路径规划问题,提出一种基于立体视觉图像处理的障碍物检测方案。首先,利用Kinect 3D传感器捕获温室路径图像;然后,基于图像的深度信息,分离出温室地面;接着,根据图像颜色特征构建颜色分类器,对预定义的障碍物进行检测;最后,根据图像纹理特征,基于局部二进制模式(LBP)纹理直方图来构建纹理分类器,对未定义的障碍物进行检查。试验结果表明,提出的方案能够准确地检查出温室路径中的障碍物,能够为作业机器人规划有效路径。