多架次作业植保无人机最小能耗航迹规划算法研究

利用栅格法对工作区域进行划分,快速得到往复遍历式植保无人机的作业路径,在以作业架次数最少为约束条件的情况下,研究了一种多架次返航路线规划算法,合理地分配了各架次的喷药量和返航点,使无人机的工作总能耗最小,降低了无人机在非作业情况下无效消耗能量,提高了作业效率。仿真结果表明,在同等作业条件下,在一块210 m×200 m的矩形作业区域,采用本算法进行航迹规划,相比于仅以药液耗尽为返航依据的航迹规划,能耗节省率达到了12.89%,而且作业面积越大,能量节省效果越明显,通过田间对比试验,进一步证明了算法的可行性。     

多作业区域植保无人机航线规划算法

针对植保施药多个作业区域的情况,研究了一种植保无人机全局航线规划算法,将整个算法分为单个区域航线规划、区域间作业顺序和区域间调度航线规划3部分。从作业路程、多余覆盖和遗漏覆盖的角度,分析了多种覆盖作业方式的优劣,确定了无人机在单区域内的覆盖方式。基于遗传算法与TSP问题得到区域间的优化作业顺序,并基于改进的二进制编码遗传算法进行区域间调度航线的规划,最终实现无人机多作业区域航线的全局规划。仿真结果表明,规划算法可以有效地实现全局航线的规划,缩短了无人机的作业距离与区域间调度飞行的距离,达到了能耗与工作时间的优化,节省了航线规划所需的人力成本,使作业管理更加便利。     

含障碍物多田块下旋翼无人机作业返航补给规划研究

针对同一区域内相邻多田块的无人机单机作业任务路径规划问题,从续航、负重等实际问题出发,考虑种肥药液和油电能源等消耗品的按需多次返航补给,提出并实现一套含障碍物多田块条件下单机多架次作业的农用旋翼无人机自主飞行作业的路径规划算法。在给出作业路径规划优化目标模型的基础上,提出"先路径、后航次"两步优化法,先以最短路径为优化目标规划初始作业路径,然后考虑消耗品按需返航后的补给与续作问题进行航次规划。针对变量喷播和恒量喷播2种喷播模式,分别提出两种作业航向方向安排原则、航线调度原则、补给方式和续作模式,规划出4种不同航向及航线调度组合策略下的初始作业路径,并在此基础上进一步给出4种不同组合补给续作优化策略下的航次安排方案。针对假想田块和真实田块的算例仿真测试结果表明,规划初始作业路径的4种优化策略能够稳定高效运行,算法耗时78～105 161 ms,转移路径优化效果为10.25%～33.81%;在航次优化算法方面,算法耗时略有增加,为21 170～106 393 ms,转移路径优化效果为14.00%～26.27%,补给次数的最好优化效果从15次降到10次。总体来说,相同条件下完全重置+重排续作的组合策略表现较优。     

植保无人机精准覆盖航迹规划算法设计与验证

植保无人机作业航线规划中,应尽量降低无人机能耗、减少药液的浪费。为此,提出了一种航线规划算法,在保证无漏喷的前提下,基于贯穿线理论分析可知,以待作业区域边界为起始边进行作业航线规划时可获得较少转弯次数和冗余覆盖率;利用转弯区域的平行四边形理论,求解可完全覆盖作业区域的最小平行四边形,获得最小的冗余覆盖率;构建作业航线覆盖区域边界,精确计算重喷率和误喷率。基于该算法开发航迹规划软件,可自动推荐最优作业航线,也可由使用者手动选择;提出最优航线选择时应对各个目标参数加权评优,从而选择最优作业航线。算法验证结果表明:待作业区域为面积983.125m²的不规则凸五边形时,将漏喷率降低至0,作业方向相同的情况下,最多减少作业过程中航线总长度39.41m,即减少15.49%作业航线总长度,获得了12.24%的最小冗余覆盖率。经过加权评分之后推荐的最优作业航线的起始作业方向为A₄A₃,转弯次数为6次,作业航线总长度为240.51m,冗余覆盖率为13.47%,重喷率为5.94%,误喷率为7.53%,综合评分为4.39。     

基于目视遥控的无人机直线飞行与航线作业试验

为了得到在无导航目视遥控模式下农用无人机的直线飞行特性、检验农田作业航线的人为即时规划情况和评价实际作业质量及效果,设计了基于GPS的坐标采集无线传输系统,以水稻田边界直线为参照,通过目视和经验遥控无人机分别进行循直线飞行试验和基于作业幅宽的航线规划飞行试验。结果表明目视遥控模式下难以控制无人机沿直线飞行;人为即时规划的航线与理论航线偏离严重;在理想喷雾条件下估算出的作业遗漏率为17.1%,重复作业占8.2%,区域外浪费占0.7%;同时,目视遥控模式下无人机的高度及速度表现出无规律随机性。因此在无导航情况下,仅凭目视和经验遥控无人机难以做到精准作业。以GPS导航为主、能根据田块实际大小智能优化并生成作业航线的自主飞行作业模式是未来农用无人机进行精准作业的发展方向。     

复杂边界田块旋翼无人机自主作业路径规划

针对农用无人机复杂边界田块下的作业问题,提出一种对田块边界形状具有普适性意义的旋翼无人机作业路径规划算法,以快速获得凸多边形、凹多边形、带孔洞多边形甚至多个多边形形式的复杂边界田块情形下的飞行作业轨迹。首先,基于田块边界多边形顶点数据的存储规则,采用多边形分组法,区分所属不同田块的多边形,建立按区域即田块为单元进行航线计算的基础;针对单田块的内、外边界多边形,采用活性边表法实现单个多边形扫描线填充的快速求交解算,得到初始扫描线,再对处于同一航向位置上的内、外多边形两类扫描线组采用线段布尔运算"减法"操作处理,获得预设航向条件下的作业航线;以最小航线间转移路径总长度为优化目标,引入贪婪算法、凸多边形最小跨度法和步进旋转法,综合进行航线排序优化和航向优化,获得不考虑障碍物条件下的完整作业路径。为进一步扩大算法的应用范围,假设田块边界上存在障碍物,且高度大于作业高度,继续增加转移过程的安全性判断及处理算法。针对假想田块和实际田块边界的多组算法仿真试验结果表明,所设计的算法可处理各种复杂边界类型的田块;在不考虑障碍物影响时算法耗时15 ms～19. 2 s;相比于只进行航线排序优化的情况,同时进行航向和航线排序优化后,航线间转移路径总长度下降了23. 04%～45. 98%;而考虑障碍物影响时处理耗时也在离线应用的可接受范围内。该算法的通用性、可靠性、效率和优化效果均可满足各种复杂边界二维田块无障碍物和有障碍物条件下的农用无人机作业的相关要求。     

基于Grid-GSA算法的植保无人机路径规划方法

为了提高植保无人机的作业效率，研究了一种路径规划方法。运用栅格法构建环境模型，根据实际的作业区域规模、形状等环境信息和无人机航向，为相应栅格赋予概率，无人机优先选择概率高的栅格行进。基于上述机制实现了在形状不规则的作业区域内进行往复回转式全覆盖路径规划；以每次植保作业距离为变量，根据仿真算法得出返航点数量与位置来确定寻优模型中的变量维数范围，以往返飞行、电池更换与药剂装填等非植保作业耗费时间最短为目标函数，通过采用引力搜索算法，实现对返航点数量与位置的寻优；为无人机设置必要的路径纠偏与光顺机制，使无人机能够按既定路线与速度飞行。对提出的路径规划方法进行了实例检验，结果显示，相比于简单规划与未规划的情况，运用Grid-GSA规划方法得出的结果中往返飞行距离总和分别减少了14%与68%，非植保作业时间分别减少了21%与36%，其它各项指标也均有不同程度的提高。在验证测试试验中，实际的往返距离总和减少了322m，实际路径与规划路径存在较小偏差。验证了路径规划方法具有合理性、可行性以及一定的实用性。     

农用多旋翼无人机作业能耗白盒模型构建与试验

为了减少因能量有限而导致无人机飞行时间有限的问题，研究农用无人机在飞行时的作业能耗是十分必要的。本研究以农用多旋翼无人机为研究对象，采用白盒建模的方法，依照动力系统各部件原理，构建了农用无人机的飞行总效率模型，再根据农用无人机的飞行特点，建立了一种针对农用无人机的作业能耗模型，并通过对农用无人机的速度、载荷和航程这3个动态参数分组试验得到的数据进行了验证。结果表明，模型具有较高的精度，最大平均误差约为6.582%,最大绝对误差中位数约为7.654%。最后对模型的各个参数进行分析，引入模型修正系数对模型进行修正，修正后的模型精度相比修正前的最大平均误差减少约3.092个百分点，误差中位数减少约3.612个百分点，修正后效果显著。本研究构建的理论模型可以用于农用无人机作业能耗的计算和预测，在规划无人机任务前就可以得到相应的作业能耗并进行优化，也可以适配不同控制器的其他旋翼机型，具有一定的应用价值。     

基于KNN神经网络的无人机作业操控系统研究

为进一步提升我国农业植保无人机的精准作业效率,针对其操控系统展开优化研究。选定KNN神经网络算法为执行理念,以无人机作业控制原理为基础,搭建正确的过程参数动态计算模型,进行操控系统的算法实现与调控配置,并展开基于KNN神经网络的无人机喷施作业试验。试验结果表明：KNN神经网络算法下的无人机操控系统运行稳定,过程参数的分类准确率相对提高了8.00%,目标喷施流量与试验喷施流量的偏差率相对降低了5.71%,农药喷施均匀度可提升至94.75%,整机作业综合效率明显提升。此设计理念以计算机智能数据处理为出发点,对无人机的高效率全面发挥有一定的推动作用,可用于类似智能农机装备的控制系统改进与开发,具有一定的参考价值。     

水平棚架式梨树多旋翼无人机液体授粉试验

针对我国梨树授粉用工量大、作业效率低等问题,基于液体授粉技术,以水平棚架式栽培的梨树为研究对象,开展多旋翼无人机液体授粉试验,探究多旋翼无人机单位面积液体喷施量、飞行高度及授粉方式等对雾滴沉积分布及授粉效果的影响。试验结果表明多旋翼无人机液体喷雾授粉作业性能稳定,雾滴沉积分布组内变异系数不超过20%;雾滴覆盖率及雾滴覆盖密度均与喷施量呈正相关,当液体喷施量为6mL/m2时,飞行高度的变化对雾滴沉积分布影响显著,飞行高度为4m时,雾滴覆盖率及覆盖密度分别为7.06%、84.77个/cm2,花朵坐果率为49.70%,花序坐果率为85.83%,较自然授粉分别提高91%及43%。当花粉液体喷施量为4.5、6mL/m2时,无人机液体授粉与自然授粉花序坐果率差异显著,且无人机液体授粉与背负式喷雾器授粉花序坐果率无显著差异,花序坐果率可达80%以上。研究结果表明,无人机液体授粉作业时雾滴覆盖率及覆盖密度越高,对提升花朵坐果率、花序坐果率作用越显著,当无人机飞行高度为4m、花粉液体喷施量为4.5mL/m2时为较优的无人机液体授粉参数组合。