基于CPF-EKF算法的大载荷植保无人机姿态解算方法

为了解决传统人工喷洒农药的不足,更高效地进行病虫害的防治,设计了基于八轴十六旋翼无人机的农药喷洒系统,实现了农药的机载喷洒功能。使用共轴双桨和旋翼模块的倾斜配置,对八轴多旋翼无人机进行结构改进,提高了系统的安全性与可靠性。整个系统满载10 kg,喷洒飞行速度可到达5 m/s,飞行时间超过10 min。针对传统扩展卡尔曼滤波(Extended Kalman filter,EKF)姿态解算方法无法满足大载荷无人机强振动条件下的工作要求,导致姿态角解算精度不高,并且容易导致姿态角发散的问题,提出了基于20维状态量的CPF-EKF算法,额外引入了陀螺仪、加速度计和磁力计偏置误差作为状态量,使三轴姿态角的最优估计值更加准确,并且引入互补滤波(Complement filter,CPF)检测模块,当检测到EKF有发散趋势时,对EKF进行复位,从而简单高效地避免了EKF发散。采用实际飞行数据对算法进行验证,静态试验表明,该算法滚转角和俯仰角精度为±0.05°,偏航角精度为±0.2°。动态试验中以MTi传感器输出为参考,CPF-EKF在姿态解算过程中出现复位,三轴姿态角准确跟踪并未发散,并且动态精度与MTi相当,滚转角、俯仰角精度为±0.1°,偏航角精度为±0.5°,并且算法具有良好的实时性,证明了该算法的有效性。     

基于深度学习的农用无人机自主避障研究

针对目前农用植保无人机(UAV)自主避障能力弱及避障系统繁琐等问题,提出了一种适用于植保无人机的基于深度学习的端到端自主避障方式。利用植保无人机挂载的双目相机实时采集图像,当检测到障碍物与植保无人机距离≤5m时,自主避障系统启动,将采集图像预处理后输入卷积神经网络,输出姿态角与油门量控制无人机自主飞行与避障,同时卷积神经网络通过手动飞行采集信息进行训练。实验结果表明:该方法能使植保无人机对农田常见障碍物房屋、树木、电线杆等做出自主避障,且模型具有一定的泛化能力,适当训练后,可将此避障方式应用于复杂环境下的植保无人机自主避障。     

基于六轴多旋翼飞行器的赤眼蜂投放系统设计与试验

为更好地进行农作物病虫害防治,结合农业无人机和生物防治,设计了一种基于Hex-Rotor飞行器的赤眼蜂投放系统,实现赤眼蜂自主投放功能。首先,使用共轴双桨和旋翼系统的倾斜配置,对6轴多旋翼飞行器结构进行了改进,提高了系统的冗余性和可靠性,整个系统满载9 kg,以10 m/s的速度可飞行超过20 min;然后,利用带有扩张状态观测器和快速微分器的反步控制算法,使系统在投放干扰和外部风扰共同作用下,能够很好地完成轨迹跟踪飞行任务。最后,设计了专用的赤眼蜂投放装置,配合GPS和Google earth地图,实现赤眼蜂自主投放功能。在实际试验中,投放系统投放速度超过9 700 m2/min,飞行投放覆盖率100%,赤眼蜂孵化率75.81%。试验证明,该系统可以稳定可靠地完成赤眼蜂的投放工作,投放效率和经济效益方面表现良好,可以实现无人机自主生物防治。