旋翼无人机气流特征及大田施药作业研究进展

旋翼植保无人机近年发展迅速，已出现大量施药作业的相关研究成果。针对目前研究现状中基础作业体系不清晰、关键问题研究不深入的问题，该文聚焦旋翼无人机施药目的，明确指出旋翼气流的存在是旋翼植保无人机大田作业的典型特征。围绕该特征，提出旋翼无人机大田施药作业基础体系，依照农药装载搬运-农药转化雾滴-雾滴空间运动-雾滴植株扩散-施药作业方法的主线，分别对旋翼无人机的机体、药箱、雾滴物理状态、运动状态、旋翼气流、对靶沉积、脱靶飘移、气流与作物互作、雾滴附着、机体控制、喷施量控制及作业模式等基本要素的研究现状进行归纳总结，梳理旋翼无人机施药作业体系的内在逻辑关系，探寻施药作业体系中待深入研究的基础科学问题。指出目前旋翼无人机大田作业亟需解决作业体系内容研究不均衡、机理研究不深入的问题；亟需解决作业参数关联性不强、大田试验条件精准性有待提高的问题；亟需解决作业模式无法直接表征作业效果、高精度飞行参数难转化为作业参数的问题，并给出深入研究的相关建议。期待广大学者提高对旋翼气流相关研究的关注度，围绕旋翼无人机大田作业体系中的实践与技术难点，寻找出具有旋翼气流特征的物理参数，提炼基础科学问题，加强工程应用研究。     

基于状态预测的田间机-地传感器系统协同采集方式研究

基于旋翼无人机的低空、低速、利用旋翼风场作业等飞行特征,采用机载北斗定位系统获取精准机体实时观测值,协同地面风速传感器构成机-地传感器采集系统,尝试对具有稳定飞行轨迹的无人机进行状态预测。在充分讨论飞行状态的预测策略、可预测性、起始点确定等问题基础上,建立状态预测模型,设计状态预测算法用以自动判定传感器采集时段的起始点。依据算法展开冠层风速田间采集试验,对于无人机预测状态数据和实际观测数据做了对比分析,发现在可置信度为99%水平时,两者无差异的概率P值为0.956;同时统计出X、Y、Z向风速最大值出现时刻均值分别为3.036、2.427、3.145 s,计算出对应的标准差分别为0.79、0.87、0.98 s,说明3向风速最大值出现时刻在5 s采样范围内具有较明显的区域性,验证了采集时刻的准确性,表明机-地协同实时采集旋翼风场数据的有效性得到了显著提高。