基于无迹卡尔曼滤波的农用无人机定位研究

为提高农用无人机在作业时的定位精度,提出应用全球定位系统及惯性导航系统信息融合的方法实现无人机位姿状态的建模,得到导航系统测量信号与无人机状态间的非线性微分方程。对于系统中存在的非线性状态估计问题,创新性的提出采用适合于非线性系统的无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)进行处理,实现对基于多传感器信息融合的无人机姿态(翻滚角、俯仰角、偏航角)、速度和位置的准确而稳定的估计。现场试验采用改造升级后的极飞科技P10 2018植保无人机,配备改造升级后的机载电子和传感器系统。试验结果表明,与常见的扩展卡尔曼滤波器相比,UKF与多传感信息融合技术结合可实现对无人机位置信息(欧拉角)的高精度估计,其翻滚角、俯仰角和偏航角误差估算准确度分别提高30.3%、45.8%、70.2%,绝对值最大为0.57°。     

基于DTN算法的无人机信息检测处理系统设计

针对恶劣和复杂多变的环境下无人机信息检测和传输出现延迟和中断的问题,基于DTN算法对无人机的信息检测处理传输系统进行了设计和改进,系统主要由为飞控系统、地面控制系统、通讯系统和电源管理模块组成。通过对通信系统中的空间混合DTN网络进行设计,包括定义路由决策过程并对状态集合、行为集合、状态转移概率和目标概率进行计算,得到网络信息传输的最佳路径。通过试验验证无人机的信息检测处理系统的性能,结果表明:系统可以以较低的误码率完成信息的检测和传输。     

基于聚类算法的农用无人机远程监控系统研究

为进一步提高我国农用无人机远程监控系统数据监测的精准性,引入基于网格与密度的聚类算法对其进行设计。充分考虑农用无人机作业特点,以监控系统数据技术特征为切入点,融入聚类算法模型进而形成远程监控系统的数据流标准传递途径,设计整体监控系统组件与程序并进行试验。试验结果表明:传统算法控制的无人机远程监控系统机体往返距离和往返时间较长,航线轨迹偏离为0.44m,而聚类算法监控下的机体航线轨迹偏离可缩小至0.17m。聚类算法在数据计算精度、信息获取时限、状态反馈等方面具有很好的优越性,大大降低了数据传输误分率。该远程监控系统界面更加人性化,可实时准确显示飞行速度与航角等信息,为操作者灵活操纵无人机提供便利,具有较好的推广价值。     

农用无人机移动补给平台自主降落算法与试验

为实现根据无人机作业位置改变中途补充能源或喷洒物的起降地点,增加无人机有效作业时间,提高无人机作业效率,设计了无人机移动补给平台。通过研究农用无人机自主降落过程,提出一种基于模糊逻辑和比例积分微分(Proportional-integral and derivative,PID)分段控制的农用无人机跟踪降落算法,该算法既拥有PID算法的高精度,又兼顾模糊控制算法响应速度快、超调量小、鲁棒性强的优点。目标轨迹跟踪预测由粒子滤波器跟踪算法和轨迹拟合算法相结合进行求解。仿真和现场试验表明,与单一的PID算法和模糊逻辑算法相比,分段控制算法能够把农用无人机对移动补给平台的跟踪误差缩小到6. 7 cm以内,在移动补给平台上的降落精度控制在7. 2 cm以内。     

农用植保旋翼无人机地面监控系统的设计与实现

植保无人机凭借其低成本、高效率、精准快速作业等优点,在农业植保领域得到快速发展,成为现代农业的一种重要装备。为了能够实时远程监控农用植保旋翼无人机的飞行状态信息,提高无人机飞行作业安全和作业质量,进行更好的飞行控制管理,设计并实现了植保旋翼无人机地面监控系统,可实现与植保无人机的远距离实时通信、监测飞行姿态、显示飞行作业轨迹和飞行控制等操作。地面监控系统采用嵌入式树莓派2作为硬件平台,2.4G无线模块实现数据收发,使用跨平台C++图形用户界面应用程序框架Qt对地面监控系统软件功能和交互界面进行开发,并制定了旋翼无人机与地面监控系统之间的数据通讯协议。该系统实际测试表明:监控系统可长时间连续稳定的工作,有效实现了对农用植保旋翼无人机实时监控与操作。     

农用无人机自主飞行技术研究与趋势

随着人工智能、深度学习的快速发展,无人机自主飞行技术已然成为无人机智能化评价之一。在精准农业与智慧农业的倡导下,无人机在农业领域发展迅猛。农用无人机应用场景包括:作物授粉、喷洒作业、农情监测、打顶剪枝、疏花疏果及畜牧跟踪,其自主程度重要性不言而喻。综述国内外无人机飞行技术研究现状,介绍农用无人机在自主控制方法、避障方法、轨迹规划算法以及精准喷洒方法的研究进展,分析指出农用无人机系统自主环境感知能力差、信息处理速度慢、路径规划算法收敛慢、作物识别率低等不足,提出采用多传感器组合、双冗余控制、多算法融合和基于深度学习的作物特征识别等改进方法。本文为农用无人机自主飞行技术满足智能作业需求提供理论基础。     

基于单片机控制的农用无人机导航研究

为进一步提升农用无人机导航控制系统的精度和时效性,在深入理解农用无人机的工作原理及部件组成的基础上,结合单片机控制机理对农用无人机的导航控制系统进行了设计。通过硬件部件配置选型匹配及参数设定等环节实现高准确度的导航信息获取传输,并对软件控制程序进行优化处理,实现后台实时性的无人机位姿调整且进行了导航控制试验。试验结果表明:在单片机控制程序下的农用无人机自主导航系统可实现整机的转速和方向控制,且对比经度和纬度信息,可实际飞行数据与试验飞行数据的最大误差为1.425 1m,满足农用无人机导航控制系统要求。该研究可为农用无人机深度优化提供思路,同时也可用于其他喷洒自控装置的设计开发,具有一定的推广价值。     

基于nRF24L01植保无人机无线数据传输系统设计

设计开发基于nRF24L01的无人机植保无线数据传输采集控制系统,该系统主要由机载作业系统和地面遥控作业系统两部分组成。机载作业系统由51单片机将无人机植保作业系统传感器及作业状态数据采集计算,通过nRF24L01无线数据传输模块,与地面遥控作业系统进行控制数据的双向传输,实现无人机植保作业信息的数据传输以及作业控制。介绍植保系统的硬件结构组成、无线传输软件设计、无线传输协议和参数设定以及软硬件的调试。通过实际应用,该系统运行平稳,性能可靠,实现植保作业的数据精准化、控制变量化。     

农用无人植保机远程控制系统操作终端设计

为进一步提升我国农用无人植保的远程控制性能,实现农作物种植养护可视化管理,针对其远程控制系统操作终端进行了研究设计。根据植保机飞控系统的工作原理及控制执行流程,考虑参数稳定及补偿算法,建立了植保机远程控制模型,对无人植保机控制系统进行软件设计与硬件组件配置,并展开控制系统设计可行性试验仿真。结果表明:以VM Workstation为载体得到友好型的农用无人植保机远程控制系统终端显示平台,可均匀化、及时地显示整个植保机作业的远程监控主要参数,实现无人植保机喷施作业的高效可视化管控。分别设定不同的飞行坡度进行试验,结果表明:两者作业平均高度误差可控制在±6.5cm范围内,满足行业高度检测误差要求,对于农用自动化作业设备优化具有一定的参考意义。     

基于嵌入式Linux的农用无人机视觉导航算法及应用

首先介绍了农用无人机机械结构与工作原理,接着介绍了双目视觉成像原理及视觉系统相机标定,并从图像采集和图像处理等模块介绍了嵌入式硬件平台,最后利用人工势场实现了农用无人机视觉导航算法。MatLab仿真结果表明:农用无人机在在无障碍物和有障碍物下,能够利用视觉导航算法,准确进行避障和导航,且仿真结果与预期效果一致,验证了农用无人机视觉导航算法的可行性和有效性。     

基于DTN路由的多通路精准灌溉系统布局设计

为进一步提升我国智能灌溉装备的综合作业效率,从多通路实施与精准化控制角度展开布局设计。以灌溉系统的作业原理及田间信息获取特征为出发点,建立灌溉网络的DTN路由算法模型,实施网络节点的规划分配与通道布置,形成精准性的逻辑控制流程及节点网络相互执行关系。进行系统性的灌溉试验,结果表明：基于DTN路由算法的多通路精准灌溉系统布局正确可行,信息投递成功率可达94.13%,节点转发率可达96.07%,各信息传递的实时准确,各阀门组件的动作协调,综合灌溉效率实现了高于90%的优化目标,是DTN路由控制理念在灌溉装备领域的应用创新思路之一,具有较好的推广意义。     

基于DTN算法的采摘机器人控制系统可行性研究

为进一步提高我国采摘机器人的智能采摘水平,以优化系统数据采集与传送效能参数、确保控制系统运行稳定性为目标,针对采摘机器人的控制系统进行设计研究.利用DTN算法体系与DTN网络层级数据处理算法,实现网络信息拥堵控制,建立DTN算法模型,设计采摘机器人控制系统整体架构并展开控制试验.试验结果表明:该采摘机器人控制系统应用D...     

多传感器数据融合的无人机速率估算与定位

为了提高农用无人机速率与位置的估算精度,同时降低无人机制作成本,提出了一种对于农用无人机容易实现的传感器数据融合算法,即通过使用离散型卡尔曼滤波,提高实验对象在三维空间中位置和速率变化的估算精度。由于传统的惯性测量系统存在体积大、造价高等缺点,而廉价的惯性测量传感器又存在较大的飘移,因此结合农用无人机航拍的工作环境采用全球定位系统(GPS)提供位置的测量,由惯性导航系统(INS)给出加速度,并由光流传感器提供速度的测量加以辅助。最终,通过实验验证了该算法的有效性。     

机载式农田三维地形测量系统设计与试

设计了一种机载式农田三维地形测量系统.该系统主要由激光测量接收器、GPS接收机、控制器和液压系统等组成,除了可以进行地形测量外,系统还可以实现激光平地作业.其测量原理是利用测量接收器获取测量点的高程信息,利用GPS接收机获取测量点的平面位置信息,将两者在控制器中进行数据融合,从而得到测量点的三维地形信息.在田间试验条件下,对机载式农田三维地形测量系统进行了不同行进速度下的试验研究,并与采用定点测量方法获取的数据进行了比较.试验结果表明,该系统在低速行驶条件下与定点测量方法具有较好的一致性.     

基于射线检测算法的无人机植保作业电子围栏设计

保障植保无人机执行喷洒作业时不越过作业地块边界,是保证植保无人机作业安全性与高效性的必要前提。设计了一种高效可靠的无人机植保作业电子围栏,能够实时检测无人机是否越界,并在有越界风险时及时发出预警。首先,算法根据作业地块边界、无人机飞行速度等关键要素确定电子围栏报警模型并由此生成安全边界。当无人机飞行在安全边界内时,算法不对其进行越界检测;当无人机飞行于安全边界与作业边界之间时,算法将进行越界检测并同时发出预警,提示无人机操作人员随时准备控制无人机改变航向;当无人机飞行于作业边界之外时,将反馈越界标志,提供给飞行控制系统或无人机操作人员介入控制。测试表明：无人机植保作业电子围栏能够实现高效、可靠的飞行监测,实时检测植保无人机飞行是否越界,并在有越界风险时及时发出越界预警。     

基于单神经元PID的变量喷雾系统精准控制方法研究

针对现存农用无人机变量喷雾系统响应时间较长、超调量较大、跟随效果不稳定等问题,设计一种基于单神经元PID控制的农用无人机变量喷雾系统.该系统采用传感器检测流量信息作为控制依据,运用单神经元自学习能力不断调整PID参数精确调控喷雾流量,实现变量调节快速稳定的目标.为验证本系统控制算法的实际变量控制效果,采用Matlab平...     

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。     

基于控制器的农用无人机导航自动控制系统研究

农用无人机在自主作业时,导航精度对作业性能的影响较大,如果导航精度不高,农机在行驶过程中会产生横向误差和纵向误差,从而降低农机的作业质量.为了提高农用无人机导航的精度,采用滑模控制方法建立了导航线追踪和主从系统车速协同的控制模型,并通过虚拟仿真验证了控制器的控制效果.仿真结果表明:采用滑模控制方法可以有效降低导航的误差...     

基于GPS/SINS组合的农业导航定位系统设计与研究

设计了一种基于全球定位系统GPS和捷联惯性导航系统SINS组合的农业车辆导航定位系统,介绍了该系统的传感器组合及功用,阐述了系统的硬件结构和工作过程。考虑到农用车辆在运动过程中接收到的GPS数据存在较大的定位误差,提出了GPS和SINS联合导航算法,利用SINS提供的姿态信息修正GPS定位数据,提高系统定位的精度。为了准确测量姿态信息,对多传感器集成模块ADIS16355的信息融合处理,确定了基于卡尔曼滤波的融合算法用于测量姿态角。在构建实验平台的基础上进行了试验,结果表明:通过多传感器融合算法可准确测量姿态角,GPS定位误差有效减少,可更真实反映农用车辆的运动状态。     

基于视觉标志检测的旋翼无人机姿态估计方法

为了使旋翼无人机快速、精确、自主降落到地面着陆平台,提出一种基于视觉标志检测的无人机姿态估计方法。首先,利用标准直升机停机坪的几何特征,采用标志五步提取算法从机载摄像头采集的图像中获取视觉标志;为了满足无人机自主着陆过程的快速性和实时性,提出一种基于距离三点法的角点检测算法,得到H形标志的12个角点;然后,通过对角点分类、编号,并与参考图像中的对应角点进行匹配,解算出包含相对姿态信息的单应矩阵;最后,应用直接线性变换(Direct linear transformation,DLT)分解单应矩阵得到无人机的姿态角,并依据相机成像的相似三角形原理计算出无人机相对于视觉标志的位置,解决了单目相机尺度不确定性问题。通过实验平台模拟无人机不同飞行状态下的姿态并进行估计,对提出算法的实时性和准确性进行了实验验证。实验结果表明:本文算法的平均执行时间为307. 2 ms,位置估计的最大均方根误差为0. 006 2 m,姿态角估计的最大均方根误差为0. 313°,满足无人机自主着陆的准确性和实时性要求。