农业无人机动态降落方法研究

为实现农业无人机高速、准确降落于地面移动机械设备(自走式施肥机构、农业无人车等)上,基于Aruco码设计了一种复合视觉识别标志,并基于该视觉识别标志提出了农业无人机动态降落控制策略。降落策略主要分为两个阶段：阶段一为标识识别阶段,使用Aruco标识检测算法进行标识识别;阶段二为对带标识地面移动机械设备的稳定跟踪。工作时,利用PnP类算法求解无人机当前位姿,使用PD轨迹追踪算法实现农业无人机对地面移动平台的追踪。为了验证该控制策略的有效性与准确性,利用开源仿真平台Prometheus进行仿真验证,并使用MatLab进行数据分析,结果表明：该控制策略可实现农业无人机的自主降落。     

农用车辆自主导航控制系统设计与试验

集成软硬件系统搭建了一套农用车辆自主导航系统并进行了试验研究。硬件系统包括传感器、执行器和CAN-Bus通信网络;软件系统基于Windows操作系统、Visual Studio 2005开发环境,采用多线程编程技术开发。依据运动学规律建立了车辆运动模型,依据转向机构闭环响应曲线辨识了转向系统闭环模型,综合2个模型确立了航向与横向控制系统开环传递函数,基于PID理论设计了航向与横向控制器。试验结果表明:软硬件系统运行稳定;初始航向偏差在-86°与84°时,调节时间均在2 s以内,稳定后航向跟踪的精度均在1°以内;初始横向偏差在0.7 m和1.2 m时,横向偏差的最大值分别为10.4 cm与9.2 cm,横向偏差平均值分别为6.4 cm与3.5 cm,横向偏差标准差分别为2.6 cm与1.7 cm,横向控制器能够使系统平滑稳定地跟踪期望路径,跟踪精度在厘米级。     

农用无人机纵向姿态控制系统设计及仿真

针对农用无人机的作业特点和应用领域,设计了一种基于经典PID控制方法的纵向姿态控制系统。首先,利用Mat Lab软件建立了无人机在配平点处的纵向运动数学模型,分析了无人机的纵向运动规律。在此基础上,采用经典PID理论对无人机纵向运动的俯仰角控制回路和高度控制回路进行设计。通过Simulink软件进行仿真实验,结果表明:该飞行姿态控制系统控制效果良好,可以满足农用无人机的技术要求。     

关于农用无人机监督检验平台建设内容的建议

无人机作为实现农业现代化的重要技术手段之一,在我国农业中正在发挥越来越重要的作用。但目前市场上的农用无人机质量良莠不齐,为引导无人机市场健康发展,避免劣币驱逐良币,建立专业的农用无人机监督检验平台十分必要。本文就农用无人机检测平台的建设内容提出几点建议,为加强农用无人机监督管理提供思路。     

农用无人机监督检验平台建设内容相关建议

无人机作为实现农业现代化的重要技术手段之一,在我国农业中正发挥越来越重要的作用。但目前市场上的农用无人机质量良莠不齐,为引导无人机市场健康发展,避免劣币驱逐良币,建立专业的农用无人机监督检验平台十分必要。从国家监管的角度出发,就建设农用无人机监督检验平台的必要性做出浅析,为实现对农用无人机的安全性和性能参数进行全面的检测,提出建设监督检验平台需重点关注的问题,为加强农用无人机监督管理提供思路。     

四旋翼无人机移动平台跟随降落系统设计

【目的】四旋翼无人机以自主悬停、垂直起降、控制简易的特性被广泛应用于市场,但无人机续航能力以及控制精度要求影响着各项工作的开展。【方法】本研究设计了一种跟随降落系统,将四旋翼、无人车、UWB、视觉降落系统分阶段融合构成一个对移动平台的跟随降落系统,详细分析了四旋翼无人机跟随移动平台的总体设计、UWB定位系统设计、机器视觉处理及数据融合处理等系统设计,并将无人机分成三轴方向对飞行数据进行了卡尔曼滤波处理实验。【结果与结论】该系统与传统定位系统GPS相比,增加了UWB定位与OpenMV导航降落,卡尔曼滤波后的飞行轨迹与小车轨迹更接近,实现了无人机跟随移动平台,提高了跟随移动平台飞行的精确度,减少了无人机在飞行过程中因误差与自然因素导致飞行出现偏移的状况,为后续无人机降落于无人车上提供了更高的精准度与安全性,使户外无人机搜救工作的续航有了更大的保障。     

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。     

农用底盘主动平衡试验平台与控制系统设计与试验

常规的农用作业装备很难适应坡地作业环境,为了使作业车身在坡地作业时保持水平,以主动平衡系统作为研究对象,开发了主动平衡试验平台及控制系统。基于SimMechanics与SimHdraulics模块建立了机-电-液多物理域仿真模型;针对双作用非对称式液压油缸推程与回程运动的不同特性,采用双通道式PID控制策略进行控制,分别对液压油缸跟随响应、位移误差变化、速度阶跃响应与平台双轴倾角进行仿真分析。仿真表明,双通道PID控制下最大跟随误差为1.90mm,响应时间为0.228s,极限状态下平衡时间为2.98s。与单通道PID控制相比,其最大控制误差降低49.3%,响应速度提高了45.8%。在实验室模拟8种不同坡度,对主动平衡试验平台进行响应时间和平衡效果测试,系统响应时间为0.328s;随着坡度的增加,试验平台调平最大误差为1.14°,最大均方根误差为0.299°,主动平衡试验平台及控制系统达到了设计要求。     

基于双目视觉系统的农用无人机导航算法研究

农用无人机市场大,发展迅速,双目视觉系统对周边环境检测能力强,被广泛用于路径规划、避障和导航中。针对农用无人机的路径规划和导航的特定场合,利用双目视觉、图像处理和嵌入式控制等技术,设计了一套农用无人机导航算法,可以为无人机提供准确的导航策略。     

基于改进型自抗扰控制的复合翼无人机旋翼控制系统设计与试验

针对多旋翼无人机在飞行过程中容易受到各种外部扰动的影响,以复合翼无人机的旋翼控制系统为研究对象,设计了一种自抗扰控制系统。首先,建立了多旋翼无人机系统运动学模型和动力学模型;其次,对自抗扰控制算法的特点展开研究,结合无人机模型分别设计了位置和姿态控制器。并改进了扩张状态观测器,引入了更精确的动力学模型,提升了扰动观测速度和估计精度,同时,降低了扩张状态观测器的阶数,提升了控制器调参简易性;再次,依据六自由度力和力矩的平衡方程,对本文研究对象搭建了控制分配模型。最终,采用Matlab/Simulink完成仿真模型设计和参数调节,对控制目标分别加入了内部重力扰动和外部风力扰动,仿真结果表明本文设计的控制器不仅可以很好地估计出系统内外扰动并进行补偿,而且具有极强的抗干扰性,可以保证无人机从初始点快速且平稳到达目标位置,并保持稳定悬停,姿态控制稳态误差在0.05°以内。     

无人机农林业应用全球研究态势分析

无人机具有作业效率高、地形适应性好等独特优势,近年在农林业中应用范围不断扩大,相关研究成果数量呈快速上升式发展。为掌握无人机农林应用全球研究态势,本研究采集2011—2020年期间Web of Science 核心合集数据库中无人机农林应用全球研究相关文献数据,利用VOSviewer等统计软件对文献进行科学计量分析。分析结果表明,自2017年开始,无人机农林业应用研究发文数量快速增加,全球已有94个国家/地区、1778个机构开展了研究;发文量排名前三位的国家依次是美国、中国和澳大利亚,表明这三个国家从事无人机农林业应用的科研实力强,学术影响力大;共有398种期刊发表了有关无人机农林业应用研究文章,约占全部收录期刊的1.90%,说明更多的期刊开始关注无人机农林业应用研究;发文最多的期刊是由MDPI主办的Remote Sensing;被引次数最多的文章内容主要是关注无人机系统在摄影测量和遥感上的传感、导航、定位和通用数据处理等的研究现状。此外,对无人机农林业应用研究热点进行分析发现,无人机施药、无人机病虫害遥感、植物表型获取是无人机农林业应用的主要研究热点。本研究可为无人机在农林业上的创新研究、科研团队之间的合作提供参考。     

自主导航农业机器人全方位视觉目标识别与跟踪研究

随着我国信息化技术的逐渐提高,机械自动化、集成电路、智能控制系统和测试计量等行业得到了快速发展,使得移动机器人达到了一个全新的高度,农业机器人也因此被广泛应用。在机器人众多研究问题中,全方位视觉的目标识别与跟踪一直是比较复杂并较难解决的问题。为此,基于全方位的自主导航技术,根据农业机器人工作特点和运动特性,建立了机器人工作空间的环境模型,提出了一种陆标导航和运动目标跟踪系统的视觉伺服方案,开发了以DSP控制器为核心的全方位视觉图像处理系统。试验结果表明:所设计的农业机器人全方位视觉目标识别与跟踪系统精准度高,可靠性和实时性强,各项性能指标优。     

基于无人机平台的绿肥种子撒播装置设计与试验

针对水稻收获前稻田以及丘陵山区播种绿肥,存在机具无法下田作业、人工撒播劳动强度大的问题,基于农用多旋翼无人机平台,设计离心甩盘式绿肥种子撒播装置。该装置可与多品牌无人机方便、快速组配挂接,主要由挂接机构、种箱、排种机构、撒种机构及自动控制系统构成,设计螺旋输送式排种机构可实现连续稳定定量排种,优化撒种机构使得撒播更加均匀顺畅,控制系统可跟随无人机飞行速度控制排种机构排种量,并根据不同品种绿肥种子设定撒种机构甩种盘转速,从而实现多品种绿肥种子定量排种、均匀撒播。选取典型绿肥品种紫云英种子为试验物料,以撒播均匀性变异系数Y1和单位面积撒种量误差Y2为评价指标,螺旋输送器转速A、甩种盘转速B、飞行速度C为试验因素,开展三因素三水平正交试验。结果表明：螺旋输送器转速A和甩种盘转速B对两评价指标影响极显著,飞行速度C对两评价指标影响显著,影响撒播均匀性变异系数Y1的主次因素为B、A、C,影响单位面积撒种量误差Y2的主次因素为A、B、C,最佳因素水平组合A2B2C2,即A为190r/min、B为1700r/min、C为5m/s时,Y1为28.47%,Y2为11.81%。田间试验表明,在最佳参数组合下,整体出苗良好。该研究为改进完善无人机离心甩盘式绿肥撒播装置,以及大面积推广绿肥种植提供了理论依据和装备支撑。     

基于大数据和QT的农机配件供应链云平台系统设计

随着农业现代化水平的不断提高,农业机械被广泛的应用在耕种作业过程中,农机配件的需求量也不断增加,但当前农机配件产品的生产流通环节的监控力度很小,容易造成农机配件的质量安全问题。为了解决这个问题,保证农机配件供应链的可溯源性,基于大数据和QT软件界面开发工具,提出了农机配件供应链数据存储和查询的云平台系统,旨在提高农机配件供应链的数据存储和查询效率,保证农机配件的可溯源性。为了验证平台的可行性,搭建了农机配件供应链的大数据云平台,在平台的底层的Hadoop集群上搭建了8台服务器,以搜索查询农机配件的各种参数数据为测试目的,对平台进行了测试,并将其与传统的MySQL服务器进行了对比。测试结果表明:在搜索数据较少时,云平台和传统服务器的速度相当;但在大数据搜索条件下,云平台的数据处理速度是传统服务器的数倍,从而验证了云平台系统的优越性,为保证农机配件的安全和可溯源性提供了可靠的技术保障。     

基于两阶段纯追踪模型的农用车辆路径跟踪算法研究

针对车辆自身加工、装配误差及轮胎侧滑等因素导致理论转向运动模型与实际转向运动模型不一致的情况,基于最小二乘法对车辆进行了转向运动模型辨识,得到了不同设定线速度下的转向运动模型。同时,为解决常规纯追踪算法计算得出的部分控制量无法使车辆转向系统作出响应,造成路径跟踪精度下降问题,提出了一种考虑横向偏差和横偏角的两阶段纯追踪算法,并针对两个阶段的切换提出了设置过渡区滞后切换策略。模拟环境S形路径跟踪实验表明,在行驶速度为0.6 m/s时,固定前视距离的纯追踪算法平均横向偏差为0.523 8 m,两阶段纯追踪算法为0.361 6 m,其跟踪精度提高30.9%,较固定前视距离的纯追踪算法具有更好的路径跟踪性能。采用滞后切换策略将两阶段的切换跳变率从2.18%减至1.16%,抑制效果提升46.8%。