基于模拟退火算法的无人机山地作业能耗最优路径规划

为提高无人机在丘陵山地区域的作业效率,以四旋翼无人机为试验对象,通过对无人机三维运动的受力分析提出无人机三维运动的能效系数;对无人机自身性能进行测试,完成无人机功率与升力模型的拟合,拟合决定系数为0.9894,并在此基础上不同负载下完成能效系数的计算;最终,通过设计相应的模拟退火算法完成无人机在山地作业情况下的能耗最优作业路径规划。试验表明,当飞行速度为2 m/s时,在不同恒定负载情况下,无人机能耗最优路径比常规路径最多可节约能耗30.16%,比最短路径最多可节约能耗5.47%;在负载实时变化情况下,能耗最优路径比常规路径可节约能耗32.04%,比最短路径可节约能耗11.72%。说明模拟退火算法可在能耗约束条件下对无人机进行作业路径规划,且具有较好的路径规划效果。

基于GNSS与视觉融合的山地果园无人机航迹控制

为精准控制无人机航迹稳定、准确进行山地果园的航空植保作业,以四旋翼无人机为载体,设计了基于GNSS与视觉导航融合的山地果园无人机植保航迹控制系统。该系统由无人机飞行平台和地面控制站两部分组成。其中,无人机平台由四旋翼无人机、内环飞控、GNSS移动站、RGB相机、无线视频发射模块和电子罗盘组成;控制站由GNSS基站、飞行控制模块、便携式计算机、无线视频接收模块和视频采集模块组成。基于Python语言,结合Open CV库,设计了果树行识别算法。采用线性组合算法提取目标行作业区域,利用最小二乘法对作业区域中心点进行拟合,得到果树行趋势线,进而计算出偏航角,以实现无人机作业航迹控制。山地苹果园的导航控制试验结果表明,当无人机飞行速度为2 m/s,距离果树冠层高度约2 m,相机倾角为46°,视觉导航控制率为2次/s时,该系统航迹控制误差范围为-47～42 cm,平均误差为-9 cm,系统控制精度较高,可满足无人机对山地果园植保作业的要求。

基于温光耦合的温室卷帘机控制设备开发

针对温室温度调控自动化程度低、精度低的现状,设计了基于温光耦合的温室卷帘机精准控制系统。以Kinco-ET070型号的工业控制器为核心处理器,以具有Zig Bee无线通讯协议的CC2530芯片实现无线监测与控制,采用QY-150B光照传感器及DS18B20空气温度传感器实时检测光照强度和空气温度值;并将温光耦合模型嵌入工控屏,作为卷帘机动作的决策依据,采用中间继电器控制卷帘机设备,同时加入了红外对射限位开关,提高了控制精度和安全系数。长期试验测试表明:系统运行稳定,性能可靠,操作简单,可有效降低农民劳动强度,减少劳动时间,促进设施农业节本增效,对推动设施农业向信息化管理转变具有重要意义,具有较强的实际应用及推广价值。

基于高光谱图像的叶绿素荧光Fv/Fm图像预测方法

叶绿素荧光参数Fv/Fm在植物逆境胁迫研究中具有重要意义,当前获取方法需要对植物进行暗适应处理,难以实现实时测量。为实现Fv/Fm的实时获取,本文以4种水分胁迫水平下的辣椒为研究对象,基于高光谱成像及特征波段筛选方法对Fv/Fm进行预测。采用中值滤波对Fv/Fm图像去噪,并基于二维坐标变换实现高光谱图像与叶绿素荧光图像的匹配。对比标准正态变换(SNV)、多元散射校正(MSC)和Savitzky-Golay卷积平滑(SG)3种光谱预处理算法,并基于连续投影(SPA)算法筛选特征波长。基于效果最优的SG预处理算法,分别以偏最小二乘回归(PLSR)、分析误差反向传播(BP)神经网络、径向基函数(RBF)神经网络对比建模精度,其中BP算法建立的模型精度相对较高,其测试集决定系数为0.918、均方根误差为0.011。研究表明,SG-SPA-BP的建模方法在实现预测精度的同时降低了模型复杂度,为基于高光谱图像对Fv/Fm图像的实时准确预测提供了方法。

电动多旋翼无人机转向能耗测试系统设计与试验

针对电动多旋翼无人机的能耗测试,设计了一种基于单片机的无人机转向能耗测试系统。该测试系统主要由角速度传感器、功率测量模块、无线通信模块以及单片机等部分组成,并基于Lab VIEW软件设计了上位机程序,以实现对测试过程数据的实时显示和保存。对系统进行试验,结果表明:系统数据采集频率为100 Hz,电压测量精度为99. 93%,电流测量精度为99. 87%,转向角度测量精度为98. 10%,可见该系统测量精度较高,能满足电动多旋翼无人机转向能耗的测试及相关数据的获取。