CN110550226B - 一种小型多旋翼植保无人机结构优化设计方法 - Google Patents
一种小型多旋翼植保无人机结构优化设计方法 Download PDFInfo
- Publication number
- CN110550226B CN110550226B CN201910878324.8A CN201910878324A CN110550226B CN 110550226 B CN110550226 B CN 110550226B CN 201910878324 A CN201910878324 A CN 201910878324A CN 110550226 B CN110550226 B CN 110550226B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- plant protection
- rotor
- protection unmanned
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 238000013461 design Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims abstract description 17
- 239000007921 spray Substances 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 230000008021 deposition Effects 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims 1
- 239000000575 pesticide Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D1/00—Dropping, ejecting, releasing, or receiving articles, liquids, or the like, in flight
- B64D1/16—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting
- B64D1/18—Dropping or releasing powdered, liquid, or gaseous matter, e.g. for fire-fighting by spraying, e.g. insecticides
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Transportation (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Pest Control & Pesticides (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种小型多旋翼植保无人机结构优化设计方法,该方法包括以下步骤:A、构建小型多旋翼植保无人机的三维模型;B、将三维模型的生成文件导入Mesh软件进行网格划分,并把生成的网格文件导入CFD软件;C、在CFD软件中对小型多旋翼植保无人机进行喷雾场模拟;D、建立结构优化设计变量、优化约束条件并选取优化目标函数作为评价指标;E、通过MBC工具箱对参数点进行抽样取点;F、将抽样取点获得的参数点坐标数值代入CFD中进行流场模拟;G、通过MBC工具箱中RBF网络模型对抽样数据和流场模拟的结果进行拟合;H、通过GA算法进行结构优化。本发明的结构优化设计方法能够获得小型多旋翼植保无人机的喷嘴最佳位置。
Description
技术领域
本发明属于无人机技术领域,具体地说是一种能够确定喷嘴安装位置的小型多旋翼植保无人机结构优化设计方法。
背景技术
无人机相对于传统植保机械它具有以下优点:能够精确高效地完成病虫害的防治;不受地理条件的影响;农作物任何生长期都可以实施施药任务。而相比固定翼飞机和轻型直升机,小型多旋翼植保无人机灵活性好,无需专门起降场地,在旋翼下洗风场的作用下能够实现低空施药作业,具有工作效率高,作业效果好,农药利用率高,中毒率低等优点。因此,开展对小型多旋翼植保无人机的研究对提高农业病虫害防治具有重要意义。尽管小型多旋翼植保无人机优点众多,但在其工作过程中仍存在着许多问题,如:农药使用量大、农药飘移严重以及雾滴沉积分布不均匀等。
发明内容
本发明的目的是针对小型多旋翼植保无人机在工作过程中存在农药使用量大、农药飘移严重以及雾滴沉积分布不均匀等问题,提供一种能够确定喷嘴安装位置的小型多旋翼植保无人机结构优化设计方法。
本发明的目的是通过以下技术方案解决的:
一种小型多旋翼植保无人机结构优化设计方法,其特征在于:该方法包括以下步骤:
A、利用建模软件构建简化后的小型多旋翼植保无人机的三维模型,所述三维模型至少由机身、旋翼、机臂三个部分组成;
B、将三维模型的生成文件导入Mesh软件,进行网格划分,并把生成的网格文件导入CFD 软件;
C、在CFD软件中对小型多旋翼植保无人机进行喷雾场模拟;其中,喷雾场模拟需要进行湍流模型的设置、离散方式的设置、交界面的设置、离散相的设置、收敛迭代的设置;
D、建立结构优化设计变量、优化约束条件并选取优化目标函数作为评价指标,该评价指标为小型多旋翼植保无人机液滴沉积分布的均匀性;
E、通过MBC工具箱对表示结构优化设计变量的参数点进行抽样取点;
F、将抽样取点获得的参数点坐标数值代入CFD中进行流场模拟,流场模拟的设定同步骤 C;
G、通过MBC工具箱中RBF网络模型对抽样数据和流场模拟的结果进行拟合,拟合的标准误差R2大于0.8时进入下一步,否则回到步骤E重新进行抽样取点;
H、拟合合格的参数点坐标数值再通过GA算法进行结构优化,获得小型多旋翼植保无人机的喷嘴最佳位置。
所述步骤A中的建模软件为Soildworks软件。
所述步骤B中的生成文件为STEP文件、网格文件为*.msh文件;所述步骤B中的网格划分方式是采用自下而上的非结构化网格。
所述步骤C中的湍流模型采用k-ω湍流模型、离散方式采用有限体积法、动域和静域的交界面设置为Interface、离散相采用DPM模型、收敛迭代的方式为先迭代连续相后迭代离散相。
所述步骤D中的结构优化设计变量根据设计变量和设计常量获得,设计常量有:旋翼离地高度2m、旋翼转速3600RPM、来流风速0m/s,设计变量有:喷嘴数量a、喷嘴相对旋翼中心线的水平位置Y、喷嘴相对旋翼底部的垂直位置Z,则建立结构优化设计变量X为: X=[x1,x2,x3]T=[a,Y,Z]T,其中χ1、χ2、χ3分别指喷嘴数量a、喷嘴相对旋翼中心线的水平位置Y、喷嘴相对旋翼底部的垂直位置Z,T为结构优化设计变量的表达形式。
所述步骤D中的优化约束条件根据无人机下方的风场垂直方向风速确定,优化约束条件为:
其中,Y1、Y2、Y3、Y4、Y5分别为不同喷嘴相对旋翼中心线的水平位置。
所述步骤D中的优化约束条件的简化条件为:
其中,Y1、Y2分别为不同喷嘴相对旋翼中心线的水平位置。
所述步骤D中的优化目标函数通过变异系数CV值来判断,变异系数CV值越接近于1说明沉积分布均匀性性越好,变异系数CV的公式为:其中s为标准差、xi为每一小块云图上沉积量、为所有块云图上沉积量的平均数、n为沉积云图被分割的个数。
所述步骤E中的抽样取点方法采用拉丁超立方抽样法,取点的点数为5m,m为参数的维度。
所述步骤G中的拟合是一种超曲面拟合。
本发明相比现有技术有如下优点:
本发明的结构优化设计方法通过CFD模拟与Matlab相结合的方式对小型多旋翼植保无人机的喷雾场数值模拟及结构优化进行研究,优化了小型多旋翼植保无人机的喷嘴安装位置,从而为小型多旋翼植保无人机的设计与工作提供理论依据。
附图说明
附图1是本发明的小型多旋翼植保无人机结构优化设计方法的流程图;
附图2是本发明的小型多旋翼植保无人机的简化模型示意图;
附图3是本发明的结构优化设计方法的网格划分示意图;
附图4是本发明的小型多旋翼植保无人机的高度与垂直方向风速关系示意图;
附图5是本发明的结构优化设计方法中的拟合超曲面图;
附图6是本发明的结构优化设计方法中的MBC工具箱里的CAGE优化模块中的GA算法示意图;
附图7是本发明的结构优化设计方法优化后的小型多旋翼植保无人机的结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明。
如图1所示:一种小型多旋翼植保无人机结构优化设计方法,该方法包括以下步骤:
A、利用Soildworks软件构建简化后的小型多旋翼植保无人机的三维模型,该三维模型至少由机身、旋翼、机臂三个部分组成;
B、将三维模型的生成文件导入Mesh软件,采用自下而上的非结构化网格方式进行网格划分,并把生成的网格文件导入CFD软件,其中生成文件为STEP文件、网格文件为*.msh文件;
C、在CFD软件中对小型多旋翼植保无人机进行喷雾场模拟;喷雾场模拟需要进行湍流模型的设置、离散方式的设置、交界面的设置、离散相的设置、收敛迭代的设置,其中,湍流模型采用k-ω湍流模型、离散方式采用有限体积法、动域和静域的交界面设置为Interface、离散相采用DPM模型、收敛迭代的方式为先迭代连续相后迭代离散相;
D、建立结构优化设计变量,结构优化设计变量根据设计变量和设计常量获得,设计常量有:旋翼离地高度2m、旋翼转速3600RPM、来流风速0m/s,设计变量有:喷嘴数量a、喷嘴相对旋翼中心线的水平位置Y、喷嘴相对旋翼底部的垂直位置Z,则建立结构优化设计变量 X为:X=[x1,x2,x3]T=[a,Y,Z]T,其中χ1、χ2、χ3分别指喷嘴数量a、喷嘴相对旋翼中心线的水平位置Y、喷嘴相对旋翼底部的垂直位置Z,T为结构优化设计变量的表达形式;
优化约束条件,优化约束条件根据无人机下方的风场垂直方向风速确定,不同高度与垂直方向的速度关系如图4所示,其优化约束条件为:
其中,Y1、Y2、Y3、Y4、Y5分别为不同喷嘴相对旋翼中心线的水平位置;
进一步的说,由图4可知由于机身的遮挡机身下方不应该布置喷嘴,不利于液滴的沉积,喷嘴数量4个比较合适,又由于风场沿中心轴呈基本对称分布和无人机对称机构,只研究Y 轴正方向喷嘴布置即可,这样可以减少工作量;而旋翼正下方的Y值为533mm,因此布置两个喷嘴分别置于旋翼中心的两边,优化约束条件的简化约束条件为:
其中,Y1、Y2分别为不同喷嘴相对旋翼中心线的水平位置。
选取优化目标函数作为评价指标,该评价指标为小型多旋翼植保无人机液滴沉积分布的均匀性,优化目标函数通过变异系数CV值来判断,变异系数CV值越接近于1说明沉积分布均匀性性越好,变异系数CV的公式为:其中s为标准差、xi为每一小块云图上沉积量、为所有块云图上沉积量的平均数、n为沉积云图被分割的个数。
E、通过MBC工具箱对表示结构优化设计变量的参数点进行抽样取点,抽样取点方法采用拉丁超立方抽样法,取点的点数为5m且,m为参数的维度,m为3,则抽样15个点,各个点的参数点坐标如表1所示;
Table 1Parameter Point Coordinates
表1抽样获得的参数点坐标 F、将抽样取点获得的参数点坐标数值代入CFD中进行流场模拟,流场模拟的设定同步骤 C;主要是改变喷嘴的位置,将抽样后的参数点坐标数值依次代入进行流场模拟,并求出每一组的变异系数CV值;
G、通过MBC工具箱中RBF网络模型对抽样数据和流场模拟的结果进行拟合,该步骤需要将每一组结构优化设计变量的最佳组合以及对应的变异系数CV值输入MBC工具箱中,通过 RBF网络模型对其进行超曲面拟合(拟合超曲面图如图5所示),并通过标准误差R2作为拟合效果评判标准,一般认为当标准误差R2大于0.8时说明拟合效果好,如果标准误差R2低于 0.8需要增加抽样点再次拟合直到标准误差R2大于0.8,而本实施例中获得的标准误差R2为 0.877,说明拟合效果较好能够进入下一步;
H、拟合合格的参数点坐标数值再通过GA算法进行结构优化,该优化方式是在图6所示的MBC工具箱里的CAGE优化模块中来完成,从而得到喷嘴的最佳位置为:Z轴方向为 -405mm,喷嘴1在Y轴方向为464mm、喷嘴2在Y轴方向为700mm、喷嘴4在Y轴方向为-464mm、喷嘴5在Y轴方向为-700mm且此位置的变异系数CV为0.774,即获得小型多旋翼植保无人机的喷嘴最佳位置,结果如图7所示。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内;本发明未涉及的技术均可通过现有技术加以实现。
Claims (7)
1.一种小型多旋翼植保无人机结构优化设计方法,其特征在于:该方法包括以下步骤:
A、利用建模软件构建简化后的小型多旋翼植保无人机的三维模型,所述三维模型至少由机身、旋翼、机臂三个部分组成;
B、将三维模型的生成文件导入Mesh软件,进行网格划分,并把生成的网格文件导入CFD软件;
C、在CFD软件中对小型多旋翼植保无人机进行喷雾场模拟;其中,喷雾场模拟需要进行湍流模型的设置、离散方式的设置、交界面的设置、离散相的设置、收敛迭代的设置;
D、建立结构优化设计变量、优化约束条件并选取优化目标函数作为评价指标,该评价指标为小型多旋翼植保无人机液滴沉积分布的均匀性;
E、通过MBC工具箱对表示结构优化设计变量的参数点进行抽样取点;
F、将抽样取点获得的参数点坐标数值代入CFD中进行流场模拟,流场模拟的设定同步骤C;
G、通过MBC工具箱中RBF网络模型对抽样数据和流场模拟的结果进行拟合,拟合的标准误差R2大于0.8时进入下一步,否则回到步骤E重新进行抽样取点;
H、拟合合格的参数点坐标数值再通过GA算法进行结构优化,获得小型多旋翼植保无人机的喷嘴最佳位置;
所述步骤D中的结构优化设计变量根据设计变量和设计常量获得,设计常量有:旋翼离地高度2m、旋翼转速3600RPM、来流风速0m/s,设计变量有:喷嘴数量a、喷嘴相对旋翼中心线的水平位置Y、喷嘴相对旋翼底部的垂直位置Z,则建立结构优化设计变量X为:X=[x1,x2,x3]T=[a,Y,Z]T,其中χ1、χ2、χ3分别指喷嘴数量a、喷嘴相对旋翼中心线的水平位置Y、喷嘴相对旋翼底部的垂直位置Z,T为结构优化设计变量的表达形式;
所述步骤D中的优化约束条件根据无人机下方的风场垂直方向风速确定,优化约束条件为:
其中,Y1、Y2、Y3、Y4、Y5分别为不同喷嘴相对旋翼中心线的水平位置;
2.根据权利要求1所述的小型多旋翼植保无人机结构优化设计方法,其特征在于:所述步骤A中的建模软件为Soildworks软件。
3.根据权利要求1所述的小型多旋翼植保无人机结构优化设计方法,其特征在于:所述步骤B中的生成文件为STEP文件、网格文件为*.msh文件;所述步骤B中的网格划分方式是采用自下而上的非结构化网格。
4.根据权利要求1所述的小型多旋翼植保无人机结构优化设计方法,其特征在于:所述步骤C中的湍流模型采用k-ω湍流模型、离散方式采用有限体积法、动域和静域的交界面设置为Interface、离散相采用DPM模型、收敛迭代的方式为先迭代连续相后迭代离散相。
6.根据权利要求1所述的小型多旋翼植保无人机结构优化设计方法,其特征在于:所述步骤E中的抽样取点方法采用拉丁超立方抽样法,取点的点数为5m,m为参数的维度。
7.根据权利要求1所述的小型多旋翼植保无人机结构优化设计方法,其特征在于:所述步骤G中的拟合是一种超曲面拟合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910878324.8A CN110550226B (zh) | 2019-09-17 | 2019-09-17 | 一种小型多旋翼植保无人机结构优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910878324.8A CN110550226B (zh) | 2019-09-17 | 2019-09-17 | 一种小型多旋翼植保无人机结构优化设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110550226A CN110550226A (zh) | 2019-12-10 |
CN110550226B true CN110550226B (zh) | 2022-03-29 |
Family
ID=68740604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910878324.8A Active CN110550226B (zh) | 2019-09-17 | 2019-09-17 | 一种小型多旋翼植保无人机结构优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110550226B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114386342B (zh) * | 2022-01-19 | 2024-03-29 | 江西理工大学 | 一种基于组合优化算法的水下集矿机结构优化设计方法 |
CN115057001B (zh) * | 2022-08-17 | 2023-03-24 | 中国空气动力研究与发展中心空天技术研究所 | 一种基于网格的翼面后缘舵面快速生成与舵效评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201109482D0 (zh) * | 2011-06-07 | 2011-07-20 | ||
CN102313688A (zh) * | 2011-07-25 | 2012-01-11 | 北京农业信息技术研究中心 | 航空施药中药雾分布与飘移趋势遥测系统及方法 |
CN102915395A (zh) * | 2012-10-25 | 2013-02-06 | 农业部南京农业机械化研究所 | 基于模型的直升机航空施药飘移预测方法 |
CN104568006A (zh) * | 2015-01-07 | 2015-04-29 | 南京林业大学 | 农用无人旋翼机最优作业参数测试装置及测试方法 |
CN108519775A (zh) * | 2017-10-30 | 2018-09-11 | 北京博鹰通航科技有限公司 | 一种精准喷洒的无人机系统及其控制方法 |
CA2991499A1 (en) * | 2018-01-10 | 2019-07-10 | Universite Laval | New formulation for spraying biopesticides and spraying apparatus to control pest |
-
2019
- 2019-09-17 CN CN201910878324.8A patent/CN110550226B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201109482D0 (zh) * | 2011-06-07 | 2011-07-20 | ||
CN102313688A (zh) * | 2011-07-25 | 2012-01-11 | 北京农业信息技术研究中心 | 航空施药中药雾分布与飘移趋势遥测系统及方法 |
CN102915395A (zh) * | 2012-10-25 | 2013-02-06 | 农业部南京农业机械化研究所 | 基于模型的直升机航空施药飘移预测方法 |
CN104568006A (zh) * | 2015-01-07 | 2015-04-29 | 南京林业大学 | 农用无人旋翼机最优作业参数测试装置及测试方法 |
CN108519775A (zh) * | 2017-10-30 | 2018-09-11 | 北京博鹰通航科技有限公司 | 一种精准喷洒的无人机系统及其控制方法 |
CA2991499A1 (en) * | 2018-01-10 | 2019-07-10 | Universite Laval | New formulation for spraying biopesticides and spraying apparatus to control pest |
Also Published As
Publication number | Publication date |
---|---|
CN110550226A (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110550226B (zh) | 一种小型多旋翼植保无人机结构优化设计方法 | |
CN108519775A (zh) | 一种精准喷洒的无人机系统及其控制方法 | |
CN102915560B (zh) | 一种阈值无关的机载激光雷达点云滤波方法 | |
CN104216382B (zh) | 一种空间小型飞行器编队飞行控制系统 | |
CN110286691B (zh) | 基于线性微分包含的多无人机编队控制方法 | |
CN106249717B (zh) | 一种基于执行器饱和多智能体系统建模的协调控制方法 | |
CN110233657A (zh) | 一种基于粒子群遗传算法的多无人机区域覆盖部署方法 | |
CN107992090A (zh) | 一种应用于网络化集群智能体系统的自适应编队方法 | |
CN112068586B (zh) | 一种空间时间联合优化的四旋翼无人飞行器轨迹规划方法 | |
CN109756946A (zh) | 一种多智能体协同调控编队方法 | |
CN112163381A (zh) | 一种适用于复杂地形风场流动数值模拟的侧向边界条件设置方法 | |
CN109033487A (zh) | 一种基于蒙特卡洛仿真的飞行器总体概率设计方法 | |
Xie et al. | Research on site selection of agricultural internet of things nodes based on rapid terrain sampling | |
CN116772848A (zh) | 一种航空器终端区四维飞行轨迹的绿色实时规划方法 | |
CN115407661A (zh) | 基于方位测量信息多无人机系统非线性鲁棒跟踪控制方法 | |
CN115981375A (zh) | 基于事件触发机制的多无人机时变编队控制器设计方法 | |
CN109784468B (zh) | 基于psoa算法的通航物流配载效能优化方法 | |
CN111898309B (zh) | 一种光伏智能边缘终端优化布局方法 | |
CN114756980A (zh) | 基于Info-GAN的多设计空间耦合气动形状优化方法及系统 | |
CN111859818A (zh) | 平流-扩散模型预测多旋翼喷雾植保无人机雾滴飘移方法 | |
CN111459179A (zh) | 一种基于粒子群优化算法的四旋翼自抗扰控制器 | |
LU503035B1 (en) | Method and controller for intelligently planning course of unmanned surface vehicle | |
Tian et al. | Automatic system and method for improving aerial spray droplet penetration. | |
Fan et al. | Simulation of multiple unmanned aerial vehicles for compensatory pollination in facility agriculture | |
CN112733259B (zh) | 一种气动伺服弹性快速迭代分析与设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |