CN115079713A - 一种基于航迹优化的无人机精准施药作业方法 - Google Patents

Abstract

本发明公开了一种基于航迹优化的无人机精准施药作业方法，首先利用来自测风仪的自然风速风向和来自导航模块的旋翼机的位置和运动状态信息，对药液喷洒的沉积中心进行估计，为旋翼机提供参考航点调整；其次，根据无人机机动约束条件对参考航点的可飞性进行判断；当其不满机动约束时，需要确定搜索范围、优化标准和约束条件，并据此建立优化航点的优化模型；采用序列二次规划的优化方法对建立的优化模型进行优化，最终得到最优的无人机飞行航点。本发明通过获取现场自然风速、风向数据，对无人机飞行航迹进行优化调整，减小了自然风影响下的无人机施药漂移。

Description

一种基于航迹优化的无人机精准施药作业方法

技术领域

本发明涉及无人机植保应用的技术领域，具体地说，是一种基于航迹优化的无人机精准施药作业方法。

背景技术

农业航空植保技术近年来在我国迅猛发展，相比于传统的人工植保方式，采用无人机进行植保作业在作业效率、作业效果、环境适应能力、经济成本等方面均具有明显优势。早期植保无人机主要采用固定翼机型，但随着旋翼飞行器技术的逐渐成熟，且其相比于固定翼喷施具有机动能力强、低空低量作业等优势，因此也已被广泛的应用于农田作业。

目前植保无人机的主要的控制方式可分为手动式和全自动式，手动控制主要通过飞手的遥控实现，但是不论是远距离视线的影响，还是长时间操作体力上消耗的影响，人工操作都难以实现对无人机高效准确的调控。而全自动作业通常根据作业地形的边界设定航线，无人机完全按照已经规划好的路径进行全程施药作业，这种作业方式相比于人工控制虽然极大的减小了人力的使用且提高了作业效率，但是无法根据实际的施药情况对无人机的飞行进行及时的调整。

低空低量是旋翼无人机的主要喷雾方式，由于药液在喷头的作用下的作用下发生雾化，药滴的粒径比较小。因此尽管在适宜无人机植保作业的环境条件下，药滴仍然容易在自然风的作用下发生漂移。而药滴漂移不仅浪费农药，影响植保作业效果，造成环境污染，还容易对非靶区的农作物造成损害。尤其是在植株飞防植保作业中，因为植株的种植分布状况与农田间作物完全不同，其种植密度更为稀疏，且一般为了方便采摘，每排植株间还留有人工通道，因此施药脱靶的风险也更高。而与无人机飞行高度和药滴大小等影响因素相比，气象条件下的风速和风向对药滴沉积和漂移的影响更大，特别是侧风、阵风引起的农药漂移。

发明内容

本发明的目的在于提供一种基于航迹优化的无人机精准施药作业方法。旨在根据自然风速、风向对无人机的飞行航迹进行优化调整，对药滴位置的偏移进行补偿，减小因自然风造成的施药脱靶，从而提高农药的利用率。

实现本发明目的的技术解决方案为：一种基于航迹优化的无人机精准施药作业方法，包括以下步骤：

(1)按照待施药的地块进行常规的初始航线规划，植保无人机根据规划的飞行航线对施药区域进行农药喷施；

(2)利用各个施药区域地面端布置的测风仪对当前自然风速、风向数据进行采集，每隔T秒做一次采样；

(3)将路线变化周期设置为T’秒，T＝T’；路线变化时刻利用无人机内置的GPS、IMU传感器采集的无人机位置和运动信息和步骤(2)中测得的风速风向信息，通过简化的液滴沉积模型估计药滴的落点位置，并基于此得出无人机调整的理想位置作为参考航点；

(4)依据建立的机动约束约束条件对步骤(3)得到的参考航点的可飞性进行判断，若满足机动约束条件，则将其直接作为无人机的目标航点；当参考航点不满足机动约束条件时，需要确定搜索范围、优化标准和约束条件，并据此建立优化航点的优化模型；采用序列二次规划SQP的优化方法对建立的优化模型进行优化，得到最优的航点作为无人机的目标航点。

本发明与现有技术相比，其显著优点：(1)采用本设计方法，可利用作业区域的实时环境风速和风向信息指导无人机的航迹调整，能有效改善因环境风变化引起的施药脱靶问题，减小农药对非靶区的污染，提高农药的利用率。(2)本发明主要思想为通过调整可控制的运行参数以补偿不可控条件的负面影响，从航迹优化的角度思考，通过优化调整无人机的位置来补偿因自然风导致的药滴偏移，为植保无人机精准施药作业提供了一个新的思路。

附图说明

图1为本发明一种基于航迹优化的无人机精准施药作业方法的规划方法流程图。

图2为本发明基于药滴落点估计的位置得出参考航点的过程示意图。

图3为本发明约束判断参考四旋翼控制过程示意图。

图4为发明一种基于航迹优化的植保无人机精准对靶喷洒装置示意图。

具体实施方式

本发明一种基于航迹优化的无人机精准施药作业方法，包括以下步骤：

(1)按照待施药的植株地块进行常规的初始航线规划，植保无人机根据规划的该飞行航线，对施药区域进行农药喷施；

(2)利用各个施药区域地面端布置的风速风向传感设备对当前自然风速、风向数据进行采集，每隔T秒做一次采样。

(3)将路线变化周期设置为T’秒，一般T＝T’。路线变化时刻利用无人机内置的GPS、IMU传感器采集的无人机位置和运动信息(位置、速度、姿态等)和步骤(2)中测得的风速风向信息，通过简化的液滴沉积模型估计药滴的落点位置，并基于此得出无人机调整的理想位置作为参考航点；

(4)依据建立的机动约束约束条件对步骤(3)得到的参考航点的可飞性进行判断，若满足机动约束条件，则将其直接作为无人机的目标航点；当参考航点不满足机动约束条件时，确定搜索范围、优化标准和约束条件，并据此建立优化航点的优化模型。采用序列二次规划(SQP)的优化方法对建立的优化模型进行优化，得到最优的航点作为无人机的目标航点。

进一步的，在步骤(3)中采用的简化的液滴沉积模型，液滴的沉积中心位置D_i由无人机当前水平位置P_i和当前气流速度和流向

得到，将该函数关系记为

若D_d是喷雾液滴的理想沉积中心，D_d位于作业区域的中轴线上，则参考航点P_ri与它们之间的关系为

进一步的，在步骤(4)中机动约束条件包括旋翼升力约束和姿态约束，旋翼升力约束的形式为：

F_min≤F_n≤F_max

上式中，F_i为无人机由当前位置飞行到目标航点过程中的第n个旋翼的升力大小，F_min和F_max为无人机单个旋翼的最小和最大升力。

姿态约束的形式为：

上式中，φ、θ、ψ分别为无人机由当前位置飞行到目标航点过程中的滚转角、俯仰角、航向角，φ_max、θ_max、ψ_max分别是对滚转角、俯仰角、航向角大小限制的最大值。

进一步的，在步骤(4)中，优化模型的搜索范围形式为：

Cir(P_ri,r)-P_ri

上式为以参考航点P_ri为圆心，r为半径的去心圆。

进一步的，在步骤(4)中，建立的目标函数为如下：

P_i＝Cir(P_ri,r)-P_ri

其中，f是落点沉积位置估计函数，

表示在第i个目标航点，当前风矢量为

时药滴的落点沉积中心，目标函数J定义最小化药滴的落点沉积中心

和理想沉积中心D_d的距离。

所述的常规初始航线规划，喷洒轨迹通常默认设置为沿各待作业区中心轴线，能够在有效的喷施宽度内对整个植保区域进行喷施。

所述旋翼型植保无人机在运动过程中，喷药装置始终在预设的航路上喷药。所述的测风仪布置在地面端，避免增加无人机的负载和测量受到无人机旋翼风的干扰,其与无人机之间通过无线网络通信。

所述植保无人机上搭载有GPS和IMU传感器，可实时获取到位置和运动信息。植保无人机还搭载了机载嵌入式计算机，具有一定的信息处理能力。

所述的旋翼升力约束是为了确保旋翼机的执行器能够成功执行设定的航点，因此在飞行过程中每个旋翼产生的拉力应该被限制在最小值F_min和最大值F_max之间。旋翼的最小拉力F_min值和最大拉力F_max一般由电机的物理特性、可用功率和螺旋桨参数决定。

所述的姿态约束是为了减小旋翼无人机姿态变化引起的下洗气流波动，从而影响方法的实际效果。

所述的优化模型的搜索范围是为了优化方法能将参考航点P_ri作为参照解，在其有限范围内进行搜索，从而可以提高优化算法的搜索效率。

下面结合说明书附图和实施例对本发明作进一步描述。

参见图1，本实施例公开的一种基于航迹优化的无人机精准施药作业方法包含以下步骤：

当旋翼机以常规的初始航线在植保区域中作业时，测风仪以时间间隔T对现场的风速、风向进行采样，由于风对药滴沉积的影响，因此需要对无人机的位置进行调整。假设需要规划N个航点WP＝{P₁，P₂，...，P_N}来完成整个植保操作，记相应的参考航点为WPR＝{P_r1，P_r2，...，P_rN}。

由于风的影响，因此需要在P_i处调整无人机位置，为了获取对应参考航点P_ri的位置，需要对当前的药滴沉积中心的位置D_i进行估计。由于本发明的方法主要考虑的是自然风对药滴喷洒漂移的影响，因此采用了一种简化的液滴沉积模型。该简化模型主要考虑了重力和气流对液滴运动的影响，得到液滴的运动学方程为

其中，m_p和v_p分别表示液滴质量和速度；d_p和ρ_p分别表示液滴直径和密度，j是重力方向的单位向量；ρ_f是空气密度，v_f是气流速度，C_d是风阻系数。对上式进行积分可得到液滴运动过程中的速度、位移等输出参数。因此，液滴的沉积中心位置D_i可以由当前位置P_i和当前气流速度和流向

得到，将该函数关系记为

若D_d是喷雾液滴的理想沉积中心(位于作业区域的中轴线上)，则参考航点P_ri与它们之间的关系为

如图2所示。

当得到参考航点时，还需要对其进行判断是否满足机动约束。机动约束条件包括旋翼升力约束和姿态约束，旋翼升力约束的形式为：F_min≤F_n≤F_max,上式中，F_n为无人机由当前位置飞行到目标航点过程中的第n个旋翼的升力大小，F_min和F_max为无人机单个旋翼的最小和最大升力。姿态约束包括：|φ|≤φ_max，|θ|≤θ_max，|ψ|≤ψ_max。上式中，φ、θ、ψ分别为无人机由当前位置飞行到目标航点过程中的滚转角、俯仰角、航向角，φ_max、θ_max、ψ_max分别是对滚转角、俯仰角、航向角大小限制的最大值。参考航点运动约束的判断主要根据旋翼无人机的控制过程，以四旋翼无人机为例，控制过程主要包含两个闭合回路，分别为位置控制回路和姿态控制回路。将参考航点作为期望位置坐标(x_d,,y_d,z_d)输入到位置控制回路，再通过姿态反解算出期望的俯仰角φ_d和横滚角θ_d,以及旋翼的总升力U₁。姿态控制回路则输入期望的姿态角ψ_d，得到控制三个姿态角的力矩U₂～U₄。从而可以经过四旋翼无人机的动力学模型，得出四个旋翼的拉力F₁～F₄，并对无人机当前的位置(x,y,z)和姿态(φ,θ,ψ)进行更新，参见图3。从而可以通过上述机动约束条件对参考航点进行机动约束判断。

若参考航点满足机动约束条件，则将其直接作为无人机的目标航点；当参考航点不满足机动约束条件时，需要确定搜索范围、优化标准和约束条件，并据此建立优化航点的优化模型。采用序列二次规划(SQP)的优化方法对建立的优化模型进行优化，得到最优的航点作为无人机的目标航点。如果参考航路点P_ri不满足机动约束，则需要在区域Cir(P_ri,r)-P_ri中搜索最佳航点，该区域表示为以参考航点P_ri为圆心，以r为半径的去心圆。以参考航点P_ri为参照解，在其有限范围内进行优化搜索，可以有效提高优化算法的搜索效率。在提出的方法中，农用旋翼机航迹规划的目标是最大限度地减少自然风引起的农药漂移，目标函数

定义最小化药滴的落点沉积中心

和理想沉积中心D_d的距离。优化模型的约束条件即为此前提出的机动约束条件。该方法通过对旋翼机机动极限和最小姿态变化的约束下，使优化航点处的沉积中心的位置最接近喷雾区域轴上的理想沉积位置。

本实施例还公开一种基于航机优化的植保无人机精准对靶喷洒装置，包括无人机、地面端传感设备、飞行控制模块、以及机载嵌入式伴飞计算机，参见图4。因为嵌入式计算机具有接口丰富、功耗低、灵活性强、体积小等特点，所述无人机的机载端设有用于实现液滴沉积中心位置估计、航迹优化等信息处理功能的机载嵌入式伴飞计算机，其与飞行控制模块间通过串口进行通信，并可实时获取无人机位置和运动信息。地面端设有测风仪，其将采样到的风速、风向数据通过无线网络发送至机载端计算机，机载端计算机植入液滴沉积模型和优化算法，对收到的风信息做进一步后续的相关处理，生成单次调整过程中有效喷洒面积最优的航点，并将得到的航点通过外部控制指令的方式发送到飞行控制模块，完成对航迹的调整，实现对药滴沉积中心偏移的补偿。

上述为本发明较佳的实施方式，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，但本发明的实施方式并不受上述内容的限制，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，任何未背离本发明的精神实质与原理下所做的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种基于航迹优化的无人机精准施药作业方法，其特征在于，包括以下步骤：

(1)按照待施药的地块进行初始航线规划，植保无人机根据规划的飞行航线对施药区域进行农药喷施；

(2)利用各个施药区域地面端布置的测风仪对当前自然风速、风向数据进行采集，每隔T秒做一次采样；

(3)将路线变化周期设置为T’秒，T＝T’；路线变化时刻利用无人机内置的GPS、IMU传感器采集的无人机位置和运动信息和步骤(2)中测得的风速风向信息，通过简化的液滴沉积模型估计药滴的落点中心位置，并基于此得出无人机调整的理想位置作为参考航点；

(4)依据建立的机动约束约束条件对步骤(3)得到的参考航点的可飞性进行判断，若满足机动约束条件，则将其直接作为无人机的目标航点；当参考航点不满足机动约束条件时，需要确定搜索范围、优化标准和约束条件，并据此建立优化航点的优化模型；采用序列二次规划SQP的优化方法对建立的优化模型进行优化，得到最优的航点作为无人机的目标航点。

2.根据权利要求1所述的基于航迹优化的无人机精准施药作业方法，其特征在于：在步骤(3)中，无人机位置和运动信息包括位置、速度、姿态信息。

3.根据权利要求1所述的基于航迹优化的无人机精准施药作业方法，其特征在于：在步骤(3)中采用的简化的液滴沉积模型，液滴的沉积中心位置D_i由无人机当前水平位置P_i和当前气流速度和流向

得到，将该函数关系记为

若D_d是喷雾液滴的理想沉积中心，D_d位于作业区域的中轴线上，则参考航点P_ri与它们之间的关系为

4.根据权利要求1所述的基于航迹优化的无人机精准施药作业方法，其特征在于：在步骤(4)中，机动约束条件包括旋翼升力约束和姿态约束，旋翼升力约束的形式为：

F_min≤F_n≤F_max

上式中，F_n为无人机由当前位置飞行到目标航点过程中的第n个旋翼的升力大小，F_min和F_max为无人机单个旋翼的最小和最大升力；

姿态约束的形式为：

上式中，

θ、ψ分别为无人机由当前位置飞行到目标航点过程中的滚转角、俯仰角、航向角，

θ_max、ψ_max分别是对滚转角、俯仰角、航向角大小限制的最大值。

5.根据权利要求1所述的基于航迹优化的无人机精准施药作业方法，其特征在于：在步骤(4)中，目标函数的搜索范围形式为：

Cir(P_ri,r)-P_ri

上式为以参考航点P_ri为圆心，r为半径的去心圆。

6.根据权利要求1所述的基于航迹优化的无人机精准施药作业方法，其特征在于：在步骤(4)中，建立的目标函数如下：

P_i＝Cir(P_ri,r)-P_ri

其中，f是落点沉积位置估计函数，

表示在第i个目标航点，当前风矢量为

时药滴的落点沉积中心，目标函数J定义最小化药滴的落点沉积中心

和理想沉积中心D_d的距离。

Images