CN116225072A - 一种适用于农业运输机的路线实时规划管理系统 - Google Patents

一种适用于农业运输机的路线实时规划管理系统 Download PDF

Info

Publication number
CN116225072A
CN116225072A CN202310510840.1A CN202310510840A CN116225072A CN 116225072 A CN116225072 A CN 116225072A CN 202310510840 A CN202310510840 A CN 202310510840A CN 116225072 A CN116225072 A CN 116225072A
Authority
CN
China
Prior art keywords
real
unmanned aerial
aerial vehicle
time
agricultural
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.)
Granted
Application number
CN202310510840.1A
Other languages
English (en)
Other versions
CN116225072B (zh
Inventor
王海龙
颜承春
王娣
田峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanzhou Luguang Machinery Co ltd
Original Assignee
Yanzhou Luguang Machinery Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanzhou Luguang Machinery Co ltd filed Critical Yanzhou Luguang Machinery Co ltd
Priority to CN202310510840.1A priority Critical patent/CN116225072B/zh
Publication of CN116225072A publication Critical patent/CN116225072A/zh
Application granted granted Critical
Publication of CN116225072B publication Critical patent/CN116225072B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及路线规划技术领域，具体公开了一种适用于农业运输机的路线实时规划管理系统，所述系统包括：摄像装置，设置于农业运输无人机上，用于采集下一作业区域的图像信息；识别分析模块，用于对图像信息实现识别，获取作业区域轮廓及作物状态信息；路径规划模块，用于根据作业区域轮廓按预设方向模拟路径，测算每个方向模拟路径的过程参数，根据过程参数进行分析，获得最佳路径；状态监测模块，用于监测农业运输无人机的状态参数；预警模块，用于根据作物状态信息、农业运输无人机的状态参数及最佳路径进行预警分析，根据分析结果对农业运输机进行管理。

Description

一种适用于农业运输机的路线实时规划管理系统
技术领域
本发明涉及路线规划技术领域，具体为一种适用于农业运输机的路线实时规划管理系统。
背景技术
随着智能装备在农业领域的运用及发展，需要人工的相关操作工序逐渐通过智能设备来代替完成，提高了农业机械化、智能化的程度，其中，对于农作物施肥的工序而言，可通过施肥用农业运输无人机来实现对应的操作过程，不仅效率高，还能保证施肥作业的均匀性；在此过程中，通过对施肥区域的分析，进而模拟出农业运输无人机行驶的路径，便于按照该行驶路径进行作业。
现有的路径规划方案主要通过两种轨迹确定方式，一是直接由无人机控制人员根据目视实时对其行驶路线进行调整；二是通过无人机路线往复叠加的方式，将作业区域进行覆盖，进而确定出行驶路线。
现有的路径规划方式中，人工调整的方式会由于人员操作的熟练程度存在较大的操作风险，导致区域漏撒、多撒等问题的产生；而根据作业区域往复叠加确定的路径，适用于平原较为规整作业区域时，直接根据作业区域的排布方式即能确定，然而对于丘陵、山地等不规则农田的作业过程，其无法确定作业方式，且不同的路径规划方案对于作业的效果、效率均产生不同的影响；同时，现有的农业运输无人机的预警方式主要通过无人机自身的状态参数，其判断的结果精确度有限。
发明内容
本发明的目的在于提供一种适用于农业运输机的路线实时规划管理系统，解决以下技术问题：
（1）如何对不规则作业区域进行路径规划以保证作业效果；
（2）如果更加准确的对农业运输无人机状态进行监测。
本发明的目的可以通过以下技术方案实现：
一种适用于农业运输机的路线实时规划管理系统，所述系统包括：
摄像装置，设置于农业运输无人机上，用于采集下一作业区域的图像信息；
识别分析模块，用于对图像信息实现识别，获取作业区域轮廓及作物状态信息；
路径规划模块，用于根据作业区域轮廓按预设方向模拟路径，测算每个方向模拟路径的过程参数，根据过程参数进行分析，获得最佳路径；
状态监测模块，用于监测农业运输无人机的状态参数；
预警模块，用于根据作物状态信息、农业运输无人机的状态参数及最佳路径进行预警分析，根据分析结果对农业运输机进行管理。
于一实施例中，所述路径模拟的过程包括：
步骤一、获取作业区域轮廓中相邻最远两点，将两点连线确定第一轨迹直线，以第一轨迹直线为基准，以预设夹角
Figure SMS_1
为间隔获取/>
Figure SMS_2
组第二轨迹直线，将第一轨迹直线与第二轨迹直线组成轨迹直线集，45°≥/>
Figure SMS_3
≥10°；
步骤二、针对轨迹直线集中的每个轨迹直线，按照农业运输无人机作业宽度范围以平行于对应轨迹直线的方式将作业区域轮廓切分为若干份切分区间，并在每个切分区间相对该轨迹直线方向的边缘位置设置临界点；
步骤三、以处于边缘位置切分区间的临界点A为起点，判断起点A到当前切分区间的另一临界点B距离
Figure SMS_4
是否大于等于起点A到相邻下一切分区间处于临界点B同侧临界点C在该方向上的投影距离/>
Figure SMS_5
：
若
Figure SMS_6
，则/>
Figure SMS_7
即为第一轨迹方向，/>
Figure SMS_8
为第二轨迹方向，/>
Figure SMS_9
为B在CD连线上的投影；
否则，
Figure SMS_10
连线即为第一轨迹方向，/>
Figure SMS_11
为C在AB连线上的投影，/>
Figure SMS_12
为第二轨迹方向；
步骤四、以第二轨迹方向的终点为起点，对每个切分区间执行步骤三过程，形成每个方向的模拟路径。
于一实施例中，模拟路径的过程参数包括切分区间数、总行进距离及每个切分区间的行进距离。
于一实施例中，所述最佳路径的获取过程包括：
通过公式
Figure SMS_13
计算获得第i组模拟路径的推荐值/>
Figure SMS_14
；
其中，i∈[1，
Figure SMS_16
]，S为作业区域轮廓测算面积；/>
Figure SMS_20
为参照函数；/>
Figure SMS_22
为第i组模拟路径的总长度；/>
Figure SMS_17
为切分区间的个数；j∈[1，/>
Figure SMS_19
]；/>
Figure SMS_21
为第i组模拟路径第j个切分区间的长度，/>
Figure SMS_23
为第i组模拟路径每个切分区间的长度平均值；/>
Figure SMS_15
、/>
Figure SMS_18
为预设固定系数；
选择
Figure SMS_24
组中最大推荐值/>
Figure SMS_25
对应的模拟路径作为最佳路径。
于一实施例中，所述作物状态信息包括作物种类及作物种植密度；
农业运输无人机的状态参数包括运载量；
所述预警分析的过程包括：
通过公式
Figure SMS_26
计算获得运载量预测变化曲线/>
Figure SMS_27
；
其中，
Figure SMS_28
为农业运输无人机运载总量；/>
Figure SMS_29
为k类型农作物对应损耗率函数，/>
Figure SMS_30
为农作物种植密度；
测算实时运载量变化数据；
通过公式：
Figure SMS_31
计算获得t时刻的异常误差量/>
Figure SMS_32
；
其中，Q(t)为实时运载量变化曲线，
Figure SMS_33
表示0~t时段
Figure SMS_34
的最大值；/>
Figure SMS_35
、/>
Figure SMS_36
、/>
Figure SMS_37
为预设固定系数，且/>
Figure SMS_38
；
将
Figure SMS_39
与预设阈值/>
Figure SMS_40
进行比对：
若
Figure SMS_41
，则进行预警并停止作业，将农业运输无人机路线调整为回到加料点；
若
Figure SMS_42
，则按照最佳路径进行作业。
于一实施例中，农业运输无人机的状态参数还包括实时剩余电量及实时电源温度值；
所述预警过程还包括：
根据实时电源温度值对电源状态进行温度异常分析：
若温度异常分析正常，则根据实时运载量变化曲线Q(t)及实时电源温度值对农业运输无人机进行耗电量异常分析；
若温度异常分析异常，则进行预警并停止作业，将农业运输无人机路线调整为回到加料点。
于一实施例中，所述温度异常分析的过程包括：
通过公式
Figure SMS_43
计算获得温度异常系数/>
Figure SMS_44
；
其中，T(t)为实时温度值，
Figure SMS_45
为温度参考值；/>
Figure SMS_46
表示0~t时段内
Figure SMS_47
最大值，/>
Figure SMS_48
为修正系数；
将温度异常系数
Figure SMS_49
与预设阈值/>
Figure SMS_50
进行比较：
若
Figure SMS_51
，则判断温度状态异常；
若
Figure SMS_52
，则判断温度状态正常。
于一实施例中，所述耗电量异常分析的过程包括：
通过公式
Figure SMS_53
计算获得预测电量曲线/>
Figure SMS_54
；
其中，
Figure SMS_55
起始剩余电量；/>
Figure SMS_56
为耗电速率均值；/>
Figure SMS_57
为负载影响系数；/>
Figure SMS_58
为温度影响函数；
测算实时电量变化数据；
通过公式
Figure SMS_59
计算获得耗电异常系数/>
Figure SMS_60
；
其中，E(t)为实时电量变化曲线，
Figure SMS_61
表示0~t时段/>
Figure SMS_62
最大值；
Figure SMS_63
为参考标准耗电速率；/>
Figure SMS_64
、/>
Figure SMS_65
为预设调整系数；
将
Figure SMS_66
与预设阈值/>
Figure SMS_67
进行比较：
若
Figure SMS_68
，则判断耗电量异常，进行预警并停止作业，将农业运输无人机路线调整为回到加料点；
否则，则判断耗电量正常，保持正常运行。
本发明的有益效果：
（1）本发明通过根据各个方向模拟路径过程参数的分析过程，选择最佳路径，进而能够针对不规则作业区域，确定最佳的作业路径，保证作业效果；另外在状态监测模块监测农业运输无人机的状态参数的同时，通过结合物状态信息、农业运输无人机的状态参数及最佳路径进行预警分析，进而能够提高预警监测的准确性，保证作业过程的稳定性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明适用于农业运输机的路线实时规划管理系统的概要框示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，在一个实施例中，提供了一种适用于农业运输机的路线实时规划管理系统，所述系统包括：
摄像装置，设置于农业运输无人机上，用于采集下一作业区域的图像信息；
识别分析模块，用于对图像信息实现识别，获取作业区域轮廓及作物状态信息；
路径规划模块，用于根据作业区域轮廓按预设方向模拟路径，测算每个方向模拟路径的过程参数，根据过程参数进行分析，获得最佳路径；
状态监测模块，用于监测农业运输无人机的状态参数；
预警模块，用于根据作物状态信息、农业运输无人机的状态参数及最佳路径进行预警分析，根据分析结果对农业运输机进行管理。
通过上述技术方案，本实施例通过路径规划模块按预设方向对作业区域轮廓进行模拟路径，根据各个方向模拟路径过程参数的分析过程，选择最佳路径，进而能够针对不规则作业区域，确定最佳的作业路径，保证作业效果；另外，本实施例在状态监测模块监测农业运输无人机的状态参数的同时，通过结合物状态信息、农业运输无人机的状态参数及最佳路径进行预警分析，进而能够提高预警监测的准确性，保证作业过程的稳定性。
上述技术方案中，作业区域轮廓及作物状态信息的获取过程均通过摄像装置采集图像信息，并通过识别分析模块来实现，其具体过程通过现有技术中的AI识别技术来实现，本实施例不作进一步详述。
作为本发明的一种实施方式，所述路径模拟的过程包括：
步骤一、获取作业区域轮廓中相邻最远两点，将两点连线确定第一轨迹直线，以第一轨迹直线为基准，以预设夹角
Figure SMS_69
为间隔获取/>
Figure SMS_70
组第二轨迹直线，将第一轨迹直线与第二轨迹直线组成轨迹直线集，45°≥/>
Figure SMS_71
≥10°；
步骤二、针对轨迹直线集中的每个轨迹直线，按照农业运输无人机作业宽度范围以平行于对应轨迹直线的方式将作业区域轮廓切分为若干份切分区间，并在每个切分区间相对该轨迹直线方向的边缘位置设置临界点；
步骤三、以处于边缘位置切分区间的临界点A为起点，判断起点A到当前切分区间的另一临界点B距离
Figure SMS_72
是否大于等于起点A到相邻下一切分区间处于临界点B同侧临界点C在该方向上的投影距离/>
Figure SMS_73
：
若
Figure SMS_74
，则/>
Figure SMS_75
即为第一轨迹方向，/>
Figure SMS_76
为第二轨迹方向，/>
Figure SMS_77
为B在CD连线上的投影；
否则，
Figure SMS_78
连线即为第一轨迹方向，/>
Figure SMS_79
为C在AB连线上的投影，/>
Figure SMS_80
为第二轨迹方向；
步骤四、以第二轨迹方向的终点为起点，对每个切分区间执行步骤三过程，形成每个方向的模拟路径。
通过上述技术方案，提供了用于模拟的方向获取过程及各个方向的路线模拟方法，其中，步骤一通过获取作业区域轮廓中相邻最远两点，将两点连线确定第一轨迹直线，以第一轨迹直线为基准，以预设夹角45°为间隔获取3组第二轨迹直线，将第一轨迹直线与第二轨迹直线组成轨迹直线集，需要说明的是，相向的两组方向属于同一轨迹之间，因此以预设夹角45°切分获得的所有轨迹直线共四组；因此通过步骤一，能够获取4种模拟路线的排布方式；再通过步骤二，针对轨迹直线集中的每个轨迹直线，按照农业运输无人机作业宽度范围以平行于对应轨迹直线的方式将作业区域轮廓切分为若干份切分区间，并在每个切分区间相对该轨迹直线方向的边缘位置设置临界点；步骤三、以处于边缘位置切分区间的临界点A为起点，判断起点A到当前切分区间的另一临界点B距离
Figure SMS_81
是否大于等于起点A到相邻下一切分区间处于临界点B同侧临界点C在该方向上的投影距离/>
Figure SMS_84
：若/>
Figure SMS_88
，则/>
Figure SMS_83
即为第一轨迹方向，/>
Figure SMS_86
为第二轨迹方向，/>
Figure SMS_87
为B在CD连线上的投影；否则，/>
Figure SMS_89
连线即为第一轨迹方向，/>
Figure SMS_82
为C在AB连线上的投影，/>
Figure SMS_85
为第二轨迹方向，步骤四、以第二轨迹方向的终点为起点，对每个切分区间执行步骤三过程，形成每个方向的模拟路径，通过上述技术方案，对切分区域按轨迹依次交错填充的方式，进而能够获取每个方向的模拟路径，同时通过第一轨迹方向、第二轨迹方向的判断过程，能够保证模拟路径能够将作业区域完全覆盖的基础上，且尽量减少总行进距离。/>
作为本发明的一种实施方式，模拟路径的过程参数包括切分区间数、总行进距离及每个切分区间的行进距离。
所述最佳路径的获取过程包括：
通过公式
Figure SMS_90
计算获得第i组模拟路径的推荐值/>
Figure SMS_91
；
其中，i∈[1，
Figure SMS_93
]，S为作业区域轮廓测算面积；/>
Figure SMS_96
为参照函数；/>
Figure SMS_98
为第i组模拟路径的总长度；/>
Figure SMS_94
为切分区间的个数；j∈[1，/>
Figure SMS_97
]；/>
Figure SMS_99
为第i组模拟路径第j个切分区间的长度，/>
Figure SMS_100
为第i组模拟路径每个切分区间的长度平均值；/>
Figure SMS_92
、/>
Figure SMS_95
为预设固定系数；
选择
Figure SMS_101
组中最大推荐值/>
Figure SMS_102
对应的模拟路径作为最佳路径。
通过上述技术方案，本实施例通过计算每个模拟路径的推荐值
Figure SMS_103
，通过推荐值大小选择最佳路径，具体的，通过公式/>
Figure SMS_104
来获得推荐值，其根据每组模拟路径的总长度状态/>
Figure SMS_105
、反映转折次数状态的/>
Figure SMS_106
及每个模拟路径行进距离状态/>
Figure SMS_107
进行综合性判断，其中，
Figure SMS_108
，另外，总长度越长，则对应效率越低且耗能越高，转折次数较多时，一方面会影响效率，另一方面，会导致区域边缘处的撒料出现不均匀性问题，同时行进距离在同一方向上持续工作过长和过短，也会对其状态产生不良影响，因此，通过推荐值的计算过程，能够结合上述因素选择最佳路径。
需要说明的是，参照函数
Figure SMS_109
，/>
Figure SMS_110
为作业宽度，其为固定值；预设固定系数
Figure SMS_111
、/>
Figure SMS_112
根据经验数据拟合设定，在此不作详述。
作为本发明的一种实施方式，所述作物状态信息包括作物种类及作物种植密度；
农业运输无人机的状态参数包括运载量；
所述预警分析的过程包括：
通过公式
Figure SMS_113
计算获得运载量预测变化曲线/>
Figure SMS_114
；
其中，
Figure SMS_115
为农业运输无人机运载总量；/>
Figure SMS_116
为k类型农作物对应损耗率函数，/>
Figure SMS_117
为农作物种植密度；
测算实时运载量变化数据；
通过公式：
Figure SMS_118
计算获得t时刻的异常误差量/>
Figure SMS_119
；
其中，Q(t)为实时运载量变化曲线，
Figure SMS_120
表示0~t时段
Figure SMS_121
的最大值；/>
Figure SMS_122
、/>
Figure SMS_123
、/>
Figure SMS_124
为预设固定系数，且/>
Figure SMS_125
；
将
Figure SMS_126
与预设阈值/>
Figure SMS_127
进行比对：
若
Figure SMS_128
，则进行预警并停止作业，将农业运输无人机路线调整为回到加料点；
若
Figure SMS_129
，则按照最佳路径进行作业。
通过上述技术方案，本实施例给出了一种对农业运输无人机运载状态的预警监测方法，通过根据作物种类及作物种植密度确定获得运载量预测变化曲线
Figure SMS_131
，
Figure SMS_133
，其中，损耗率函数/>
Figure SMS_136
根据k类型农作物的经验数据拟合获得，因此，/>
Figure SMS_132
能够预测运载量的实时变化状态；之后，再根据实时运载量的变化数据与预测结果比对，进而判断是否存在异常；具体地，通过计算获得t时刻的异常误差量/>
Figure SMS_134
，综合实时数据、历史数据对误差状态进行综合性判断，其中，预设固定系数/>
Figure SMS_137
、/>
Figure SMS_139
、/>
Figure SMS_130
根据经验数据划分不同比例数值，满足/>
Figure SMS_135
；因此通过/>
Figure SMS_138
与预设阈值/>
Figure SMS_140
进行比对，进而实现运载量状态的实时预警监测过程。
需要说明的是，预设阈值
Figure SMS_141
根据经验数据拟合设定，在此不作进一步详述。
作为本发明的一种实施方式，农业运输无人机的状态参数还包括实时剩余电量及实时电源温度值；
所述预警过程还包括：
根据实时电源温度值对电源状态进行温度异常分析：
若温度异常分析正常，则根据实时运载量变化曲线Q(t)及实时电源温度值对农业运输无人机进行耗电量异常分析；
若温度异常分析异常，则进行预警并停止作业，将农业运输无人机路线调整为回到加料点。
通过上述技术方案，本实例还根据农业运输无人机的状态参数对其用电状态进行预警分析，首先根据实时电源温度值对电源状态进行温度异常分析：若温度异常分析正常，则根据实时运载量变化曲线Q(t)及实时电源温度值对农业运输无人机进行耗电量异常分析；若温度异常分析异常，则进行预警并停止作业，将农业运输无人机路线调整为回到加料点；通过上述方案，能够在电源温度状态出现明显异常时进行判断，且再温度正常时，进一步结合实时运载量变化曲线Q(t)及实时电源温度值进行分析判断，提高监测预警的准确性。
作为本发明的一种实施方式，所述温度异常分析的过程包括：
通过公式
Figure SMS_142
计算获得温度异常系数/>
Figure SMS_143
；/>
其中，T(t)为实时温度值，
Figure SMS_144
为温度参考值；/>
Figure SMS_145
表示0~t时段内
Figure SMS_146
最大值，/>
Figure SMS_147
为修正系数；
将温度异常系数
Figure SMS_148
与预设阈值/>
Figure SMS_149
进行比较：
若
Figure SMS_150
，则判断温度状态异常；
若
Figure SMS_151
，则判断温度状态正常。
通过说明的是，本实施例通过公式
Figure SMS_152
计算获得温度异常系数/>
Figure SMS_153
，通过温度异常系数/>
Figure SMS_154
与预设阈值/>
Figure SMS_155
的比较来判断温度异常状态，其中，预设阈值/>
Figure SMS_156
根据经验数据拟合设定，温度异常系数
Figure SMS_157
，其根据实时的温度状态/>
Figure SMS_158
及温度最大变化量状态进行综合判断，进而实现温度状态异常分析过程，
需要说明的是，上述公式中的温度参考值
Figure SMS_159
根据正常状态下电源温度状态值设定，修正系数/>
Figure SMS_160
根据经验数据拟合设定，在此不作详述。
作为本发明的一种实施方式，所述耗电量异常分析的过程包括：
通过公式
Figure SMS_161
计算获得预测电量曲线/>
Figure SMS_162
；
其中，
Figure SMS_163
起始剩余电量；/>
Figure SMS_164
为耗电速率均值；/>
Figure SMS_165
为负载影响系数；/>
Figure SMS_166
为温度影响函数；
测算实时电量变化数据；
通过公式
Figure SMS_167
计算获得耗电异常系数/>
Figure SMS_168
；
其中，E(t)为实时电量变化曲线，
Figure SMS_169
表示0~t时段/>
Figure SMS_170
最大值；
Figure SMS_171
为参考标准耗电速率；/>
Figure SMS_172
、/>
Figure SMS_173
为预设调整系数；
将
Figure SMS_174
与预设阈值/>
Figure SMS_175
进行比较：
若
Figure SMS_176
，则判断耗电量异常，进行预警并停止作业，将农业运输无人机路线调整为回到加料点；
否则，则判断耗电量正常，保持正常运行。
通过上述技术方案，本实施例首先根据负载实时变化曲线Q(t)对电量变化曲线进行预测，获得预测电量曲线
Figure SMS_179
，其中，耗电速率均值/>
Figure SMS_184
根据测试数据选择设定，负载影响系数/>
Figure SMS_186
及温度影响函数/>
Figure SMS_180
根据经验数据拟合分析后获得，因此，预测电量曲线能够反映出预测标准的电量损耗状态；进而通过测算实时电量变化数据与其进行比对，进而能够判断电量损耗状态是否异常，具体地，通过公式
Figure SMS_182
计算获得耗电异常系数/>
Figure SMS_187
，通过/>
Figure SMS_189
与预设阈值/>
Figure SMS_177
的比较过程进行判断，预设阈值/>
Figure SMS_181
根据经验数据拟合设定，因此在/>
Figure SMS_185
时，判断耗电量异常，进行预警并停止作业，将农业运输无人机路线调整为回到加料点，进而对其进行及时的检修，保证作业过程的稳定进行；其中，耗电异常系数综合历史耗电量差值及最大耗电速率状态进行综合判断，其中，参考标准耗电速率/>
Figure SMS_188
根据经验数据选择设定，预设调整系数/>
Figure SMS_178
、/>
Figure SMS_183
根据测试数据拟合分析获得，因此通过耗电异常系数的计算过程，能够实现对耗电异常状态的准确判断过程。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (8)

1.一种适用于农业运输机的路线实时规划管理系统，其特征在于，所述系统包括：
摄像装置，设置于农业运输无人机上，用于采集下一作业区域的图像信息；
识别分析模块，用于对图像信息实现识别，获取作业区域轮廓及作物状态信息；
路径规划模块，用于根据作业区域轮廓按预设方向模拟路径，测算每个方向模拟路径的过程参数，根据过程参数进行分析，获得最佳路径；
状态监测模块，用于监测农业运输无人机的状态参数；
预警模块，用于根据作物状态信息、农业运输无人机的状态参数及最佳路径进行预警分析，根据分析结果对农业运输机进行管理。
2.根据权利要求1所述的一种适用于农业运输机的路线实时规划管理系统，其特征在于，所述路径模拟的过程包括：
步骤一、获取作业区域轮廓中相邻最远两点，将两点连线确定第一轨迹直线，以第一轨迹直线为基准，以预设夹角
Figure QLYQS_1
为间隔获取/>
Figure QLYQS_2
组第二轨迹直线，将第一轨迹直线与第二轨迹直线组成轨迹直线集，45°≥/>
Figure QLYQS_3
≥10°；
步骤二、针对轨迹直线集中的每个轨迹直线，按照农业运输无人机作业宽度范围以平行于对应轨迹直线的方式将作业区域轮廓切分为若干份切分区间，并在每个切分区间相对该轨迹直线方向的边缘位置设置临界点；
步骤三、以处于边缘位置切分区间的临界点A为起点，判断起点A到当前切分区间的另一临界点B距离
Figure QLYQS_4
是否大于等于起点A到相邻下一切分区间处于临界点B同侧临界点C在该方向上的投影距离/>
Figure QLYQS_5
：
若
Figure QLYQS_6
，则/>
Figure QLYQS_7
即为第一轨迹方向，/>
Figure QLYQS_8
为第二轨迹方向，/>
Figure QLYQS_9
为B在CD连线上的投影；
否则，
Figure QLYQS_10
连线即为第一轨迹方向，/>
Figure QLYQS_11
为C在AB连线上的投影，/>
Figure QLYQS_12
为第二轨迹方向；
步骤四、以第二轨迹方向的终点为起点，对每个切分区间执行步骤三过程，形成每个方向的模拟路径。
3.根据权利要求2所述的一种适用于农业运输机的路线实时规划管理系统，其特征在于，模拟路径的过程参数包括切分区间数、总行进距离及每个切分区间的行进距离。
4.根据权利要求3所述的一种适用于农业运输机的路线实时规划管理系统，其特征在于，所述最佳路径的获取过程包括：
通过公式
Figure QLYQS_13
计算获得第i组模拟路径的推荐值/>
Figure QLYQS_14
；
其中，i∈[1，
Figure QLYQS_17
]，S为作业区域轮廓测算面积；/>
Figure QLYQS_18
为参照函数；/>
Figure QLYQS_21
为第i组模拟路径的总长度；/>
Figure QLYQS_15
为切分区间的个数；j∈[1，/>
Figure QLYQS_19
]；/>
Figure QLYQS_22
为第i组模拟路径第j个切分区间的长度，/>
Figure QLYQS_23
为第i组模拟路径每个切分区间的长度平均值；/>
Figure QLYQS_16
、/>
Figure QLYQS_20
为预设固定系数；
选择
Figure QLYQS_24
组中最大推荐值/>
Figure QLYQS_25
对应的模拟路径作为最佳路径。
5.根据权利要求4所述的一种适用于农业运输机的路线实时规划管理系统，其特征在于，所述作物状态信息包括作物种类及作物种植密度；
农业运输无人机的状态参数包括运载量；
所述预警分析的过程包括：
通过公式
Figure QLYQS_26
计算获得运载量预测变化曲线/>
Figure QLYQS_27
；
其中，
Figure QLYQS_28
为农业运输无人机运载总量；/>
Figure QLYQS_29
为k类型农作物对应损耗率函数，/>
Figure QLYQS_30
为农作物种植密度；
测算实时运载量变化数据；
通过公式：
Figure QLYQS_31
计算获得t时刻的异常误差量/>
Figure QLYQS_32
；
其中，Q(t)为实时运载量变化曲线，
Figure QLYQS_33
表示0~t时段
Figure QLYQS_34
的最大值；/>
Figure QLYQS_35
、/>
Figure QLYQS_36
、/>
Figure QLYQS_37
为预设固定系数，且/>
Figure QLYQS_38
；
将
Figure QLYQS_39
与预设阈值/>
Figure QLYQS_40
进行比对：
若
Figure QLYQS_41
，则进行预警并停止作业，将农业运输无人机路线调整为回到加料点；
若
Figure QLYQS_42
，则按照最佳路径进行作业。
6.根据权利要求5所述的一种适用于农业运输机的路线实时规划管理系统，其特征在于，农业运输无人机的状态参数还包括实时剩余电量及实时电源温度值；
所述预警分析的过程还包括：
根据实时电源温度值对电源状态进行温度异常分析：
若温度异常分析正常，则根据实时运载量变化曲线Q(t)及实时电源温度值对农业运输无人机进行耗电量异常分析；
若温度异常分析异常，则进行预警并停止作业，将农业运输无人机路线调整为回到加料点。
7.根据权利要求6所述的一种适用于农业运输机的路线实时规划管理系统，其特征在于，所述温度异常分析的过程包括：
通过公式
Figure QLYQS_43
计算获得温度异常系数/>
Figure QLYQS_44
；
其中，T(t)为实时温度值，
Figure QLYQS_45
为温度参考值；/>
Figure QLYQS_46
表示0~t时段内/>
Figure QLYQS_47
最大值，/>
Figure QLYQS_48
为修正系数；/>
将温度异常系数
Figure QLYQS_49
与预设阈值/>
Figure QLYQS_50
进行比较：
若
Figure QLYQS_51
，则判断温度状态异常；
若
Figure QLYQS_52
，则判断温度状态正常。
8.根据权利要求6所述的一种适用于农业运输机的路线实时规划管理系统，其特征在于，所述耗电量异常分析的过程包括：
通过公式
Figure QLYQS_53
计算获得预测电量曲线/>
Figure QLYQS_54
；
其中，
Figure QLYQS_55
起始剩余电量；/>
Figure QLYQS_56
为耗电速率均值；/>
Figure QLYQS_57
为负载影响系数；/>
Figure QLYQS_58
为温度影响函数；
测算实时电量变化数据；
通过公式
Figure QLYQS_59
计算获得耗电异常系数/>
Figure QLYQS_60
；
其中，E(t)为实时电量变化曲线，
Figure QLYQS_61
表示0~t时段/>
Figure QLYQS_62
最大值；/>
Figure QLYQS_63
为参考标准耗电速率；/>
Figure QLYQS_64
、/>
Figure QLYQS_65
为预设调整系数；
将
Figure QLYQS_66
与预设阈值/>
Figure QLYQS_67
进行比较：
若
Figure QLYQS_68
，则判断耗电量异常，进行预警并停止作业，将农业运输无人机路线调整为回到加料点；
否则，则判断耗电量正常，保持正常运行。
CN202310510840.1A 2023-05-09 2023-05-09 一种适用于农业运输机的路线实时规划管理系统 Active CN116225072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310510840.1A CN116225072B (zh) 2023-05-09 2023-05-09 一种适用于农业运输机的路线实时规划管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310510840.1A CN116225072B (zh) 2023-05-09 2023-05-09 一种适用于农业运输机的路线实时规划管理系统

Publications (2)

Publication Number Publication Date
CN116225072A true CN116225072A (zh) 2023-06-06
CN116225072B CN116225072B (zh) 2023-07-18

Family

ID=86584703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310510840.1A Active CN116225072B (zh) 2023-05-09 2023-05-09 一种适用于农业运输机的路线实时规划管理系统

Country Status (1)

Country Link
CN (1) CN116225072B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116819025A (zh) * 2023-07-03 2023-09-29 中国水利水电科学研究院 一种基于物联网的水质监测系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150066248A1 (en) * 2013-08-30 2015-03-05 Insitu, Inc. Unmanned vehicle searches
CN108021093A (zh) * 2017-12-13 2018-05-11 中国农业大学 基于nc程序的腹板折线进刀参数优化方法
CN109885063A (zh) * 2019-03-15 2019-06-14 江苏大学 一种融合视觉和激光传感器的施药机器人农田路径规划方法
CN110371294A (zh) * 2019-07-12 2019-10-25 仲恺农业工程学院 植保无人机系统及植保无人机作业方法
CN113239864A (zh) * 2021-05-31 2021-08-10 南通大学 一种适用于农业调查的无人机的路线规划方法
CN113325868A (zh) * 2021-05-31 2021-08-31 南通大学 一种基于无人机的农作物实时识别系统及方法
WO2022095067A1 (zh) * 2020-11-09 2022-05-12 深圳市大疆创新科技有限公司 路径规划方法、路径规划装置、路径规划系统和介质
CN115902926A (zh) * 2022-11-23 2023-04-04 广西壮族自治区林业科学研究院 一种基于搭载激光雷达无人机群的森林样地调查监测系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150066248A1 (en) * 2013-08-30 2015-03-05 Insitu, Inc. Unmanned vehicle searches
CN108021093A (zh) * 2017-12-13 2018-05-11 中国农业大学 基于nc程序的腹板折线进刀参数优化方法
CN109885063A (zh) * 2019-03-15 2019-06-14 江苏大学 一种融合视觉和激光传感器的施药机器人农田路径规划方法
CN110371294A (zh) * 2019-07-12 2019-10-25 仲恺农业工程学院 植保无人机系统及植保无人机作业方法
WO2022095067A1 (zh) * 2020-11-09 2022-05-12 深圳市大疆创新科技有限公司 路径规划方法、路径规划装置、路径规划系统和介质
CN113239864A (zh) * 2021-05-31 2021-08-10 南通大学 一种适用于农业调查的无人机的路线规划方法
CN113325868A (zh) * 2021-05-31 2021-08-31 南通大学 一种基于无人机的农作物实时识别系统及方法
CN115902926A (zh) * 2022-11-23 2023-04-04 广西壮族自治区林业科学研究院 一种基于搭载激光雷达无人机群的森林样地调查监测系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116819025A (zh) * 2023-07-03 2023-09-29 中国水利水电科学研究院 一种基于物联网的水质监测系统及方法
CN116819025B (zh) * 2023-07-03 2024-01-23 中国水利水电科学研究院 一种基于物联网的水质监测系统及方法

Also Published As

Publication number Publication date
CN116225072B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN116225072B (zh) 一种适用于农业运输机的路线实时规划管理系统
CA2893017C (en) Light emission power control apparatus and method
US20150278405A1 (en) Method for evaluating a performance prediction for a wind farm
CN105228175B (zh) 一种基于决策树的基站能耗优化方法及系统
CN116506470B (zh) 基于智慧燃气gis的安全巡检方法和物联网系统
CN102147982B (zh) 一种扇区动态容量预测的方法
CN107238360A (zh) 一种农机作业行距获取方法及装置
WO2021007845A1 (zh) 一种氧化铝生产指标的云-边协同预报系统及方法
CN108776722A (zh) 一种基于设计速度的城市离散交通网络设计方法
CN116660633A (zh) 一种通信基站环境电磁辐射检测系统
CN117411115A (zh) 储能电源状态的检测控制方法、装置、电子设备及介质
CN113487860A (zh) 一种智能交通信号控制方法
CN117314263B (zh) 一种电子工厂生产线布局的评价方法及装置
CN117705121A (zh) 一种用于电厂的多维度巡检系统
CN117296538A (zh) 基于植被土壤成分检测的绿植维护方法、装置与系统
CN107392501A (zh) 基于动态评价的历史街区保护微干预方法
CN116762539A (zh) 一种农作物智能施肥方法
CN107392506A (zh) 一种融合移动互联网技术的自学线路状态评价系统及评价方法
CN113919021B (zh) 一种既有铁路车站股道线位重构方法及系统
CN211532340U (zh) 一种定位栏母猪的监测系统
Zhang et al. A sector capacity assessment method based on airspace utilization efficiency
CN112102110A (zh) 基于安全互信的海上风电管理方法及系统
CN117114246B (zh) 一种城市森林植物生长环境监测管理系统及方法
RU2510958C1 (ru) Способ нормирования расхода топлива машинно-тракторным агрегатом
CN116934359B (zh) 一种基于互联网的食品安全全流程监管系统

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