CN116602286A - 一种植保无人机喷洒作业控制系统和方法 - Google Patents
一种植保无人机喷洒作业控制系统和方法 Download PDFInfo
- Publication number
- CN116602286A CN116602286A CN202310891625.0A CN202310891625A CN116602286A CN 116602286 A CN116602286 A CN 116602286A CN 202310891625 A CN202310891625 A CN 202310891625A CN 116602286 A CN116602286 A CN 116602286A
- Authority
- CN
- China
- Prior art keywords
- spraying
- liquid medicine
- flow
- unmanned aerial
- aerial vehicle
- 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
Links
- 238000005507 spraying Methods 0.000 title claims abstract description 261
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000003814 drug Substances 0.000 claims abstract description 206
- 239000007788 liquid Substances 0.000 claims abstract description 206
- 238000005303 weighing Methods 0.000 claims abstract description 20
- 239000007921 spray Substances 0.000 claims description 54
- 239000012530 fluid Substances 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 10
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 abstract description 5
- 230000002411 adverse Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
- A01M7/0096—Testing of spray-patterns
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G13/00—Protecting plants
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pest Control & Pesticides (AREA)
- Environmental Sciences (AREA)
- Insects & Arthropods (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Aviation & Aerospace Engineering (AREA)
- Catching Or Destruction (AREA)
Abstract
本申请提供了一种植保无人机喷洒作业控制系统和方法,涉及无人机技术领域,以缓解植保无人机流量计精度不足对植保作业的不利影响。该系统包括主控单元、称重单元和喷洒单元。其中,称重单元用于获取药液质量,喷洒单元用于控制药液的喷洒流量。主控单元用于,根据历史喷洒数据确定药液流量预测模型。根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积。根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积。将第一喷洒面积和第二喷洒面积输入药液流量预测模型确定预测时段内药液的喷洒流量。根据预测时段内药液的喷洒流量确定喷洒控制信号。本申请通过结合药液质量的测量以及使用药液流量预测模型可以提高药液喷洒的均匀度。
Description
技术领域
本申请涉及无人机技术领域,具体涉及一种植保无人机喷洒作业控制系统和方法。
背景技术
近年来,我国农业航空产业发展迅速,植保无人机航空施药作业作为国内新型植保作业方式被广泛应用于现代农业生产中,使农民更轻松地管理农田、喷洒药物。
在无人机植保作业过程中,为了保证喷洒作业的控制进度和植保作业均匀度,传统的喷洒控制系统高度依赖于流量计的测量精度。然而在实际应用中不管是叶轮式还是电磁式流量计都有各自的不足,如温度、导电率、流体粘度、强磁场、磨损老化等的影响都有可能导致测量精度下降,进而影响无人机正常的植保作业过程。
因此,如何避免流量计精度不足对植保作业的不利影响,成为需要解决的技术问题。
发明内容
本申请提供一种植保无人机喷洒作业控制系统和方法,本申请通过引入测量药液的质量,并建立药液流量预测模型,将根据用户设置的药液亩用量和初始药液质量确定的第一喷洒面积,以及根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积输入上述药液流量预测模型,可以确定预测时段内药液的喷洒流量,进而可以提高药液喷洒作业的均匀度。
第一方面,本申请提供了一种植保无人机喷洒作业控制系统。本申请实施例提供的植保无人机喷洒作业控制系统包括主控单元、称重单元和喷洒单元。其中,称重单元用于获取药液质量,喷洒单元用于控制药液的喷洒流量。主控单元连接称重单元和喷洒单元,主控单元用于,根据历史喷洒数据确定药液流量预测模型。根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积。根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积。将第一喷洒面积和第二喷洒面积输入药液流量预测模型确定预测时段内药液的喷洒流量。根据预测时段内药液的喷洒流量确定喷洒控制信号。
本实施例提供的植保无人机喷洒作业控制系统,通过建立药液流量预测模型,并结合测量药液的质量,将根据用户设置的药液亩用量和初始药液质量确定的第一喷洒面积,以及根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积输入上述药液流量预测模型,可以确定预测时段内药液的喷洒流量,进而可以提高药液喷洒作业的均匀度。
结合第一方面,在第一方面的某些实现方式中,历史喷洒数据包括历史作业的药液质量、喷洒流量、喷洒面积和速度信息。进一步地,根据历史喷洒数据确定药液流量预测模型,包括,使用遗传算法训练喷洒流量预测值公式,,其中,/>为k+1时刻的喷洒流量预测值,a,b,c为辨识参数,u(k)为k时刻的药液质量,Q(k)为k时刻的已喷洒面积,y(k)为k时刻的喷洒流量。
结合第一方面,在第一方面的某些实现方式中,在药液流量预测模型的基础上,建立代价函数J(k),进一步地,将第一喷洒面积和第二喷洒面积输入药液流量预测模型确定预测时段内药液的喷洒流量,包括,根据第一喷洒面积和第二喷洒面积确定代价函数J(k)的最小值,输出预测时段内药液的喷洒流量,其中,
, N为植保无人机喷洒作业的预测时域内的时间步长,M为植保无人机喷洒作业的预测时域内的整数, q为实时预测的喷洒面积的误差权重系数。
结合第一方面,在第一方面的某些实现方式中,本申请实施例提供的植保无人机喷洒作业控制系统还包括导控单元,导控单元连接主控单元,导控单元用于确定无人机状态信息,无人机状态信息包括速度信息、加速度信息和姿态信息。主控单元用于,获取无人机状态信息,根据无人机状态信息和预测时段内药液的喷洒流量确定喷洒控制信号。
在上述技术方案中,通过结合无人机的状态信息和预测时段内药液的喷洒流量确定喷洒控制信号可以进一步提高药液喷洒作业的准确度,改善喷洒效果。
结合第一方面,在第一方面的某些实现方式中,根据预测时段内药液的喷洒流量确定喷洒控制信号,包括,获取当前时刻的药液流量。根据当前时刻的药液流量与预测时段内药液的喷洒流量的差值确定喷洒控制信号。
结合第一方面,在第一方面的某些实现方式中,主控单元包括模型控制模块、流量控制模块和数据采集模块。数据采集模块用于采集称重单元的药液质量信号和喷洒单元的喷洒流量信号。模型控制模块用于根据第一喷洒面积和第二喷洒面积确定预测时段内药液的喷洒流量。流量控制模块用于确定喷洒单元控制信号。
第二方面,本申请提供了一种植保无人机喷洒作业控制方法。本申请实施例提供的植保无人机喷洒作业控制方法包括,根据历史喷洒数据确定药液流量预测模型。根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积。根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积。将第一喷洒面积和第二喷洒面积输入药液流量预测模型确定预测时段内药液的喷洒流量。根据预测时段内药液的喷洒流量确定喷洒控制信号。
结合第二方面,在第二方面的某些实现方式中,历史喷洒数据包括历史作业的药液质量、喷洒流量、喷洒面积和速度信息。进一步地,根据历史喷洒数据确定药液流量预测模型,包括,使用遗传算法训练喷洒流量预测值公式,,其中,/>为k+1时刻的喷洒流量预测值,a,b,c为辨识参数,u(k)为k时刻的药液质量,Q(k)为k时刻的已喷洒面积,y(k)为k时刻的喷洒流量。
结合第二方面,在第二方面的某些实现方式中,在药液流量预测模型的基础上,建立代价函数J(k),进一步地,将第一喷洒面积和第二喷洒面积输入药液流量预测模型确定预测时段内药液的喷洒流量,包括,根据第一喷洒面积和第二喷洒面积确定代价函数J(k)的最小值,输出预测时段内药液的喷洒流量,其中,
, N为植保无人机喷洒作业的预测时域内的时间步长,M为植保无人机喷洒作业的预测时域内的整数, q为实时预测的喷洒面积的误差权重系数。
结合第二方面,在第二方面的某些实现方式中,获取无人机状态信息,根据无人机状态信息和预测时段内药液的喷洒流量确定喷洒控制信号。
结合第二方面,在第二方面的某些实现方式中,获取当前时刻的药液流量。根据当前时刻的药液流量与预测时段内药液的喷洒流量的差值确定喷洒控制信号。
第三方面,本申请提供了一种植保无人机,包括上述第一方面及第一方面中任意实现方式的植保无人机喷洒作业控制系统。
第四方面,本申请提供了一种计算机可读介质,其上储存有计算机程序,该程序被计算机执行时,计算机执行上述第二方面及第二方面中任意实现方式的植保无人机喷洒作业控制方法。
上述第二方面、第三方面和第四方面可以达到的技术效果,可以参照上述第一方面中的技术效果描述,此处不再赘述。
附图说明
图1是本申请实施例提供的一种植保无人机喷洒作业控制系统的示意图。
图2为本申请实施例提供的一种药液流量预测模型的逻辑示意图。
图3是本申请实施例提供的一种植保无人机喷洒作业控制方法。
图4是本申请实施例提供的一种无人机的示意图。
图5是本申请实施例提供的一种药液流量预测模型的控制过程示意图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。在附图中,相同或相似的标号表示相同或相似的元件或具有相同或相似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
本申请中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。下文各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。例如,本申请实施例中,“110”、“210”、“220”等字样仅为了描述方便作出的标识,并不是对系统进行限定。
在本说明书中描述的参考“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
在本公开实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开实施例。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”、“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
首先介绍本申请的应用场景。
近年来,我国农业航空产业发展迅速,植保无人机航空施药作业作为国内新型植保作业方式被广泛应用于现代农业生产中。植保无人机是一种专门用于农业植保作业的无人机,具有操作简便、效率高、成本低等优点,可以有效地替代传统的人工喷药和地面机械喷药方式,提高农业生产效率,降低农药使用量,减少对环境的污染,使农民更轻松地管理农田,节省人力和时间成本。在无人机植保作业过程中,为了保证喷洒作业的控制进度和植保作业均匀度,传统的喷洒控制系统高度依赖于流量计的测量精度。然而在实际应用中不管是叶轮式还是电磁式流量计都有各自的不足,如温度、导电率、流体粘度、强磁场、磨损老化等的影响都有可能导致测量精度下降,进而影响无人机正常的植保作业过程。
鉴于此,本申请实施例提供了一种植保无人机喷洒作业控制系统和方法,本申请通过建立药液流量预测模型,并结合测量药液的质量,即将根据用户设置的药液亩用量和初始药液质量确定的第一喷洒面积,以及根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积输入上述药液流量预测模型,可以确定预测时段内药液的喷洒流量,进而可以提高药液喷洒作业的均匀度。
为使本申请解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本申请实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
此外,本申请实施例描述的植保无人机喷洒作业控制系统为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
还应理解,本说明书中描述的各种实施方式,既可以单独实施,也可以组合实施,本申请实施例对此并不限定。
本申请实施例提供的植保无人机喷洒作业控制系统包括主控单元、称重单元和喷洒单元。其中,称重单元用于获取药液质量,喷洒单元用于控制药液的喷洒流量。主控单元连接称重单元和喷洒单元,主控单元用于,根据历史喷洒数据确定药液流量预测模型。根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积。根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积。将第一喷洒面积和第二喷洒面积输入药液流量预测模型确定预测时段内药液的喷洒流量。根据预测时段内药液的喷洒流量确定喷洒控制信号。
图1是本申请实施例提供的一种植保无人机喷洒作业控制系统的示意图。
如图1所示,系统100包括主控单元110、称重单元120和喷洒单元130。其中,称重单元120用于获取药液质量,喷洒单元130用于控制药液的喷洒流量。主控单元110连接称重单元120和喷洒单元130,主控单元110用于,根据历史喷洒数据确定药液流量预测模型。根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积。根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积。将第一喷洒面积和第二喷洒面积输入药液流量预测模型确定预测时段内药液的喷洒流量。根据预测时段内药液的喷洒流量确定喷洒控制信号。其中,主控单元110包括模型控制模块111、流量控制模块112和数据采集模块113。数据采集模块113用于采集称重单元的药液质量信号和喷洒单元的喷洒流量信号。模型控制模块111用于根据第一喷洒面积和第二喷洒面积确定预测时段内药液的喷洒流量。流量控制模块112用于确定喷洒单元控制信号。
在一些实施例中,系统100还包括导控单元140,导控单元140连接主控单元110,导控单元140用于确定无人机状态信息,无人机状态信息包括速度信息、加速度信息和姿态信息。主控单元用于,获取无人机状态信息,根据无人机状态信息和预测时段内药液的喷洒流量确定喷洒控制信号。
在一些实施例中,历史喷洒数据包括历史作业的药液质量、喷洒流量、喷洒面积和速度信息。具体地,主控单元110通过收集作业控制系统历史喷洒数据,包括历史作业的药液质量、喷洒流量、喷洒面积和速度信息。
本申请实施例中,主控单元110采用模型预测控制(model predictive control,MPC)算法对植保无人机喷洒作业控制系统进行控制, MPC算法利用数学模型的预测来驱动决策,被广泛应用于工业和制造业,以及机器人控制、能源管理、交通控制等领域。其基本思路是利用数学模型预测未来一段时间内的系统动态行为(包括输入变量和输出变量),以此来生成最优控制策略。在每个时刻,MPC都会重新预测未来的行为,并定期更新控制策略。
具体地,根据药液质量、喷洒流量计算理论喷洒面积,最终与对应时刻的药液流量形成训练样本数据,使用遗传算法训练喷洒流量预测值公式。
,其中,/>为k+1时刻的喷洒流量预测值,a,b,c为辨识参数,u(k)为k时刻的药液质量,Q(k)为k时刻的已喷洒面积,y(k)为k时刻的喷洒流量。
最终该实施例训练后的预测模型如下:
,其中,C1代表初始药液质量,C2代表药液亩用量,△T代表控制步长,例如5分钟,/>代表预测药液流量,y代表实时药液流量,M为植保无人机喷洒作业的预测时域内的整数,M=0,1,…,N-1。
图2为本申请实施例所提供的一种药液流量预测模型的逻辑示意图,在确定药液流量预测模型的基础上,收集植保无人机喷洒作业信息,主要是药液质量、药液的喷洒流量。进一步地,还包括无人机状态信息,例如速度信息、加速度信息和姿态信息。当结合速度信息时,无人机速度越快,计算的喷洒面积越大,同时药液的喷洒流量越大。通过结合无人机状态信息可以进一步提高模型精度。
进一步地,在药液流量预测模型的基础上,建立带有约束的代价函数J(k),通过结合实时预测的喷洒面积,使该函数在预测时域内最小来尽可能优化药液的喷洒流量以达到理论喷洒面积。
代价函数为:,
其中,N为植保无人机喷洒作业的预测时域内的时间步长,示例性的,N=60,即植保无人机喷洒作业的预测时域的时间步长为60分钟,M为植保无人机喷洒作业的预测时域内的整数, y为喷洒流量,q为实时预测的喷洒面积的误差权重系数。约束为:umin≤u(k+M)≤umax,M=0,1,…,N-1。其中umin和umax为分别药液质量的最小值和最大值。
在初始状态下,主控单元110在确定药液流量预测模型后,根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积。应理解,初始状态是指植保无人机进行喷洒作业之前的状态,初始药液质量是指植保无人机进行喷洒作业之前的药液质量。即第一喷洒面积为根据用户设置的药液亩用量和初始药液质量计算的理论喷洒面积。
在进行喷洒作业时,主控单元110根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积。应理解,根据药液亩用量、当前药液质量可以实时确定剩余可喷洒面积,通过计算该剩余可喷洒面积和药液已喷洒面积之和,确定第二喷洒面积。第二喷洒面积为上述实时预测的喷洒面积。主控单元110将第一喷洒面积和第二喷洒面积作为药液流量预测模型的输入,之后输出预测药液流量,并根据预测药液流量确定喷洒控制信号。而喷洒单元130则将喷洒控制信号作为输入,然后转换成水泵输出功率的大小或药液输出口的开度,从而实现流量控制的目的。
在一些实施例中,主控单元110获取当前时刻的药液流量。并根据当前时刻的药液流量与预测时段内药液的喷洒流量的差值确定喷洒控制信号,从而对喷洒单元130进行进一步的调节。
在每个控制周期内,对药液流量进行预测和滚动优化,使预测时域内代价函数J(k)最小,进行预测输出。主控单元110根据该预测输出对药液流量进行行优化控制。
当下一时刻开始时,采集药液流量信息进行反馈校正,纠正预测模型的偏差,再次滚动优化,如此循环往复,保证了预测结果准确性和控制系统稳定性。
基于图1和图2所示的植保无人机喷洒作业控制系统和药液流量预测模型,本申请提供了一种植保无人机喷洒作业控制方法,如图3所示。
图3是本申请实施例提供的一种植保无人机喷洒作业控制方法的示意性流程图。应理解,该方法可以应用于植保无人机及其系统。
S311,根据历史喷洒数据确定药液流量预测模型。
其中,历史喷洒数据包括历史作业的药液质量、喷洒流量、喷洒面积和速度信息。
在一些实施例中,使用遗传算法训练喷洒流量预测值公式,,其中,/>为k+1时刻的喷洒流量预测值,a,b,c为辨识参数,u(k)为k时刻的药液质量,Q(k)为k时刻的已喷洒面积,y(k)为k时刻的喷洒流量。
S312,根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积。
S313,根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积。
S314,将第一喷洒面积和第二喷洒面积输入药液流量预测模型确定预测时段内药液的喷洒流量。
在一些实施例中,在药液流量预测模型的基础上,建立代价函数J(k),根据第一喷洒面积和第二喷洒面积确定代价函数J(k)的最小值,输出预测时段内药液的喷洒流量,其中,
, N为植保无人机喷洒作业的预测时域内的时间步长,M为植保无人机喷洒作业的预测时域内的整数,q为实时预测的喷洒面积的误差权重系数。
S315,根据预测时段内药液的喷洒流量确定喷洒控制信号。
在一些实施例中,获取当前时刻的药液流量。根据当前时刻的药液流量与预测时段内药液的喷洒流量的差值确定喷洒控制信号。
根据如图3所示的实施例,通过建立药液流量预测模型,并结合测量药液的质量,将根据用户设置的药液亩用量和初始药液质量确定的第一喷洒面积,以及根据药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积输入上述药液流量预测模型,可以确定预测时段内药液的喷洒流量,进而可以提高药液喷洒作业的均匀度和动态响应性能。
在一些实施例中,该方法还包括,获取无人机状态信息,根据无人机状态信息和预测时段内药液的喷洒流量确定喷洒控制信号。
图4是本申请实施例提供的一种无人机的示意图。
如图4所示,该无人机包括上述图1中的系统100,其中,称重单元用于获取药箱内的药液质量,喷洒单元130用于控制药液的喷洒流量。主控单元连接称重单元和喷洒单元,具体实施方式可以参考图1至图3中的描述,在此不再赘述。
图5是本申请实施例提供的一种药液流量预测模型的控制过程示意图。
如图5所示,植保无人机喷洒作业控制系统在经过药液流量预测模型对药液流量的控制调节以后,控制精度更高,提升了药液喷洒作业的均匀度,使得最终的实际喷洒面积与预测面积相一致,喷洒作业效果更优。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图3所示实施例的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理装置中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个装置中。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (13)
1.一种植保无人机喷洒作业控制系统,其特征在于,包括主控单元、称重单元和喷洒单元;其中,
所述称重单元用于获取药液质量,所述喷洒单元用于控制药液的喷洒流量;
所述主控单元连接所述称重单元和所述喷洒单元,所述主控单元用于,
根据历史喷洒数据确定药液流量预测模型;
根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积;
根据所述药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积;
将所述第一喷洒面积和所述第二喷洒面积输入所述药液流量预测模型确定预测时段内药液的喷洒流量;
根据所述预测时段内药液的喷洒流量确定喷洒控制信号。
2.如权利要求1所述的植保无人机喷洒作业控制系统,其特征在于,所述历史喷洒数据包括历史作业的药液质量、喷洒流量、喷洒面积和速度信息,所述根据历史喷洒数据确定药液流量预测模型,包括:
使用遗传算法训练喷洒流量预测值公式,,其中,为k+1时刻的喷洒流量预测值,a,b,c为辨识参数,u(k)为k时刻的药液质量,Q(k)为k时刻的已喷洒面积,y(k)为k时刻的喷洒流量。
3.如权利要求2所述的植保无人机喷洒作业控制系统,其特征在于,在所述药液流量预测模型的基础上,建立代价函数J(k),所述将所述第一喷洒面积和所述第二喷洒面积输入所述药液流量预测模型确定预测时段内药液的喷洒流量,包括:
根据所述第一喷洒面积和所述第二喷洒面积确定所述代价函数J(k)的最小值,输出预测时段内药液的喷洒流量,其中,
,N为植保无人机喷洒作业的预测时域内的时间步长,M为植保无人机喷洒作业的预测时域内的整数, q为实时预测的喷洒面积的误差权重系数。
4.如权利要求1-3中任一项所述的植保无人机喷洒作业控制系统,其特征在于,所述系统还包括导控单元,所述导控单元连接所述主控单元,所述导控单元用于确定无人机状态信息,所述无人机状态信息包括速度信息、加速度信息和姿态信息,所述主控单元用于,
获取无人机状态信息,
根据所述无人机状态信息和所述预测时段内药液的喷洒流量确定所述喷洒控制信号。
5.如权利要求1-3中任一项所述的植保无人机喷洒作业控制系统,其特征在于,所述根据所述预测时段内药液的喷洒流量确定喷洒控制信号,包括:
获取当前时刻的药液流量;
根据所述当前时刻的药液流量与所述预测时段内药液的喷洒流量的差值确定所述喷洒控制信号。
6.如权利要求1-3中任一项所述的植保无人机喷洒作业控制系统,其特征在于,所述主控单元包括模型控制模块、流量控制模块和数据采集模块,所述数据采集模块用于采集所述称重单元的药液质量信号和所述喷洒单元的喷洒流量信号,所述模型控制模块用于根据所述第一喷洒面积和所述第二喷洒面积确定所述预测时段内药液的喷洒流量,所述流量控制模块用于确定所述喷洒单元控制信号。
7.一种植保无人机喷洒作业控制方法,其特征在于,所述方法包括:
根据历史喷洒数据确定药液流量预测模型;
根据用户设置的药液亩用量和初始药液质量确定第一喷洒面积;
根据所述药液亩用量、当前药液质量和药液已喷洒面积确定第二喷洒面积;
将所述第一喷洒面积和所述第二喷洒面积输入所述药液流量预测模型确定预测时段内药液的喷洒流量;
根据所述预测时段内药液的喷洒流量确定喷洒控制信号。
8.如权利要求7所述的植保无人机喷洒作业控制方法,其特征在于,所述历史喷洒数据包括历史作业的药液质量、喷洒流量、喷洒面积和速度信息,所述根据历史喷洒数据确定药液流量预测模型,包括:
使用遗传算法训练喷洒流量预测值公式,,其中,为k+1时刻的喷洒流量预测值,a,b,c为辨识参数,u(k)为k时刻的药液质量,Q(k)为k时刻的已喷洒面积,y(k)为k时刻的喷洒流量。
9.如权利要求8所述的植保无人机喷洒作业控制方法,其特征在于,所述方法还包括:
在所述药液流量预测模型的基础上,建立代价函数J(k),所述将所述第一喷洒面积和所述第二喷洒面积输入所述药液流量预测模型确定预测时段内药液的喷洒流量,包括:
根据所述第一喷洒面积和所述第二喷洒面积确定所述代价函数J(k)的最小值,输出预测时段内药液的喷洒流量,其中,
, N为植保无人机喷洒作业的预测时域内的时间步长,M为植保无人机喷洒作业的预测时域内的整数, q为实时预测的喷洒面积的误差权重系数。
10.如权利要求7-9中任一项所述的喷洒作业控制方法,其特征在于,所述方法还包括:
获取无人机状态信息,
根据所述无人机状态信息和所述预测时段内药液的喷洒流量确定所述喷洒控制信号。
11.如权利要求7-9中任一项所述的喷洒作业控制方法,其特征在于,所述根据所述预测时段内药液的喷洒流量确定喷洒控制信号,包括:
获取当前时刻的药液流量;
根据所述当前时刻的药液流量与所述预测时段内药液的喷洒流量的差值确定所述喷洒控制信号。
12.一种植保无人机,其特征在于,包括:
如权利要求1-6中任一项所述的植保无人机喷洒作业控制系统。
13.一种计算机可读介质,其上储存有计算机程序,其特征在于,该程序被计算机执行时,所述计算机执行如权利要求7-11中任一项所述的植保无人机喷洒作业控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310891625.0A CN116602286B (zh) | 2023-07-20 | 2023-07-20 | 一种植保无人机喷洒作业控制系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310891625.0A CN116602286B (zh) | 2023-07-20 | 2023-07-20 | 一种植保无人机喷洒作业控制系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116602286A true CN116602286A (zh) | 2023-08-18 |
CN116602286B CN116602286B (zh) | 2023-09-29 |
Family
ID=87683983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310891625.0A Active CN116602286B (zh) | 2023-07-20 | 2023-07-20 | 一种植保无人机喷洒作业控制系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116602286B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117243215A (zh) * | 2023-11-17 | 2023-12-19 | 中化现代农业有限公司 | 变量植保方法、装置、变量植保设备、电子设备和介质 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002035662A (ja) * | 2000-07-27 | 2002-02-05 | Iseki & Co Ltd | 薬剤散布量制御装置 |
JP2006230337A (ja) * | 2005-02-28 | 2006-09-07 | Kioritz Corp | 液体散布装置及び液体散布方法 |
JP2008079530A (ja) * | 2006-09-27 | 2008-04-10 | Iseki & Co Ltd | 防除機の薬液散布装置 |
CN102591302A (zh) * | 2012-03-05 | 2012-07-18 | 无锡汉和航空技术有限公司 | 一种无人机喷洒农药的作业方法 |
CN105903590A (zh) * | 2016-06-12 | 2016-08-31 | 成都多来咪智能科技有限公司 | 一种喷洒流量自动控制系统 |
CN106240825A (zh) * | 2016-09-21 | 2016-12-21 | 江西天祥通用航空股份有限公司 | 一种飞机喷洒控制方法及系统 |
CN106970634A (zh) * | 2017-05-09 | 2017-07-21 | 南京航空航天大学 | 一种智能植保无人机的控制管理系统及其控制方法 |
CN107318813A (zh) * | 2017-07-25 | 2017-11-07 | 上海俏动智能化科技有限公司 | 一种飞行过程中定量喷洒的控制方法以及控制装置 |
CN206773530U (zh) * | 2017-05-09 | 2017-12-19 | 南京航空航天大学 | 一种智能植保无人机的控制管理系统 |
CN109573041A (zh) * | 2018-10-26 | 2019-04-05 | 安徽舒州农业科技有限责任公司 | 一种植保无人机控制系统 |
CN109720578A (zh) * | 2019-01-15 | 2019-05-07 | 南京林业大学 | 一种无人机变量精确施药系统及方法 |
WO2019104454A1 (zh) * | 2017-11-28 | 2019-06-06 | 深圳市大疆创新科技有限公司 | 药箱流量检测方法、装置和农用无人机 |
KR102008397B1 (ko) * | 2018-11-27 | 2019-08-08 | 주식회사 에어센스 | 스마트 정밀 농업용 예찰 드론 시스템 |
CN111449040A (zh) * | 2020-03-12 | 2020-07-28 | 清远市智慧农业研究院 | 一种最小误差变量施药控制方法及系统 |
ZA201906844B (en) * | 2018-11-08 | 2020-09-30 | Univ Hainan | Method for selecting parameter of unmanned aerial vehicle pest and disease control spraying sysytem |
CN111744688A (zh) * | 2019-10-25 | 2020-10-09 | 广州极飞科技有限公司 | 均匀喷洒作业方法及相关装置 |
CN112241845A (zh) * | 2020-10-22 | 2021-01-19 | 农业农村部南京农业机械化研究所 | 一种智能变量喷杆喷雾作业质量评价系统及其方法 |
CN112805652A (zh) * | 2020-09-28 | 2021-05-14 | 深圳市大疆创新科技有限公司 | 无人机的控制方法、装置及设备 |
CN113086231A (zh) * | 2021-03-31 | 2021-07-09 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种基于纳米农药无人机喷洒的装载平台的控制方法 |
US20210215479A1 (en) * | 2020-01-15 | 2021-07-15 | Zhejiang University | Method and device for predicting volume median diameter in overlapped spray area of twin nozzles |
CN113575074A (zh) * | 2015-09-28 | 2021-11-02 | 精密种植有限责任公司 | 用于控制和监测农田液体施用的系统和装置 |
WO2021232407A1 (zh) * | 2020-05-22 | 2021-11-25 | 深圳市大疆创新科技有限公司 | 一种喷洒控制方法及装置 |
CN113973794A (zh) * | 2021-09-10 | 2022-01-28 | 常州希米智能科技有限公司 | 一种无人机喷洒农药量监控处理方法和装置 |
CN114035607A (zh) * | 2021-11-06 | 2022-02-11 | 溆浦农飞客农业科技有限公司 | 一种无人机喷洒农药的作业方法 |
CN115494886A (zh) * | 2022-09-30 | 2022-12-20 | 苏州极目机器人科技有限公司 | 一种喷洒系统流量控制方法及喷洒系统 |
-
2023
- 2023-07-20 CN CN202310891625.0A patent/CN116602286B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002035662A (ja) * | 2000-07-27 | 2002-02-05 | Iseki & Co Ltd | 薬剤散布量制御装置 |
JP2006230337A (ja) * | 2005-02-28 | 2006-09-07 | Kioritz Corp | 液体散布装置及び液体散布方法 |
JP2008079530A (ja) * | 2006-09-27 | 2008-04-10 | Iseki & Co Ltd | 防除機の薬液散布装置 |
CN102591302A (zh) * | 2012-03-05 | 2012-07-18 | 无锡汉和航空技术有限公司 | 一种无人机喷洒农药的作业方法 |
CN113575074A (zh) * | 2015-09-28 | 2021-11-02 | 精密种植有限责任公司 | 用于控制和监测农田液体施用的系统和装置 |
CN105903590A (zh) * | 2016-06-12 | 2016-08-31 | 成都多来咪智能科技有限公司 | 一种喷洒流量自动控制系统 |
CN106240825A (zh) * | 2016-09-21 | 2016-12-21 | 江西天祥通用航空股份有限公司 | 一种飞机喷洒控制方法及系统 |
CN106970634A (zh) * | 2017-05-09 | 2017-07-21 | 南京航空航天大学 | 一种智能植保无人机的控制管理系统及其控制方法 |
CN206773530U (zh) * | 2017-05-09 | 2017-12-19 | 南京航空航天大学 | 一种智能植保无人机的控制管理系统 |
CN107318813A (zh) * | 2017-07-25 | 2017-11-07 | 上海俏动智能化科技有限公司 | 一种飞行过程中定量喷洒的控制方法以及控制装置 |
WO2019104454A1 (zh) * | 2017-11-28 | 2019-06-06 | 深圳市大疆创新科技有限公司 | 药箱流量检测方法、装置和农用无人机 |
CN109573041A (zh) * | 2018-10-26 | 2019-04-05 | 安徽舒州农业科技有限责任公司 | 一种植保无人机控制系统 |
ZA201906844B (en) * | 2018-11-08 | 2020-09-30 | Univ Hainan | Method for selecting parameter of unmanned aerial vehicle pest and disease control spraying sysytem |
KR102008397B1 (ko) * | 2018-11-27 | 2019-08-08 | 주식회사 에어센스 | 스마트 정밀 농업용 예찰 드론 시스템 |
CN109720578A (zh) * | 2019-01-15 | 2019-05-07 | 南京林业大学 | 一种无人机变量精确施药系统及方法 |
CN111744688A (zh) * | 2019-10-25 | 2020-10-09 | 广州极飞科技有限公司 | 均匀喷洒作业方法及相关装置 |
US20210215479A1 (en) * | 2020-01-15 | 2021-07-15 | Zhejiang University | Method and device for predicting volume median diameter in overlapped spray area of twin nozzles |
CN111449040A (zh) * | 2020-03-12 | 2020-07-28 | 清远市智慧农业研究院 | 一种最小误差变量施药控制方法及系统 |
WO2021232407A1 (zh) * | 2020-05-22 | 2021-11-25 | 深圳市大疆创新科技有限公司 | 一种喷洒控制方法及装置 |
CN112805652A (zh) * | 2020-09-28 | 2021-05-14 | 深圳市大疆创新科技有限公司 | 无人机的控制方法、装置及设备 |
CN112241845A (zh) * | 2020-10-22 | 2021-01-19 | 农业农村部南京农业机械化研究所 | 一种智能变量喷杆喷雾作业质量评价系统及其方法 |
CN113086231A (zh) * | 2021-03-31 | 2021-07-09 | 中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所) | 一种基于纳米农药无人机喷洒的装载平台的控制方法 |
CN113973794A (zh) * | 2021-09-10 | 2022-01-28 | 常州希米智能科技有限公司 | 一种无人机喷洒农药量监控处理方法和装置 |
CN114035607A (zh) * | 2021-11-06 | 2022-02-11 | 溆浦农飞客农业科技有限公司 | 一种无人机喷洒农药的作业方法 |
CN115494886A (zh) * | 2022-09-30 | 2022-12-20 | 苏州极目机器人科技有限公司 | 一种喷洒系统流量控制方法及喷洒系统 |
Non-Patent Citations (4)
Title |
---|
刘大印;王秀;毛益进;马伟;邓巍;: "基于单片机PWM变量农药喷洒控制系统的研究", 农机化研究, no. 05, pages 99 - 103 * |
刘绍锋;王旭景;: "农用植保无人机的推广应用", 山东农机化, no. 02, pages 49 - 50 * |
王伟;唐传茵;张宏;杜志高;: "变量喷雾系统的设计与仿真", 农业机械, no. 1, pages 77 - 79 * |
黄水长;栗盼;赵伟雄;: "农药喷洒多旋翼无人机控制系统研究", 自动化与仪表, no. 05, pages 9 - 12 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117243215A (zh) * | 2023-11-17 | 2023-12-19 | 中化现代农业有限公司 | 变量植保方法、装置、变量植保设备、电子设备和介质 |
CN117243215B (zh) * | 2023-11-17 | 2024-04-05 | 中化现代农业有限公司 | 变量植保方法、装置、变量植保设备、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116602286B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11086276B2 (en) | System identification and model development | |
CN116602286B (zh) | 一种植保无人机喷洒作业控制系统和方法 | |
CN110134165B (zh) | 一种用于环境监测与控制的强化学习方法及系统 | |
Jianlin et al. | On-line estimation in fed-batch fermentation process using state space model and unscented Kalman filter | |
CN110672328B (zh) | 一种基于随机配置网络的涡扇发动机健康参数估计方法 | |
CN110889085A (zh) | 基于复杂网络多元在线回归的废水智能监控方法及系统 | |
CN115562037B (zh) | 一种非线性多智能体系统控制方法、装置、设备及应用 | |
CN106570786B (zh) | 一种基于调度规则时变特性的水库适应性调度方法 | |
CN109115446B (zh) | 基于跨声速风洞风速精度控制方法及系统 | |
CN117313029A (zh) | 一种基于卡尔曼滤波参数提取与状态更新的多传感器数据融合方法 | |
CN110397553A (zh) | 一种不基于模型的风电场尾流管理方法及系统 | |
CN106599541B (zh) | 一种动态电力负荷模型的结构和参数在线辨识方法 | |
CN106384152B (zh) | 基于萤火虫群优化的pf空间非合作目标轨道预测方法 | |
CN117196250A (zh) | 水厂控制方法及控制设备 | |
CN115061377B (zh) | 一种基于过滤器数据模型的干式喷房维护方法及装置 | |
CN116629024A (zh) | 铸造工艺粉尘排放数据预测方法及系统 | |
CN105721199B (zh) | 一种基于核密度估计与模糊推理系统的实时云服务瓶颈检测方法 | |
CN116226263A (zh) | 一种可再生能源可视化智能管控制方法及系统 | |
CN109978138A (zh) | 基于深度强化学习的结构可靠度抽样方法 | |
CN114282445A (zh) | 循环水系统运行优化方法以及相关设备 | |
CN115358441A (zh) | 基于联邦学习的新能源集群消纳智能调控方法及装置 | |
CN110769376B (zh) | 一种基于事件触发机制的协同目标跟踪方法 | |
CN116542495B (zh) | 一种基于数据挖掘的智能供水调度方法、装置及电子设备 | |
CN116345495B (zh) | 基于数据分析和建模的电厂机组调频优化方法 | |
CN110874662A (zh) | 给水管网模型中用水量的实时校验方法及系统 |
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 |