CN115079713B - 一种基于航迹优化的无人机精准施药作业方法 - Google Patents
一种基于航迹优化的无人机精准施药作业方法 Download PDFInfo
- Publication number
- CN115079713B CN115079713B CN202210822183.XA CN202210822183A CN115079713B CN 115079713 B CN115079713 B CN 115079713B CN 202210822183 A CN202210822183 A CN 202210822183A CN 115079713 B CN115079713 B CN 115079713B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- optimization
- waypoint
- constraint
- 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 48
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000000575 pesticide Substances 0.000 title claims abstract description 39
- 230000008021 deposition Effects 0.000 claims abstract description 31
- 238000005507 spraying Methods 0.000 claims abstract description 12
- 230000033001 locomotion Effects 0.000 claims abstract description 11
- 239000003814 drug Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 7
- 239000007921 spray Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 3
- 229940079593 drug Drugs 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims 1
- 239000007788 liquid Substances 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 206010034719 Personality change Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000012088 reference solution Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009342 intercropping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- 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
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Di由无人机当前水平位置Pi和当前气流速度和流向得到,将该函数关系记为若Dd是喷雾液滴的理想沉积中心,Dd位于作业区域的中轴线上,则参考航点Pri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:
Fmin≤Fn≤Fmax
上式中,Fi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,Fmin和Fmax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,φmax、θmax、ψmax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(Pri,r)-Pri
上式为以参考航点Pri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:
Pi=Cir(Pri,r)-Pri
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Fmin和最大值Fmax之间。旋翼的最小拉力Fmin值和最大拉力Fmax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Pri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,...,PN}来完成整个植保操作,记相应的参考航点为WPR={Pr1,Pr2,...,PrN}。
由于风的影响,因此需要在Pi处调整无人机位置,为了获取对应参考航点Pri的位置,需要对当前的药滴沉积中心的位置Di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,mp和vp分别表示液滴质量和速度;dp和ρp分别表示液滴直径和密度,j是重力方向的单位向量;ρf是空气密度,vf是气流速度,Cd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Di可以由当前位置Pi和当前气流速度和流向得到,将该函数关系记为若Dd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Pri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:Fmin≤Fn≤Fmax,上式中,Fn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,Fmin和Fmax为无人机单个旋翼的最小和最大升力。姿态约束包括:|φ|≤φmax,|θ|≤θmax,|ψ|≤ψmax。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,φmax、θmax、ψmax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(xd,,yd,zd)输入到位置控制回路,再通过姿态反解算出期望的俯仰角φd和横滚角θd,以及旋翼的总升力U1。姿态控制回路则输入期望的姿态角ψd,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Pri不满足机动约束,则需要在区域Cir(Pri,r)-Pri中搜索最佳航点,该区域表示为以参考航点Pri为圆心,以r为半径的去心圆。以参考航点Pri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Dd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 (2)
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;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Di由无人机当前水平位置Pi和当前气流速度和流向得到,将函数关系记为若Dd是喷雾液滴的理想沉积中心,Dd位于作业区域的中轴线上,则参考航点Pri与它们之间的关系为
(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;建立的目标函数如下:
Pi=Cir(Pri,r)-Pri
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:
Fmin≤Fn≤Fmax
上式中,Fn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,Fmin和Fmax为无人机单个旋翼的最小和最大升力;
姿态约束的形式为:
目标函数的搜索范围形式为:
Cir(Pri,r)-Pri
上式为以参考航点Pri为圆心,r为半径的去心圆。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822183.XA CN115079713B (zh) | 2022-07-13 | 2022-07-13 | 一种基于航迹优化的无人机精准施药作业方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822183.XA CN115079713B (zh) | 2022-07-13 | 2022-07-13 | 一种基于航迹优化的无人机精准施药作业方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115079713A CN115079713A (zh) | 2022-09-20 |
CN115079713B true CN115079713B (zh) | 2023-05-05 |
Family
ID=83259798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210822183.XA Active CN115079713B (zh) | 2022-07-13 | 2022-07-13 | 一种基于航迹优化的无人机精准施药作业方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115079713B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115316172B (zh) * | 2022-10-12 | 2022-12-16 | 广东省农业科学院植物保护研究所 | 一种基于植保无人机的纳米农药施药方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407586A (zh) * | 2014-11-14 | 2015-03-11 | 山东农业大学 | 一种驱动解耦植保无人机的控制***及控制方法 |
CN104503464A (zh) * | 2014-12-30 | 2015-04-08 | 中南大学 | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 |
CN105222779A (zh) * | 2015-08-26 | 2016-01-06 | 北京农业智能装备技术研究中心 | 植保无人机的航迹规划方法及装置 |
CN105843250A (zh) * | 2016-03-28 | 2016-08-10 | 深圳高科新农技术有限公司 | 基于无人机的喷药方法、无人机及无人机*** |
CN106094569A (zh) * | 2016-07-06 | 2016-11-09 | 西北工业大学 | 多传感器融合无人机感知与规避仿真***及其仿真方法 |
CN108020226A (zh) * | 2017-12-11 | 2018-05-11 | 中国科学院长春光学精密机械与物理研究所 | 一种固定翼无人机自主避障的航迹规划方法 |
CN112115544A (zh) * | 2020-08-10 | 2020-12-22 | 南京理工大学 | 一种基于改进遗传算法的火箭轨迹优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10353401B2 (en) * | 2017-05-01 | 2019-07-16 | EAVision Corporation | Detecting and following terrain height autonomously along a flight path |
-
2022
- 2022-07-13 CN CN202210822183.XA patent/CN115079713B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407586A (zh) * | 2014-11-14 | 2015-03-11 | 山东农业大学 | 一种驱动解耦植保无人机的控制***及控制方法 |
CN104503464A (zh) * | 2014-12-30 | 2015-04-08 | 中南大学 | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 |
CN105222779A (zh) * | 2015-08-26 | 2016-01-06 | 北京农业智能装备技术研究中心 | 植保无人机的航迹规划方法及装置 |
CN105843250A (zh) * | 2016-03-28 | 2016-08-10 | 深圳高科新农技术有限公司 | 基于无人机的喷药方法、无人机及无人机*** |
CN106094569A (zh) * | 2016-07-06 | 2016-11-09 | 西北工业大学 | 多传感器融合无人机感知与规避仿真***及其仿真方法 |
CN108020226A (zh) * | 2017-12-11 | 2018-05-11 | 中国科学院长春光学精密机械与物理研究所 | 一种固定翼无人机自主避障的航迹规划方法 |
CN112115544A (zh) * | 2020-08-10 | 2020-12-22 | 南京理工大学 | 一种基于改进遗传算法的火箭轨迹优化方法 |
Non-Patent Citations (1)
Title |
---|
邓巍.无人机精准施药关键技术综述.《农业工程》.2020,第第10卷卷(第第10卷期),第1-10页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115079713A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110262553B (zh) | 基于位置信息的固定翼无人机编队飞行方法 | |
CN107688354B (zh) | 一种自主飞行的无人机***及其控制方法 | |
CN204270115U (zh) | 一种植保无人机专用飞控*** | |
CN108519775A (zh) | 一种精准喷洒的无人机***及其控制方法 | |
US9870005B2 (en) | Apparatus for close formation flight | |
CN102508493B (zh) | 一种小型无人飞行器飞行控制方法 | |
CN103611324B (zh) | 一种无人直升机飞行控制***及其控制方法 | |
CN103770943B (zh) | 一种智能施药无人直升机 | |
CN105116915B (zh) | 一种采用多模卫星导航的翼伞飞行航迹控制*** | |
CN109792951B (zh) | 用于杂交水稻授粉的无人机航线校正***及其校正方法 | |
US9758257B1 (en) | Airflow sensing systems and apparatus | |
CN104407586A (zh) | 一种驱动解耦植保无人机的控制***及控制方法 | |
JP4017448B2 (ja) | 自律飛行カイトプレーンシステムおよびカイトプレーン制御装置 | |
CN106502262A (zh) | 一种农用无人机飞行平台及其控制***和控制方法 | |
CN100541372C (zh) | 一种无人机发动机意外停车下的自动归航控制方法 | |
CN102289714B (zh) | 一种基于行为模型的小型无人旋翼机自主起降控制方法 | |
CN106527491A (zh) | 一种固定翼无人机控制***及横侧向飞行轨迹控制方法 | |
CN104635743A (zh) | 一种高速无人机超低空全程自主飞行控制*** | |
US9864380B1 (en) | Formation flight system extremum-seeking-control using blended performance parameters | |
CN115079713B (zh) | 一种基于航迹优化的无人机精准施药作业方法 | |
CN111736629B (zh) | 基于wsn的植保无人机防雾滴飘移路径微调***及方法 | |
CN105892289A (zh) | 一种基于风场精确测量的无人机伞降回收方法 | |
Schopferer et al. | Path planning for unmanned fixed-wing aircraft in uncertain wind conditions using trochoids | |
CN111061284A (zh) | 一种用于植保无人机近作物飞行的高度控制方法 | |
EP3430487B1 (en) | Systems, methods, and apparatus for airflow sensing and close formation flight |
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 |