无人机指令生成器设计

如何将以时间、位置描述的期望航迹或战术机动转化为可以实时跟踪的以速度、姿态指令描述的期望机动轨迹,是无人机设计的难点之一.针对这一问题,提出了一种采用三自由度质点动力学飞机方程,通过建立机动动作规则库,利用机动动作设计指令生成器方法,将描述航迹的时间、位置信息或战术需求转化为无人作战飞机期望的油门、法向过载、航迹角、滚转角信息,直接作为轨迹跟踪回路的期望指令.在机动动作的设计过程中考虑了飞机的飞行性能以及飞行动态的影响,生成的期望控制指令合理可实现.仿真结果表明:该方程实时有效,生成的控制指令易于跟踪,可应用于无人机指令生成器设计.     

无人机摄影测量技术在农村土地确权中的应用

采用先进测绘技术获取地籍测量工作底图,为农村土地确权提供技术支持尤为重要.无人机摄影测量技术在地籍测量中具有测量数据准确可靠、影像分辨率高、综合成本造价适中等优势,能在保障测量质量的基础上,缩短测量周期,提高测量效率,确保农村土地确权工作高效优质地顺利开展.     

弹性飞翼无人机自适应反步终端滑模姿态控制

针对存在非线性、强耦合、参数不确定性及外部扰动的大展弦比飞翼布局无人机刚/弹耦合动力学模型,提出了基于反步思想的自适应范数型终端滑模姿态控制策略.首先,基于李雅普诺夫稳定理论,利用反步方法设计系统的虚拟控制量和实际控制量.其次,在虚拟控制中,采用自适应范数型滑模消除不确定项和刚/弹耦合项,并在反馈中采用非线性增益提高系统的鲁棒性和动态特性;在实际控制中,引入鲁棒自适应终端滑模项消除不确定项、刚/弹耦合项与扰动的影响,既解决了虚拟量求导的计算膨胀和实际控制量抖振问题,又提高了系统的控制精度和鲁棒性.最后,基于李雅普诺夫理论证明了跟踪误差收敛到任意小邻域.仿真结果表明:该控制方法对模型不确定性、气动弹性及阵风等外扰影响具有鲁棒性,能够实现高精度的姿态跟踪控制.     

基于低空遥感的消费级相机油菜苗期长势监测最优波段选取

无人机遥感作为卫星和航空遥感平台的有力补充,在低空遥感观测领域发挥越来越重要的作用.对于农作物长势监测而言,选择合适的光谱波段有利于更加准确地反映作物长势情况.该研究借助水稻—油菜氮素养分试验,针对其油菜季开展基于无人机遥感的消费级相机油菜苗期长势监测最优波段选取问题研究.试验采用经红外改造后的消费级相机,逐次搭配lp680、lp720、lp850 3种近红外长通滤波片和RGB红外截止滤波片来获取不同光谱位置的近红外波段影像和可见光波段影像.在此基础上计算多波段影像的多种植被指数,同时结合油菜地面冠层高光谱数据和滤波片光谱响应特性模拟计算相同的植被指数.结果表明,使用可见光波段影像计算的归一化差指数(NDI)与地面实测归一化差植被指数(NDVI)之间的相关性最高,其R2达到0.945,该结果与基于油菜地面冠层高光谱数据所得结果呈现出较好的一致性.同时该NDI值与油菜氮素养分试验中不同氮素施用水平之间的相关性也较好,其R2达0.963.该研究结果表明选取常规消费级相机可见光波段也能准确地获取作物长势信息,为其用于作物长势监测提供了科学依据.     

基于无人机图像的小麦灌浆期叶片氮含量估算

氮含量是小麦的重要营养指标之一。传统方法监测不同生长时期的小麦叶片氮含量的过程繁杂且具有破坏性,针对该问题提出了利用无人机遥感图像快速预测小麦氮含量的方法。利用小麦灌浆时期获取的无人机图像,基于改进的加权平均算法进行拼接和融合。该方法可有效消除拼接痕迹和差异,从而有效提取小麦特征,包括RGB特征、HIS特征和植被指数(VIs),利用这些特征及它们的组合构建支持向量回归模型。实验结果表明,基于HIS特征+VIs组合的模型预测精度最高,其验证集决定系数(R2)为0. 774,均方根误差(RMSE)为0. 363 7。该结果说明基于无人机监测小麦灌浆期的营养可行,这也为小麦田间管理提供了技术支撑。     

2020年无人机热点回眸

2020年为无人机领域的发展与应用提供了新的机遇,同时也提出了新的挑战.在过去的一年中,无人机技术所呈现出的一些新特点引发了更多关于无人机产业发展之路的深刻思考.从无人机政策法规、关键技术、应用推广等多视角全方位盘点和分析了2020年无人机的科技热点及发展动向.以政策为导向,以创新为内核,无人机技术和产业将会迎来新的增长点,集群化、智能化和实战化作为颠覆性技术仍是无人机未来发展的重要方向.     

基于扰动观测器的时变负载四旋翼无人机自适应有限时间控制

针对具有未知外部扰动和阻力系数的时变负载四旋翼无人机系统,提出了一种复合有限时间控制策略。首先,通过牛顿-欧拉方法建立了完整的四旋翼无人机数学模型。位置环采用自适应参数校正方法对负载进行估计,并与反步递推控制相结合,在阻力系数未知情况下设计了自适应轨迹跟踪控制器。其次,采用基于扰动观测器的有限时间滑模控制器,并利用Lyapunov稳定性理论进行无人机系统位置环和姿态环渐近稳定和有限时间稳定性验证。最后,通过数值仿真进行验证。结果表明,所提控制器提高了系统的收敛速度,减少了外界扰动对系统的影响。研究方法克服了已有研究要求阻力系数和负载已知的局限性,提高了系统的抗干扰能力,对于增强四旋翼无人机的实际应用性具有一定的参考价值。     

H2H与M2M共存场景下无人机辅助上行用户调度方案

针对人类用户和物联网用户共存时利用无人机作为中继节点采集物联网设备数据的场景,提出了一种基于累积分布函数的上行用户调度方案。方案在以最大化全网节点能效为优化目标的上行联合用户关联和用户资源分配问题建模过程中,考虑多用户分集以及网络负载均衡;为了求解该问题,方案利用用户吞吐量独立同分布的特点,通过松弛整数变量,结合增广拉格朗日法和标准的次梯度法,将难解的非凸问题转化为凸函数,再利用交替方向乘子法对凸问题进行分解并交替迭代优化,最终实现系统能效最大化并得到最优调度方案。仿真结果表明,该方案在全网效能和负载均衡方面优于现有方案。     

无人机螺桨噪声主动控制实验

对无人机螺桨噪声的主动控制技术进行实验研究。针对某型国产无人机,通过对其发动机螺桨噪声的测量分析,设计并开发了一个四入二出的主动噪声控制系统。利用该系统,在实验室环境下分别对100 Hz单频正弦噪声、实际风扇噪声和实际录取的某型号无人机螺桨噪声进行了噪声控制实验,取得了较好的消声效果。     

基于改进YOLOv5s和传感器融合的目标检测定位

针对无人车环境感知过程中相机无法提供道路目标的位置信息,激光雷达点云稀疏以致检测方面难以达到很好效果的问题,提出一种通过融合两者信息进行目标检测和定位的方法。采用深度学习中YOLOv5s算法进行目标检测,通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标,使雷达点云数据能投影到相机图像数据中,得到检测目标的位置信息,最后进行实车验证。结果表明,所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度,并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。将激光雷达和相机融合,可实现嵌入式系统下的道路目标检测定位,为嵌入式平台下环境感知系统的搭建提供了参考。