基于目视遥控的无人机直线飞行与航线作业试验_彭孝东张铁民李继宇漆海霞廖懿华庄晓霖

一种新的飞行目标轴线测量方法
曹蓓;周泗忠;马彩文;唐慧君;闫旻奇
【期刊名称】《弹箭与制导学报》
【年(卷),期】2010(030)002
【摘要】针对单站光测图像中飞行目标轴线的精确测量问题提出一种新方法,即通过对单站图像中分割出来的目标图像进行Hough变换,在Hough参数空间(HPCS)中对结果进行灰度质心计算,从而得到目标中轴线的位置及方向.该法充分利用了单站目标图像的全部灰度信息,对图像质量要求不高,容噪性好,适用于各种轴对称目标.旋转和平移实验表明:判读结果稳定,准确度高,判读标准差均达到亚像素精度.该法用于测量飞行目标的轴线是精确有效的.
【总页数】4页(P39-41,48)
【作者】曹蓓;周泗忠;马彩文;唐慧君;闫旻奇
【作者单位】中国科学院西安光学精密机械研究所,西安,710075;中国科学院研究生院,北京,100039;中国科学院西安光学精密机械研究所,西安,710075;中国科学院西安光学精密机械研究所,西安,710075;中国科学院西安光学精密机械研究所,西安,710075;中国科学院研究生院,北京,100039;中国科学院西安光学精密机械研究所,西安,710075
【正文语种】中文
【中图分类】TJ765;TP391
【相关文献】
1.一种大尺寸孔轴线非接触测量方法研究 [J], 孟旭;张锁怀;万武勇
2.一种基于虚拟目标的飞行器姿态测量方法 [J], 王成刚;李思奇
3.一种新的机动目标速度特征参数测量方法 [J], 张政超;李文臣;袁翔宇;李宏
4.一种新的近程多目标轨迹参数测量方法 [J], 郭新民;吕鹏
5.点到空间回转轴线距离的一种测量方法 [J], 张发玉
因版权原因，仅展示原文概要，查看原文内容请购买。

技术与应用APPLICATION编辑 陈姝宇文 / 张祖航 曹著明 薛翼飞无人机APM-PIXHAWK 飞控应用研究摘　要：对于复杂的无人机结构和原理，四旋翼无人机具有成本低、结构简单、使用方便等优势，同时也是最先进入民品市场的机型。

可是，该无人机对飞行控制操作能力要求很高，由此激发了大量科研人士对基于MEMS传感器的开源飞控的研制。

由于无人机飞控的发展，有效提升了多旋翼无人机、固定翼无人机、车模和直升机等设备的性能，使其具备多种运行模式，其功能已接近商业自动驾驶仪标准。

本文通过研究APM-PIXHAWK开源飞控的性能以及原理和相应的飞控调试中的出现问题，提出相关提升其性能的策略，以实现开源飞控在商业市场上的高性能及飞行器的飞行稳定性，更好地为无人机行业做出贡献。

关键词：无人机 飞控 开源 APM 研究从无人机的硬件设施来分析，飞控系统主要包括传感器、飞控计算机及伺服装置三部分。

整个无人机机载飞控系统的核心设备是飞控计算机，其主要功能是依据输入的相关信息（传感器等）、储存的相关数据和状态以及传输的数据与上行遥控指令（无线电测控终端），再完成分析、计算和处理，然后输出给伺服运行机构即舵机系统，来操纵控制无人机的舵面、前轮和发动机的风门，以实现对无人机的飞行或地面滑跑的控制。

无人机相关的状态信息主要由测定装置负责测量，无人机的主要测量装置有：陀螺仪（三轴角速度、垂直），传感器（攻角和偏航角、真实空速、磁航向、气压高度和高度差、发动机转速）等。

以舵机为执行元件的是伺服系统，其随动系统由若干部件组成，它将主要影响飞控系统带宽。

伺服系统是按照指令模型装置或敏感元件输出的电信号来操纵舵面，以实现无人机的自动稳定和控制。

在该伺服系统中常用的三种反馈是均衡反馈、位置反馈和速度反馈。

同时它们构成三种常见的舵回路形式，即硬反馈式、弹性反馈和软反馈式。

一、PIXHAWK 飞控ArduPilot Mega 自动驾驶仪（简称APM 自驾仪-APM V）是一款非常优秀而且完全开源的自动驾驶控制器，可应用于多旋翼、固定翼、车模、直升机等，同时还可以搭配多款功能强大的地面控制站配合使用。

协会举办南通植保无人机应用技术创新联盟成立2周年活动
暨主题党日活动
佚名
【期刊名称】《农化市场十日讯》
【年(卷),期】2022()9
【摘要】8月10日上午,协会组织在如东曹埠上漫社区举办了南通植保无人机应用技术创新联盟成立2周年活动暨主题党日活动,联盟成员及协会党支部成员、家庭农场主代表参加了此次活动。

冒着酷暑高温,在专家组长冯成玉的指导下,如东苏新农场顾艳星开始调试植保无人机的飞行参数并进行试飞,其他与会人员共同见证了田间无人机撒肥试验,观摩无人机撒肥的均匀度和飞行参数。

【总页数】2页(P16-17)
【正文语种】中文
【中图分类】V27
【相关文献】
1.南通植保无人机应用技术创新联盟开展植保无人机调研及应用效率与效益对比试验示范工作
2.南通植保无人机应用技术创新联盟如皋分联盟助力水稻增产增收培训会成功举办
3.南通植保无人机飞手培训标准研讨会暨植保无人机应用技术创新联盟如东分盟筹备会召开
4.极飞无人机新品推介会暨南通植保无人机应用技术创新联盟如皋分盟周年庆在如皋举办
5.南通市农业新技术推广协会一届六次理事扩大会议暨南通植保无人机应用技术创新联盟年会召开
因版权原因，仅展示原文概要，查看原文内容请购买。

第３８卷第９期重庆交通大学学报（自然科学版）Ｖｏｌ．３８㊀Ｎｏ．９２０１９年９月ＪＯＵＲＮＡＬＯＦＣＨＯＮＧＱＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ（ＮＡＴＵＲＡＬＳＣＩＥＮＣＥ）Ｓｅｐ．２０１９㊀㊀ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４⁃０６９６．２０１９．０９．０１基于ＭＰＣ的无人驾驶拖拉机轨迹跟踪控制严国军１，２，３，贲能军１，顾建华１，杨㊀彦１（１．盐城工业职业技术学院江苏盐城２２４０００；２．东南大学，江苏南京２１１１８９；３．南京理工大学，江苏，南京２１００９４）摘要针对无人驾驶拖拉机在给定行驶路径的情况下通过对建立的拖拉机运动学非线性模型进行线性化处理得到线性时变系统运用模型预测控制算法对拖拉机转向进行控制达到轨迹跟踪的目的为了优化控制器运算速度提出自适应控制器该控制器的预测时域能够根据参考轨迹曲率的变化自动调节在确保轨迹跟踪效果的前提下降低控制器的运算时间保证控制系统的实时性研究结果表明基于设计的轨迹跟踪控制器能够使拖拉机在车速为行驶时有效跟踪既定的行驶轨迹距离误差小于航向角误差小于关键词车辆工程轨迹跟踪拖拉机中图分类号文献标志码文章编号０㊀引㊀言农用车辆自动化作业能够使农业劳动者从沉重的体力劳动中解放出来，其中农用车辆自动化行走是实现自动化作业的基础㊂近阶段针对农用车辆自动行走的研究逐渐成为各国研究重点［１⁃２］㊂在早期研究中，一些学者在园艺设施中尝试将一些引导线埋藏在地下，以引导车辆沿着固定的轨道进行作业，但这种方法在实施过程中具有很大的局限性㊂随着科技不断进步，摄像头和卫星定位系统得到广泛应用，促使农用车辆在自由轨迹上行驶的研究越来越多［２⁃６］㊂总的来看，农业机械自动驾驶的研究方向㊀收稿日期：２０１８⁃０３⁃０１；修订日期：２０１９⁃０２⁃２６㊀基金项目：国家重点研发计划重点专项（２０１６ＹＦＤ０７００９０５）；江苏省国内访问学者资助项目（２０１６ＧＲＦＸ０６２）；盐城市２０１５年度农业科技创新专项引导资金（ＹＫＮ２０１５０３０）；盐城市２０１６年度农业科技创新专项引导资金（ＹＫ２０１６＿０６）；盐城工业职业技术学院科研基金项目资助（ＹＧＹ１７０３）㊂㊀第一作者：严国军（１９７３ ），男，江苏盐城人，副教授，主要研究方向为测控与机电设备自动控制㊂Ｅ⁃ｍａｉｌ：ｙｇｊ６９６１＠１６３．ｃｏｍ㊂㊀通信作者：贲能军（１９８５ ），男，江苏东台人，博士研究生，主要研究方向为农业机械设计及智能控制㊂Ｅ⁃ｍａｉｌ：ｂｅｎｅｒｉｃ＠１２６．ｃｏｍ㊂可以分为车辆行驶轨迹规划和车辆轨迹跟踪控制两个方面㊂车辆轨迹跟踪控制的实质是车辆能够根据给定的行驶路径完成自主转向控制，并使跟踪误差最小，即使在行驶过程中遇到一些干扰，也能够保证稳定行驶㊂轨迹跟踪控制是自动驾驶车辆体系中最基础的一环，它的性能好坏直接影响到整个自动驾驶车辆是否能够完成给定的驾驶任务［７］㊂车辆在给定行驶轨迹时，需能稳定且迅速地跟踪给定行驶轨迹，这是对自动驾驶车辆最基本的要求㊂轨迹跟踪的重点就是设计出轨迹跟踪控制器，使智能驾驶车辆能够跟随既定行驶轨迹驾驶，行驶路径可以通过车载ＥＣＵ采集各种探测器信号并经ＥＣＵ计算得出㊂笔者针对无人驾驶拖拉机在给定轨迹情况下的循迹效果开展研究㊂１㊀车辆运动学模型建立动力学模型和运动学模型是车辆模型建立过程中最常用的两种模型，车辆的动力学模型是根据车辆在行驶中的受力情况，利用牛顿第二定律建立的；车辆的运动学模型是从几何学角度来研究车辆的运动规律，包括车辆所位于的位置坐标㊁航向角㊁速度等㊂在车辆的路径跟踪研究中使用运动学模型，可以满足行驶过程中的运动学约束㊂拖拉机速度一般在０．５ ３．０ｍ／ｓ，属于低速行驶的运动车辆，可以不考虑拖拉机在行驶过程中侧滑㊁侧倾等稳定性控制的动力学问题，因此采用运动学模型设计的轨迹跟踪控制器具有可靠的控制性能［８］㊂拖拉机的运动模型如图１，其中，（Ｘｆ，Ｙｆ）㊁（Ｘｒ，Ｙｒ）为拖拉机前轴和拖拉机后轴中心点的位置坐标，Ｘ㊃㊁Ｙ㊃为沿坐标轴Ｘ㊁Ｙ的一阶微分，φ为拖拉机的航向角，δｆ为拖拉机前轮转角，ｖｒ为拖拉机后轴中心速度，ｖｆ为车辆前轴中心速度，ｌ为拖拉机前后轴轴距㊂在拖拉机转向过程中，Ｒ为后轮转向半径，Ｐ为拖拉机的瞬时转动中心，Ｍ为后轴中心，Ｎ为前轴中心㊂在后轴中心（Ｘｒ，Ｙｒ）处，后轴中心速度ｖｒ为：ｖｒ＝Ｘ㊃ｒｃｏｓ（φ）＋Ｙ㊃ｒｓｉｎ（φ）（１）前后轴的运动学约束方程为：Ｘ㊃ｆｓｉｎ（φ＋δｆ）－Ｙ㊃ｆｃｏｓ（φ＋δｆ）＝０Ｘ㊃ｆｓｉｎ（φ）－Ｙ㊃ｆｃｏｓ（φ）＝０{（２）图１㊀拖拉机运动学模型Ｆｉｇ．１㊀Ｔｒａｃｔｏｒｋｉｎｅｍａｔｉｃｓｍｏｄｅｌ由式（１）和（２）可得：Ｘ㊃ｒ＝ｖｒｃｏｓ（φ）Ｙ㊃ｒ＝ｖｒｓｉｎ（φ）{（３）根据前后轮的几何关系可得：Ｘ㊃ｆ＝Ｘ㊃ｒ＋ｌｃｏｓ（φ）Ｙ㊃ｆ＝Ｙ㊃ｒ＋ｌｓｉｎ（φ）{（４）由式（４）可得横摆角速度ω为：ω＝ｖｒｌｔａｎ（δｆ）（５）同时，由ω和车速ｖｒ可得到转向半径Ｒ和前轮偏角δｆ㊂Ｒ＝ｖｒ／ωδｆ＝ａｒｃｔａｎ（ｌ／Ｒ）{（６）由上式可以得到拖拉机的运动学模型为Ｘ㊃ｒＹ㊃ｒφ㊃éëêêêêêùûúúúúú＝ｃｏｓ（φ）ｓｉｎ（φ）ｔａｎ（δｆ）／ｌéëêêêêùûúúúúｖｒ（７）２㊀模型预测控制模型预测控制（ＭｏｄｅｌＰｒｅｄｉｃｔｉｖｅＣｏｎｔｒｏｌＭＰＣ）算法是２０世纪７０年代末，美国㊁法国等工业领域中最早出现的一种计算机优化控制算法，模型预测控制在实现过程中都是基于预测模型㊁滚动优化和反馈矫正的控制策略［９⁃１０］㊂这些方法不仅具有较强的鲁棒性和较好的控制效果，而且对控制系统模型的精确度要求较低㊂基于模型预测控制的优势，其被大量应用到过程控制中，现已经在机械工程和化工生产中得到成熟运用㊂２㊀㊀重庆交通大学学报（自然科学版）㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第３８卷线性时变模型预测控制算法是基于线性时变的模型控制算法，其与非线性模型预测控制相比，具有计算较为简单㊁计算速度快㊁实时性好的优点［１１⁃１５］㊂对车辆的轨迹跟踪控制而言，实时性是最重要的考虑因素，因此笔者采取线性时变的模型预测控制算法㊂考虑离散系统的线性化模型：ｘ（ｋ＋１）＝Ａｋ，ｔｘ（ｋ）＋Ｂｋ，ｔｕ（ｋ）（８）ｘ（ｋ）和ｕ（ｋ）是在第ｋ采样时刻系统的状态量和控制量，设定：ξ（ｋ｜ｔ）＝ｘ（ｋ｜ｔ）ｕ（ｋ－１｜ｔ）éëêêùûúú（９）可以得到一个新的状态空间表达式：ξ（ｋ＋１｜ｔ）＝Ａｋ，ｔξ（ｋ｜ｔ）＋Ｂｋ，ｔΔｕ（ｋ｜ｔ）η（ｋ｜ｔ）＝Ｃｋ，ｔξ（ｋ｜ｔ）{（１０）假设：Ａｋ，ｔ＝Ａｔ，Ｂｋ，ｔ＝Ｂｔ㊀（ｋ＝１， ｔ＋Ｎ－１）（１１）系统预测时域为Ｎｐ，控制时域为Ｎｃ，则预测时域内的状态量和系统输出量可用下式表示：ξ（ｔ＋Ｎｐ｜ｔ）＝ＡＮｐｔξ（ｔ｜ｔ）＋ＡＮｐ－１ｔＢｔΔｕ（ｔ｜ｔ）＋ ＋ＡＮｐ－Ｎｃ－１ｔＢｔΔｕ（ｔ＋Ｎｃ｜ｔ）η（ｔ＋Ｎｐ｜ｔ）＝ＣｔＡＮｐｔξ（ｔ｜ｔ）＋ＣｔＡＮｐ－１ｔＢｔ㊃Δｕ（ｔ｜ｔ）＋ ＋ＣｔＡＮｐ－Ｎｃ－１ｔＢｔΔｕ（ｔ＋Ｎｃ｜ｔ）（１２）未来时刻输出可以由如下矩阵形式表达：Ｙ（ｔ）＝ψｔξ（ｔ｜ｔ）＋ΘｔΔｕ（ｔ）（１３）由此，在预测时域内的状态变量和输出变量都可以通过对系统当前状态量ξ（ｔ｜ｔ）和控制时域内的控制量Δｕ（ｔ）计算得到，从而实现模型预测控制算法中的预测功能㊂在实际过程中，系统的控制增量是不知道的，需要通过对合适的优化目标求解来得到控制时域内的控制序列，文献［１６］给出的目标函数如下：Ｊ（ｋ）＝ðＮｊ＝１ｘＴ（ｋ＋ｊ｜ｋ）Ｑｘ（ｋ＋ｊ｜ｋ）＋ｕＴ（ｋ＋ｊ－１）Ｒｕ（ｋ＋ｊ－１）（１４）此形式的优化目标函数可以将其转化为带有线性或非线性的二次规划，这一典型数学优化问题来解决㊂在完成每个控制周期求解后，可以得到控制时域内的一系列控制输入增量：ΔＵ∗ｔ＝［Δｕ∗ｔ，Δｕ∗ｔ＋１， ，Δｕ∗ｔ＋Ｎｃ－１］Ｔ（１５）根据模型预测控制的基本原理，控制序列中第一个元素作为实际模型预测控制的输入增量作用于系统中：ｕ（ｔ）＝ｕ（ｔ－１）＋Δｕ∗ｔ（１６）系统执行这一控制量，并根据当前状态量预测下一周期新的控制增量序列，如此的反复循环，滚动优化，直到系统完成整个控制过程㊂３㊀控制结果分析由于ＭＰＣ控制目标是拖拉机，考虑其在低速行驶过程中轨迹跟踪控制，以式（７）运动学非线性模型为预测模型，对其线性化处理，可以得到线性时变模型（１７），Ｔ为采样时间㊂在控制过程中，根据给定时刻预测模型得到拖拉机的航向角，后轴中心位置与系统实际拖拉机状态的偏差，计算得到此时刻的模型输入，重复这一过程使拖拉机快速稳定的跟踪上目标轨迹㊂ξ（ｋ＋１）＝Ａｋξ（ｋ）＋Ｂｋｕ（ｋ）（１７）其中ξ（ｋ）＝ｘ－ｘｒｙ－ｙｒφ－φｒéëêêêêùûúúúú，Ａｋ（ｋ）＝１０－ｖｒｓｉｎ（φｒ）Ｔ０１ｖｒｃｏｓ（φｒ）Ｔ００１éëêêêêùûúúúú，Ｂｋ（ｋ）＝ｃｏｓ（φｒ）Ｔ０ｓｉｎ（φｒ）Ｔ０ｔａｎ（δｆ）Ｔ／ｌｖｒＴ／ｌｃｏｓ（δｆ）éëêêêêêùûúúúúú３．１㊀正弦曲线工况正弦曲线工况是检测车辆操纵性能的行驶工况㊂在行驶过程中车辆需要不断的输入前轮转角，以期望对给定轨迹有较好的跟踪效果㊂在不断转向过程中可能会出现车辆状态发生变化或其他情况的发生，这对控制器的控制性能具有很高的要求㊂给定拖拉机车速为１０ｍ／ｓ，仿真结果如图２㊂由仿真结果可以看出，车辆在实际行驶过程中能够很好的跟踪给定的行驶路线㊂由图２（ｃ）和图２（ｄ）可知最大行驶距离偏差为－０．０２５ｍ，最大航向角偏差为０．０１ｒａｄ，由于拖拉机给定初始状态的航向角与轨迹参考值存在初始误差，因此两个偏差都是非常小的㊂在图２（ｂ）中可以看到，开始后控制器使误差逐３第９期严国军，等：基于ＭＰＣ的无人驾驶拖拉机轨迹跟踪控制渐变小，后来趋于稳定状态，说明ＭＰＣ控制器对于双移线工况跟踪效果较好㊂３．２㊀自适应ＭＰＣ控制器对于实际应用来说，如何提高控制器的速度，满足ＭＰＣ控制器对实时性的要求至关重要㊂研究发现，对于ＭＰＣ控制器，当降低预测时域Ｎｐ时，虽然控制器对轨迹的跟踪精度有所下降（特别在曲率较大地方，跟踪精度下降更为明显）但是系统的计算速度可以得到提升［１７］㊂计算速度和控制器的控制效果是相互矛盾的，如何在提升计算速度同时得到较好的控制效果是值得研究的问题㊂为了解决这个问题，笔者设计了一种自适应ＭＰＣ控制器，预测时域Ｎｐ能够根据车辆跟踪轨迹的曲率Ｋ的变化自动调节，以达到又快又好的完成控制目标㊂预测时域Ｎｐ的大小将按照下式规律㊂Ｎｐ＝Ｒｏｕｎｄ（ａ㊃｜Ｋｘ｜＋ｂ）（１８）式中，Ｎｐ是预测时域，ａ为曲率增益系数，图２㊀正弦曲线工况仿真结果Ｆｉｇ．２㊀Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｆｏｒｓｉｎｕｓｏｉｄａｌｄｒｉｖｉｎｇｃｏｎｄｉｔｉｏｎｓ４㊀㊀重庆交通大学学报（自然科学版）㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第３８卷图３㊀双移线工况仿真结果Ｆｉｇ．３㊀Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｆｏｒｄｏｕｂｌｅ⁃ｓｈｉｆｔｌｉｎｅｄｒｉｖｉｎｇｃｏｎｄｉｔｉｏｎｓ㊀㊀Ｋｘ为道路曲率，ｂ为预测时域基本值，计算中ａ取为１０００，ｂ取为１０㊂为了验证自适应ＭＰＣ控制器的实际效果，选取双移线工况进行仿真实验㊂双移线工况指的是车辆在行驶过程中遇到前方障碍物变道后再返回到原来车道的工况，在现实生活中较为常见㊂车辆在换道过程中，可能会因变化的道路条件或其他情况的发生导致轮胎力饱和引起转向不足或过度转向，这都会对给定行驶轨迹的跟踪效果造成相应影响㊂拖拉机速度设定为１０ｍ／ｓ，选取ＭＰＣ控制器和自适应ＭＰＣ控制器对跟踪效果进行对比分析，其中ＭＰＣ控制器的预测时域Ｎｐ选择为３０㊁１０，其余控制器参数保持不变㊂数值仿真结果如图３，仿真曲线图３（ａ）和图３（ｂ）可以看出三种控制器都能够保证位移和航向角跟随上参考值的变化㊂图３（ｃ）和图３（ｄ）给出了三种控制器航向角和横向距离误差，可以看出当控制时域为３０时，控制效果最好，证明了增大控制时域可以提高控制效果，但从图３（ｆ）可以看出与控制时域为１０相比，其计算耗时也相对增加㊂对于设计的自适应ＭＰＣ控制器，航向角偏差和距离偏差与控制时域为１０相比，控制效果得到了明显提升，计算时间消耗也能够有所降低㊂由仿真结果可以看出，在使用自适应ＭＰＣ对车辆进行控制时，车辆在实际行驶过程中能够很好的跟踪给定的行驶路线㊂同时由图３（ｃ）和图３（ｄ）可知，最大行驶距离偏差为－０．０３ｍ，最大航向角偏差为０．０１５ｒａｄ，两个偏差都是非常小的，计算速度也得到了提升，说明自适应ＭＰＣ控制器对于双移线工况跟踪效果较好㊂因此，自适应ＭＰＣ控制器能够提升控制系统的控制效果，同时提高控制系统的计算速度，提升控制系统的实时性㊂在硬件条件较低，又希望得到很好的控制实时性的情况下，可以采用此方法㊂４㊀结㊀论基于ＭＰＣ对无人驾驶拖拉机的轨迹跟踪进行相关研究，通过对建立的拖拉机运动学非线性模型进行线性化处理，得到所需的线性时变系统，运用线性时变模型预测控制算法对行驶轨迹进行控制㊂对双移线工况和正弦曲线工况进行仿真分析，结果表明该算法能够较好的对给定轨迹进行跟踪，具有较好的动态跟踪性能㊂为提高控制器的计算速度，笔者设计了一种自适应ＭＰＣ控制器，预测时域Ｎｐ根据车辆跟踪轨迹的曲率Ｋ的变化自动调节㊂仿真结果表明，利用自适应ＭＰＣ控制器，车辆最大行驶距离偏差为－０．０３ｍ，最大航向角偏差为０．０１５ｒａｄ，同时降低了控制器的计算时间，提升控制系统的实时性，达到较好的轨迹跟踪目的㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］ＢＥＬＬＴ．Ａｕｔｏｍａｔｉｃｔｒａｃｔｏｒｇｕｉｄａｎｃｅｕｓｉｎｇｃａｒｒｉｅｒ⁃ｐｈａｓｅｄｉｆｆｅｒｅｎｔｉａｌＧＰＳ［Ｊ］．ＣｏｍｐｕｔｅｒｓａｎｄＥｌｅｃｔｒｏｎｉｃｓｉｎＡｇｒｉｃｕｌｔｕｒｅ，２０００，２５：５３⁃６６．［２］ＲＥＩＤＦ．Ｊ．，ＺＨＡＮＧＱ，ｅｔａｌ．Ａｇｒｉｃｕｌｔｕｒａｌａｕｔｏｍａｔｉｃｇｕｉｄａｎｃｅｒｅｓｅａｒｃｈｉｎｎｏｒｔｈａｍｅｒｉｃａ［Ｊ］．ＣｏｍｐｕｔｅｒｓａｎｄＥｌｅｃｔｒｏｎｉｃｓｉｎＡｇｒｉｃｕｌｔｕｒｅ，２０００，２５：１５５⁃１６７．［３］胡静涛，高雷，白晓平，等．农业机械自动导航技术研究进展［Ｊ］．农业工程学报，２０１５，３１（１０）：１⁃１０．ＨＵＪｉｎｇｔａｏ，ＧＡＯＬｅｉ，ＢＡＩＸｉａｏｐｉｎｇ，ｅｔａｌ．Ｒｅｖｉｅｗｏｆｒｅｓｅａｒｃｈｏｎａｕｔｏｍａｔｉｃｇｕｉｄａｎｃｅｏｆａｇｒｉｃｕｌｔｕｒａｌｖｅｈｉｃｌｅｓ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ，２０１５，３１（１０）：１⁃１０．［４］姬长英，周俊．农业机械导航技术发展分析［Ｊ］．农业机械学报，２０１４，４５（９）：４４⁃５４．ＪＩＣｈａｎｇｙｉｎｇ，ＺＨＯＵＪｕｎ．Ｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎｏｆｎａｖｉｇａｔｉｏｎｔｅｃｈｎｏｌｏｇｉｅｓｆｏｒａｇｒｉｃｕｌｔｕｒａｌｍａｃｈｉｎｅｒｙ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｆｏｒＡｇｒｉｃｕｌｔｕｒａｌＭａｃｈｉｎｅｒｙ，２０１４，４５（９）：４４⁃５４．５第９期严国军，等：基于ＭＰＣ的无人驾驶拖拉机轨迹跟踪控制［５］周兴林，伍洋，吕文莎，等．车辆行驶跑偏量在线测量研究［Ｊ］．重庆交通大学学报（自然科学版），２０１７，３６（１２）：９７⁃１０１．ＺＨＯＵＸｉｎｇｌｉｎ，ＷＵＹａｎｇ，ＬＶＷｅｎｓｈａ，ｅｔａｌ．Ｏｎｌｉｎｅｍｅａｓｕｒｅｍｅｎｔｏｆｖｅｈｉｃｌｅｄｒｉｖｉｎｇｄｅｖｉａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）．２０１７，３６（１２）：９７⁃１０１．［６］侯江丽．基于ＧＩＳ的拖拉机自动驾驶作业路径规划方法的研究［Ｄ］．北京：中国农业大学，２００６．ＨＯＵＪｉａｎｇｌｉ．ＲｅｓｅａｒｃｈｏｎＷｏｒｋｉｎｇＰａｔｈＰｌａｎｎｉｎｇＭｅｔｈｏｄｏｆＴｒａｃｔｏｒＡｕｔｏｎｏｍｏｕｓＤｒｉｖｉｎｇＢａｓｅｄｏｎＧＩＳ［Ｄ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，２００６．［７］郭振东．无人驾驶汽车路径识别算法研究［Ｊ］．汽车电器，２００９（５）：１４⁃１８．ＧＵＯＺｈｅｎｄｏｎｇ．Ａｌｇｏｒｉｔｈｍｒｅｓｅａｒｃｈｏｎｐａｔｈｒｅｃｏｇｎｉｔｉｏｎｏｆｐｉｌｏｔｌｅｓｓａｕｔｏｍｏｂｉｌｅ［Ｊ］．ＡｕｔｏＥｌｅｃｔｒｉｃＰａｒｔｓ，２００９（５）：１４⁃１８．［８］韩冰，陈军．拖拉机行驶路径的多项式设计［Ｊ］．农机化研究，２００６，１０（１０）：９８⁃１００．ＨＡＮＧＢｉｎｇ，ＣＨＥＮＪｕｎ．Ａｕｔｏｎｏｍｏｕｓｔｒａｃｔｏｒｔｒａｊｅｃｔｏｒｙｄｅｓｉｇｎｕｓｉｎｇｐｏｌｙｎｏｍｉａｌｆｕｎｃｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｇｒｉｃｕｌｔｕｒａｌＭｅｃｈａｎｉｚａｔｉｏｎＲｅｓｅａｒｃｈ，２００６，１０（１０）：９８⁃１００．［９］龚建伟，姜岩，徐威．无人驾驶车辆模型预测控制［Ｍ］．北京：北京理工大学出版社，２０１４．ＧＯＮＧＪｉａｎｗｅｉ，ＪＩＡＮＧＹａｎ，ＸＵＷｅｉ．ＭｏｄｅｌＰｒｅｄｉｃｔｉｖｅＣｏｎｔｒｏｌｆｏｒＳｅｌｆ⁃ｄｒｉｖｉｎｇＶｅｈｉｃｌｅｓ［Ｍ］．Ｂｅｉｊｉｎｇ：ＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙＰｒｅｓｓ，２０１４．［１０］苏成利．非线性模型预测控制的若干问题研究［Ｄ］．杭州：浙江大学，２００６．ＳＵＣｈｅｎｇｌｉ．ＲｅｓｅａｒｃｈｏｎＳｏｍｅＰｒｏｂｌｅｍｓｏｆＮｏｎｌｉｎｅａｒＭｏｄｅｌＰｒｅｄｉ⁃ｃｔｉｖｅＣｏｎｔｒｏｌ［Ｄ］．Ｈａｎｇｚｈｏｕ：ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，２００６．［１１］徐健，汪慢，乔磊．欠驱动无人水下航行器三维轨迹跟踪的反步控制［Ｊ］．控制理论与应用，２０１４，３１（１１）：１５８９⁃１５９０．ＸＵＪｉａｎ，ＷＡＮＧＭａｎ，ＱＩＡＯＬｅｉ．Ｂａｃｋｓｔｅｐｐｉｎｇ⁃ｂａｓｅｄｃｏｎｔｒｏｌｌｅｒｆｏｒｔｈｒｅｅ⁃ｄｉｍｅｎｓｉｏｎａｌｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｏｆｕｎｄｅｒａｃｔｕａｔｅｄｕｎｍａｎｎｅｄｕｎｄｅｒｗａｔｅｒｖｅｈｉｃｌｅｓ［Ｊ］．ＣｏｎｔｒｏｌＴｈｅｏｒｙ＆Ａｐｐｌｉｃａｔｉｏｎｓ，２０１４，３１（１１）：１５８９⁃１５９０．［１２］刘一扬，刘明明．基于改进遗传算法的机器人运动轨迹跟踪控制［Ｊ］．机械传动，２０１６，４０（３）：３９⁃４１．ＬＩＵＹｉｙａｎｇ，ＬＩＵＭｉｎｇｍｉｎｇ．Ｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｏｆｒｏｂｏｔｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ［Ｊ］．ＪｏｕｒｎａｌｏｆＭｅｃｈａｎｉｃａｌＴｒａｎｓｍｉｓｓｉｏｎ，２０１６，４０（３）：３９⁃４１．［１３］郭烈，黄晓慧，葛平淑，等．基于反演法的智能车辆弯路换道轨迹跟踪控制［Ｊ］．吉林大学学报（工学版），２０１３，４３（２）：３２３⁃３２８．ＧＵＯＬｉｅ，ＨＵＡＮＧＸｉａｏｈｕｉ，ＧＥＰｉｎｇｓｈｕ，ｅｔａｌ．Ｌａｎｅｃｈａｎｇｉｎｇｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｆｏｒｉｎｔｅｌｌｉｇｅｎｔｖｅｈｉｃｌｅｏｎｃｕｒｖｅｄｒｏａｄｂａｓｅｄｏｎｂａｃｋｓｔｅｐｐｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ（ＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙＥｄｉｔｉｏｎ），２０１３，４３（２）：３２３⁃３２８．［１４］柯文德，彭志平，蔡则苏，等．仿人机器人相似性运动轨迹跟踪控制研究［Ｊ］．自动化学报，２０１４，４０（１１）：２４０４⁃２４１３．ＫＥＷｅｎｄｅ，ＰＥＮＧＺｈｉｐｉｎｇ，ＣＡＩＺｅｓｕ，ｅｔａｌ．Ｓｔｕｄｙｏｆｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｃｏｎｔｒｏｌｆｏｒｈｕｍａｎｏｉｄｒｏｂｏｔｂａｓｅｄｏｎｓｉｍｉｌａｒｉｔｙｌｏｃｏｍｏｔｉｏｎ［Ｊ］．ＡｃｔａＡｕｔｏｍａｔｉｃａＳｉｎｉｃａ，２０１４，４０（１１）：２４０４⁃２４１３．［１５］游峰，王荣本，张荣辉，等．智能车辆换道与超车轨迹跟踪控制［Ｊ］．农业机械学报，２００８，３９（６）：４２⁃４５．ＹＯＵＦｅｎｇ，ＷＡＮＧＲｏｎｇｂｅｎ，ＺＨＡＮＧＲｏｎｇｈｕｉ，ｅｔａｌ．Ｌａｎｅｃｈａｎｇｉｎｇａｎｄｏｖｅｒｔａｋｉｎｇｃｏｎｔｒｏｌｍｅｔｈｏｄｆｏｒｉｎｔｅｌｌｉｇｅｎｔｖｅｈｉｃｌｅｂａｓｅｄｏｎｂａｃｋｓｔｅｐｐｉｎｇａｌｇｏｒｉｔｈｍ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＴｈｅＣｈｉｎｅｓｅＳｏｃｉｅｔｙｆｏｒＡｇｒｉｃｕｌｔｕｒａｌＭａｃｈｉｎｅｒｙ，２００８，３９（６）：４２⁃４５．［１６］ＫＵＨＮＥＦ，ＬＡＧＥＳＷＦ，ｅｔａｌ．Ｍｏｄｅｌｐｒｅｄｉｃｔｉｖｅｃｏｎｔｒｏｌｏｆａｍｏｂｉｌｅｒｏｂｏｔｕｓｉｎｇｌｉｎｅａｒｉｚａｔｉｏｎ［Ｊ］．ＰｒｏｄｅｅｄｉｎｇｓｏｆＭｅｃｈａｔｒｏｎｉｃｓａｎｄＲｏｂｏｔｏｔｉｃｓ，２００４（４）：５２５⁃５３０．［１７］曹哲．变曲率弯道四轮独立驱动电动汽车动力学稳定性控制及其悬架设计［Ｄ］．南京：东南大学，２０１７．ＣＡＯＺｈｅ．ＤｙｎａｍｉｃＳｔａｂｉｌｉｔｙＣｏｎｔｒｏｌａｎｄＳｕｓｐｅｎｓｉｏｎＤｅｓｉｇｎｏｆＦｏｕｒ⁃ｗｈｅｅｌＩｎｄｅｐｅｎｄｅｎｔＤｒｉｖｉｎｇＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅｗｉｔｈＶａｒｉａｂｌｅＣｕｒｖａｔｕｒｅＣｏｒｎｅｒ［Ｄ］．Ｎａｎｊｉｎｇ：ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，２０１７．（责任编辑：黄杨程）６㊀㊀重庆交通大学学报（自然科学版）㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第３８卷。

基于航线自主规划的变电站无人机巡检发布时间：2023-02-28T06:33:37.841Z 来源：《中国电业与能源》2022年10月19期作者：奚伟钦[导读] 全局路径规划是指对飞行环境、飞行限制、突发威胁等信息进行综合分析，奚伟钦广东电网有限责任公司汕头供电局，广东汕头，515000摘要：全局路径规划是指对飞行环境、飞行限制、突发威胁等信息进行综合分析，以及完成飞行安全和执行任务的全面路线。

规划全局路径的先决条件是快速分析所有类型的信息。

由于计算量很大，而且实时的航线规划存在较大的困难，因此需要使用地面计算机在无人驾驶飞机起飞前进行充分的飞行规划，并指导其安全飞行。

这样的策略不是实时的，但可以确保路径规划的准确性。

本文对航线自主规划的变电站无人机巡检进行分析。

关键词：无人机；巡检航线；航线自主规划引言在电力系统的变电站中，各项设备功能都非常复杂，组成零件数量较多且集中，即使设备管理已经走向数字化，完善了分布式控制管理，但对于设备运行状态的监测及统计仍然存在一定的难度。

传统的人工巡检方式依靠个人经验且采用手动记录的方式收集监测数据，并且智能化巡检需要２４小时不间断地采集监测数据，而人工巡检时间跨度较长，实际的工作效率低，还可能会出现判断失误以及数据记录错误等情况，无法保证巡检数据的精度。

随着现代信息管理的普及和发展，工业机器人应运而生，其能够在很多岗位上代替人工来完成重复性工作。

变电站无人机可在恶劣环境下，对高压设备进行全天候监测，数字化记录可发现已存在的故障或缺陷并生成设备监测报告，但其无法预测和排查隐藏的故障隐患。

1路径规划步骤在搜索初期，粒子群算法在全局进行快速搜索，但不能保证局部寻优性能，甚至粒子速度过大，无法确定最优性。

此外，在传统粒子群算法的更新策略下，不同的粒子逐渐朝着统一的方向行进，导致粒子趋同化的问题，直接降低了种群的多样性，使寻优过程容易陷入局部最优问题。

因此，本文通过引入趋化因子及移动算符对传统的粒子群算法进行改进，以提高粒子群算法的性能。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201810639367.6(22)申请日 2018.06.20(71)申请人 哈尔滨工业大学地址 150001 黑龙江省哈尔滨市南岗区西大直街92号(72)发明人 刘大同　彭宇　王泽洋　王本宽　彭喜元　(74)专利代理机构 哈尔滨市松花江专利商标事务所 23109代理人 岳昕(51)Int.Cl.G06K 9/62(2006.01)G06Q 10/00(2012.01)(54)发明名称一种基于LSTM的无人机飞行数据异常检测方法(57)摘要一种基于LSTM的无人机飞行数据异常检测方法，涉及无人机异常检测和系统健康管理领域。

本发明是为了解决在无人机飞行数据异常检测中，无人机系统工作过程中产生的函数较为复杂，其逼近能力并不能满足较高拟合精度需求的问题。

本发明重构无人机遥测数据相空间，获得输入向量和输出向量，获得训练样本集和测试样本集，采用TensorFlow深度学习开源框架搭建LSTM基本预测模型并进行参数进行寻优，获得最优LSTM模型进而计算LSTM预测结果；之后分别进行异常点检测和异常序列检测，最终完成无人机飞行数据异常检测。

权利要求书2页 说明书3页 附图4页CN 108960303 A 2018.12.07C N 108960303A1.一种基于LSTM的无人机飞行数据异常检测方法，其特征在于，包括异常点检测方法和异常序列检测方法：异常点检测方法具体为：步骤一：重构无人机遥测数据相空间，获得输入向量和输出向量，构建LSTM基本预测模型的训练样本集和测试样本集，并基于训练样本集和测试样本集搭建LSTM基本预测模型；步骤二：利用网格搜索法对LSTM基本预测模型的参数进行寻优，并将寻优后的参数代入LSTM基本预测模型中获得最优LSTM模型；步骤三：将测试样本集中的样本输入到最优LSTM模型中，获得LSTM预测结果；步骤四：计算训练样本集中样本的实际值与LSTM预测结果的残差，将训练样本集中样本的残差平均值作为正态分布中心μ＝mean(e training)，将训练样本集中样本残差的标准差作为正态分布方差σ＝std(e training)，e training表示训练样本集中样本的残差，当置信概率P ＝99％时，获得置信区间：[μ-2.6·σ,μ+2.6·σ]；步骤五：判断待检测无人机飞行数据是否属于置信区间，是则该待检测无人机飞行数据为正常点，否则该待检测无人机飞行数据为异常点；异常序列检测方法具体为：步骤六：将所有待检测无人机飞行数据按照时间顺序划分为多个时间序列，每个时间序列含有n个数据，6≤n≤15；步骤七：当置信概率大于99％时，判断每个时间序列中异常点的个数Q是否属于[n-4, n]，是则该时间序列为异常时间序列，否则该时间序列为正常时间序列。

专利名称：一种基于无人机作业的作业记录生成方法及装置专利类型：发明专利
发明人：尹亮亮,丁志清,陈波,赵佳,张羽
申请号：CN201710519795.0
申请日：20170630
公开号：CN107437250A
公开日：
20171205
专利内容由知识产权出版社提供
摘要：本发明涉及无人机技术领域，具体涉及一种基于无人机作业的作业记录生成方法及装置，所述方法包括如下步骤：获取各作业地块的边界信息，基于所述边界信息生成对应的作业地块边界线及地块标识信息；采集植保作业过程中的飞行数据；基于所述飞行数据查找与当次植保作业中喷洒区域有交集的关联作业地块；依据所述飞行数据及关联作业地块的地块标识信息生成作业记录。

本发明所提供的基于无人机作业的作业记录生成方法，能够远程了解当次植保作业的实际作业区域是否与所需作业地块相符合，有利于远程监控植保作业，对无人机植保作业过程综合分析起到重要作用。

申请人：上海拓攻机器人有限公司
地址：201306 上海市浦东新区泥城镇新城路2号24幢C1935室
国籍：CN
更多信息请下载全文后查看。

专利名称：一种应用于电网的无人机巡检方法
专利类型：发明专利
发明人：羊光,江国华,欧阳敏红,李永全,刘举祥,王晓锋,陈嘉亮,陈海文
申请号：CN202010710962.1
申请日：20200722
公开号：CN112000124A
公开日：
20201127
专利内容由知识产权出版社提供
摘要：本发明涉及一种应用于电网的无人机巡检方法。

该方法用于解决无人机飞行线路不稳定，采集的图像不清晰，拍摄角度不符合要求的问题。

该方法需要预先建立3D地图模型，3D地图模型中包含有巡检点，并对每个巡检点建立巡检要素集，巡检要素集包括巡检点的图像样本，并对巡检点图像样本预先设定指标信息；所述3D地图模型装载在无人机中，无人机接收巡检任务，识别所有巡检点在3D地图模型中的位置，并进行巡检线路规划；无人机到达巡检点后，从3D地图模型中提取对应巡检点的图像样本，并将采集的现场图像的实际指标信息和图像样本的指标信息进行核对，匹配则完成该巡检点的巡检，不匹配则重新采集至匹配为止。

通过上述方法以达到飞行线路稳定，所采集的图像质量高且符合分析要求的效果。

申请人：广东顺德电力设计院有限公司
地址：528300 广东省佛山市大良街道办事处云路社区居民委员会东乐路123号桂畔上东别墅综合楼1楼、2楼、3楼(仅作办公用途)
国籍：CN
代理机构：广州润禾知识产权代理事务所(普通合伙)
代理人：郑永泉
更多信息请下载全文后查看。

全真可视化虚拟无人机巡线控制技术研究
黄建峰;姜云土;时满宏;曹诗卉
【期刊名称】《空军预警学院学报》
【年(卷),期】2016(030)001
【摘要】针对无人机（UAV）巡线作业过程中无人机超出视距后难以对其实现准确控制的问题,提出了将三维地理信息系统与无人机三维模型相结合的虚拟无人机巡线控制系统的设计方法.通过构建三维数字地图环境、无人机三维模型、任务设备三维模型、真实数据与虚拟环境的接口模型等,形成全真可视化虚拟无人机巡线控制系统.该系统能够实现对真实无人机的远程控制.
【总页数】5页(P49-52,56)
【作者】黄建峰;姜云土;时满宏;曹诗卉
【作者单位】[1]国家电网浙江省电力公司,杭州311200;[2]空军预警学院,武汉430019
【正文语种】中文
【中图分类】V279
【相关文献】
1.全真可视化虚拟无人机巡线控制技术研究 [J], 黄建峰;姜云土;时满宏;曹诗卉
2.基于无人机巡线数据的电力走廊可视化研究 [J], 郭一江;王卫红;郑洁;孙姣姣
3.山区无人机巡线避障技术研究与应用 [J], 周建;陈裕
4.无人机自主电力巡线关键技术研究 [J], 曾忱;郭勇;段炼
5.基于激光雷达和可见光立体测量的无人机电力巡线技术研究 [J], 杨春峰;于荣华;黄维;鹿可可;冯河清
因版权原因，仅展示原文概要，查看原文内容请购买。

基于目视遥控的无人机直线飞行与航线作业试验彭孝东;张铁民;李继宇;漆海霞;廖懿华;庄晓霖【期刊名称】《农业机械学报》【年(卷),期】2014(45)11【摘要】为了得到在无导航目视遥控模式下农用无人机的直线飞行特性、检验农田作业航线的人为即时规划情况和评价实际作业质量及效果,设计了基于GPS的坐标采集无线传输系统,以水稻田边界直线为参照,通过目视和经验遥控无人机分别进行循直线飞行试验和基于作业幅宽的航线规划飞行试验.结果表明目视遥控模式下难以控制无人机沿直线飞行;人为即时规划的航线与理论航线偏离严重;在理想喷雾条件下估算出的作业遗漏率为17.1％,重复作业占8.2％,区域外浪费占0.7％;同时,目视遥控模式下无人机的高度及速度表现出无规律随机性.因此在无导航情况下,仅凭目视和经验遥控无人机难以做到精准作业.以GPS导航为主、能根据田块实际大小智能优化并生成作业航线的自主飞行作业模式是未来农用无人机进行精准作业的发展方向.%To get the straight flight features of agricultural UAV (unmanned aerial vehicle),and to verify and evaluate the artificial path planning and the actual operating results in visual remote flight mode,a wireless transmission system based on GPS was designed.The handler took the straight boundary of paddy field as a reference by using remote control UAV based on visual and experience.Straight flight experiment and the real-time path planning flight experiment were implemented on the base of the paddy field boundary.The results showed that it was difficult to control the UAV flying in a straight line in visual remote control mode,andthe artificial planning route deviated from the ideal flight path significantly for the reason of no reference.It was estimated that the skip rate was 17.1％,duplication operation occupied 8.2％,and outside wasted region accounted for 0.7％.Meanwhile,the height and speed of the UAV had a characteristic of erratic randomness in visual remote flightmode.Therefore,in case of no navigation,it is difficult for handler to implement precise operation by means of visual and experiencealone.Autonomous flight mode with GPS navigation,intelligent optimization and generates flight trajectory,is the direction for future development of UAV applied in precision farming.【总页数】6页(P258-263)【作者】彭孝东;张铁民;李继宇;漆海霞;廖懿华;庄晓霖【作者单位】华南农业大学南方农业机械与装备关键技术教育部重点实验室,广州510642;华南农业大学南方农业机械与装备关键技术教育部重点实验室,广州510642;华南农业大学南方农业机械与装备关键技术教育部重点实验室,广州510642;华南农业大学南方农业机械与装备关键技术教育部重点实验室,广州510642;华南农业大学南方农业机械与装备关键技术教育部重点实验室,广州510642;华南农业大学南方农业机械与装备关键技术教育部重点实验室,广州510642【正文语种】中文【中图分类】S252+.9【相关文献】1.基于无人机航向的不规则区域作业航线规划算法与验证 [J], 徐博;陈立平;谭彧;徐旻2.基于能力的无人机合成孔径雷达飞行试验设计方法 [J], 隋静;赵杨;于天超3.基于GIS的无人机超低空飞行航线规划方法 [J], 徐明;宋明;马德友4.基于双目视觉的无人机飞行高度测量方法研究 [J], 孙立帅;王明泉;郝利华;郭瑞琦5.基于机械臂的35kV交流输电线路直线塔无人机检修作业系统设计 [J], 张伟龙;纪广裕;苏国庆;贾巨泰;钱永生;梁鑫钰;杜强;王辰羽;王文月因版权原因，仅展示原文概要，查看原文内容请购买。

基于Petri Nets的无人机自主飞行任务管理系统
卫星;姜长生
【期刊名称】《佳木斯大学学报（自然科学版）》
【年(卷),期】2009(027)003
【摘要】根据无人机自主飞行的任务规划与调度过程设计了任务管理系统的总体结构,讨论了体系结构的组成和功能;将一个完整的自主飞行侦察任务过程通过Petri Nets分解出若干子任务,用事件触发进行管理和调度;最后通过MATLAB中的Stateflow工具对整个无人机任务序列进行了仿真实现,保证了侦察任务的顺利执行.【总页数】5页(P321-325)
【作者】卫星;姜长生
【作者单位】南京航空航天大学自动化学院,江苏,南京,210016;南京航空航天大学自动化学院,江苏,南京,210016
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于加权模糊Petri网的无人机自主任务推理决策研究 [J], 谭雁英;童明;张艳宁;祝小平
2.无人机自主飞行任务管理器规则集的Petri网建模与验证 [J], 谭雁英;孙波;祝小平;周洲
3.基于智能Agent的小型无人机自主飞行任务管理器的设计 [J], 谭雁英;赵荣椿;祝小平;王兴海
4.无人机飞行任务管理系统的设计与实现 [J], 傅俊豪;吴勇
5.Application of PetriNet to workflow specification Petri Net在工作流管理系统形式说明中的应用 [J], 刘玉林;吴晓群
因版权原因，仅展示原文概要，查看原文内容请购买。

万方数据万方数据万方数据万方数据万方数据基于视觉的定点监控飞艇姿态和位置估计作者：尹卫平， 姜长生， YIN Weiping， JIANG Changsheng作者单位：南京航空航天大学自动化学院,南京,210016刊名：电光与控制英文刊名：ELECTRONICS OPTICS & CONTROL年，卷(期)：2010,17(5)1.GOMES S B V;RAMOS J J G Airship dynamic modeling for autonomous operation[外文会议] 19982.高明近空间飞艇飞行运动建模与控制 20083.王麟琨;徐德;谭民机器人视觉伺服研究进展[期刊论文]-机器人 2004(03)4.CHATTERJI G B;MENON P K;SRIDHAR B GPS/machine vision navigation system for aircraft[外文期刊] 1997(03)5.SHARP C S;OMID S;SASTRY S S A vision system for landing an unmanned aerial vehicle[外文会议] 20016.陈龙胜;陈谋;姜长生基于视觉信息的无人机自主着陆过程姿态和位置估计[期刊论文]-电光与控制 2009(05)7.李玲基于双目立体视觉的计算机三维重建方法研究[学位论文] 20058.SARIPALLI S;MONTGOMERY J F;SUKHATME G S Vision-based autonomous landing of an unmanned aerial vehicle[外文会议] 20029.刘士清;胡春华;朱纪洪基于计算机视觉的无人直升机位姿估计方法研究[期刊论文]-计算机工程与设计2004(04)10.ALTUG E Vision based control of unmanned aerial vehicles with applications to an autonomous four rotor helicopter 200311.STEVENS B L;LEWIS F L Aircraft control and simulation 197312.王洪群;彭嘉雄双目视觉无人机自主着陆时测量和跟踪的理论研究[期刊论文]-战术导弹技术 2005(06)13.郑南宁计算机视觉与模式识别 19981.邱伟.刘向东.靳永强基于双目视觉的相对状态自主确定[期刊论文]-上海航天2010,27(2)2.郭建国.周军.GUO Jian-guo.ZHOU Jun基于滑模神经网络的自主飞艇姿态控制[期刊论文]-飞行力学2009,27(1)3.刘其睿.李勇基于分层设计方法的平流层艇偏航姿态控制研究[会议论文]-20084.刘刚.张玉军.LIU Gang.ZHANG Yu-jun平流层飞艇定点驻留控制分析与仿真[期刊论文]-兵工自动化2008,27(12)5.傅其凤.崔彦平.葛杏卫.FU Qi-feng.CUI Yan-ping.GE Xing-wei基于双目视觉模型的炮弹落地姿态测量方法的研究[期刊论文]-燕山大学学报2005,29(3)6.孟新宇.刘长安.郑贵林.MENG Xin-yu.LIU Chang-an.ZHENG Gui-lin基于空中飞艇的天线姿态控制系统设计与仿真[期刊论文]-计算机仿真2008,25(6)7.付平.周军.郭建国.FU Ping.ZHOU Jun.GUO Jian-guo基于变结构控制方法的自主飞艇定点控制[期刊论文]-飞行力学2008,26(5)8.李占佳飞艇姿态控制系统设计理念——林火监测系统部分设计[期刊论文]-黑龙江科技信息2008(6)9.遆晓光.韩放.TI Xiaoguang.HAN Fang具有扰动抑制的高空飞艇姿态控制系统设计[期刊论文]-电光与控制2009,16(12)10.方存光.王伟自主飞艇俯仰角动力学建模及其尾翼结构参数的确定[期刊论文]-应用力学学报2004,21(2)本文链接：/Periodical_dgykz201005014.aspx。