一種基于多傳感器數(shù)據(jù)融合的變量噴灑無人機控制系統(tǒng)

李彥沛，邱新偉，陳冠廷，孫永祥，周虎健

（佳木斯大學(xué)機械工程學(xué)院，黑龍江 佳木斯 154007）

0 引 言

利用農(nóng)藥防止蟲害是最基礎(chǔ)、也是最重要的農(nóng)業(yè)植保技術(shù)。無人機植保系統(tǒng)能有效解決高稈作物、水田和丘陵山地人工作業(yè)困難的問題。但是，目前市面上存在的植保無人機仍存在諸多的問題。首先，多數(shù)無人機本身缺乏高性能的傳感器和噴灑關(guān)鍵部件，僅標(biāo)配基礎(chǔ)的單目視覺開發(fā)模塊和陀螺儀，飛行過程中很難做到精密的實時微調(diào)，降低了噴灑作業(yè)的質(zhì)量。其次，目前的植保無人機所采用的噴霧設(shè)備都是由常規(guī)的噴霧裝置改裝而來，具有許多缺陷，例如隔膜泵壓力小、藥滴漂移量大、對靶性差以及易堵塞噴嘴等缺點。

對于現(xiàn)在市面上常見的商用植保機存在的上述缺點，本文根據(jù)實驗計算與數(shù)據(jù)仿真提出了一種基于多傳感器采集及數(shù)據(jù)處理的多變量藥液噴灑無人機。它具備多組高精傳感器，通過不同傳感器之間進行數(shù)據(jù)融合，并在中央處理模塊內(nèi)進行數(shù)據(jù)的深度擬合，能夠?qū)崿F(xiàn)飛行姿態(tài)的實時微調(diào)，能夠保證飛行過程的穩(wěn)定性。同時，多傳感器還可實現(xiàn)對噴灑霧滴降落的物理模型進行實時的參數(shù)調(diào)整，能夠有效提高農(nóng)藥的利用率。該無人機還可根據(jù)衛(wèi)星集群返回的地理信息，利用RTK 技術(shù)進行載波修正，極大地提高了無人機姿態(tài)修正的準(zhǔn)確性，有助于授藥準(zhǔn)確化，推動精準(zhǔn)農(nóng)業(yè)在無人機方向的發(fā)展。本文將從結(jié)構(gòu)設(shè)計、算法設(shè)計兩個方面來對該無人機的設(shè)計方案進行說明。

1 傳感器模塊結(jié)構(gòu)設(shè)計

該無人機的傳感器模塊主要由RTK 模塊、雙目立體視覺系統(tǒng)、毫米波雷達以及TOF 模塊組成。下面將依次介紹各模塊的結(jié)構(gòu)以及功能。

1.1 RTK 模塊

RTK 模塊所采用的是載波相位差分技術(shù)，此技術(shù)是指實時處理來自兩個移動測量站的載波相位信號進行差分處理的方法，原理上是將在附近定點基站或用戶設(shè)立的移動衛(wèi)星信號接收基站所采集的衛(wèi)星所產(chǎn)生的載波相位信號，經(jīng)特定頻率的通訊機發(fā)給作業(yè)無人機機載的特定波段信號接收機，機載運算模塊將收到的不同基站的定位衛(wèi)星的載波相位信號實時進行求差，從而解算當(dāng)前信號系統(tǒng)的實時坐標(biāo)位置。具體過程可以通過以下簡單的數(shù)學(xué)模型加以說明。

假設(shè)存在基準(zhǔn)站a、移動端b 以及衛(wèi)星c，在此過程中a 基站和b 接收端之間的信號傳播遞過程中始終是實時同步的，那么就可以得到衛(wèi)星和基準(zhǔn)站以及移動端之間的載波相位差分別是：

經(jīng)過單差整理后，有：

此時εab即消除了物理環(huán)境上的因素而導(dǎo)致的各種誤差，若采用雙衛(wèi)星近進行消差，則可以消除因為接收器批次、型號不同而導(dǎo)致的批間差，從而得到雙差。

同樣地，利用幾何學(xué)計算，能夠建立出基站和移動站間向量和雙差之間的關(guān)系。根據(jù)雙差關(guān)系在幾何學(xué)上的推導(dǎo)結(jié)果，若想完全求解待測向量的未知分量，則至少需要五顆衛(wèi)星的4 個雙差方程組來進行求解。在解方程組的過程中，大部分的誤差都會隨著未知量的解出而被消除，所以基于RTK 的載波相位差修正模型具有極高的精度。本無人機搭載了RTK 系統(tǒng)后，配合神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果進行綜合分析，可以實現(xiàn)飛行姿態(tài)的超微調(diào)控。

1.2 雙目視覺輔助識別

雙目立體視覺的原理是利用視差法將圖像采集裝置從不同的時差角度獲得被測物體的兩幀原始圖像，通過機載運算平臺進行實時高幀率的圖像識別算法，計算圖像中對應(yīng)特征點間的相對位置偏差，從而獲取物體在相對坐標(biāo)系中的三維幾何位置信息的方法。此方案是類似人類兩只眼睛獲得并處理圖像的方法獲得深度數(shù)據(jù)。雙目立體視覺的處理方法原理上直接運用了人類大腦處理景物圖像的方式，此方案是如今波動光學(xué)理論中三維傳感方法中最基礎(chǔ)的距離感知技術(shù)。

該無人機所采用的雙目視覺算法是一種基于神經(jīng)網(wǎng)絡(luò)的匹配算法（二維Hopfield 網(wǎng)絡(luò)），能夠通過對學(xué)習(xí)算法進行迭代，進行最小化尋求最優(yōu)解過程。立體匹配是一種復(fù)雜的非線性過程，而由于環(huán)境所導(dǎo)致的系統(tǒng)相對誤差是能夠通過本模型所利用的網(wǎng)絡(luò)學(xué)習(xí)將其分散到各節(jié)神經(jīng)元之間的連接權(quán)值上，實現(xiàn)實時測量。

1.3 毫米波雷達點云數(shù)據(jù)處理

毫米波雷達是利用波束在毫米波段的雷達進行探測，由于毫米波在物理上具有微波制導(dǎo)和光電制導(dǎo)的優(yōu)點，同厘米級波導(dǎo)引頭相比，毫米波雷達波束特征具有不易受環(huán)境影響的特點，具有更廣泛的應(yīng)用場景。毫米波波長相較于微波雷達具有光學(xué)區(qū)尺寸更小、數(shù)據(jù)可靠性更高的特點，更加適合當(dāng)前對于農(nóng)作物植保飛行中小目標(biāo)的精準(zhǔn)定位的應(yīng)用場景。

1.4 TOF 模塊

TOF 是一種雙向的測距技術(shù)。此技術(shù)是通過給當(dāng)前被測目標(biāo)或環(huán)境發(fā)送連續(xù)的光束脈沖，利用不可見光傳感器接收被測物體反射的脈沖光，利用計算出的光束脈沖往返時間，從而得到物體距離。由于其測量信號為電磁波，傳播速度等于光速，這使得TOF 技術(shù)具有很高的及時性和準(zhǔn)確性。

2 算法設(shè)計

2.1 數(shù)據(jù)融合的加權(quán)算法

根據(jù)機載多傳感器所采集的數(shù)據(jù)進行數(shù)據(jù)融合的加權(quán)算法作用原理，實際上就是解決如何將局部的觀測值組合，最終所得到的融合整體數(shù)據(jù)精度比任何一個局部狀態(tài)估值器所得到的精度都高。考慮到時滯現(xiàn)象的存在，選用一種基于分布式協(xié)方差交叉融合濾波估計算法來進行數(shù)據(jù)融合。

首先進行假設(shè)，該系統(tǒng)為一個具有L 個傳感器的離散多重時間滯系統(tǒng)，分別利用函數(shù)關(guān)系表達出系統(tǒng)的狀態(tài)和實時的觀測值：

而利用算法對于多數(shù)據(jù)時滯系統(tǒng)的融合濾波，就是求CI 融合的kalman 濾波算法。由式(3)(4)中基于狀態(tài)量x(t),x(t-1)...與觀測量y(i)(t),y(i)(t=1...)求出狀態(tài)量x(t)的局部穩(wěn)態(tài)的濾波器所得的x?(t｜t)等價于：

由此，我們可以推廣出增廣具有最佳的kalman濾波器。在多傳感器系統(tǒng)中，當(dāng)多個傳感器各自的協(xié)方差一直，互協(xié)方差未知時，可以得到CI 融合態(tài)的kalman 濾波器，即該情況此系統(tǒng)下最佳的數(shù)據(jù)融合方程。

我們利用該模型進行了100 次仿真訓(xùn)練，訓(xùn)練結(jié)果如圖1、2 所示：

由訓(xùn)練結(jié)果可知，CI 融合式算法具有極佳的跟蹤效果。CI 融合的MSE 曲線是處于每一個局部MSE 曲線以及加權(quán)融合后的MSE 曲線的最下方，可知CI融合器實際的精度高于每一個局部濾波器的精度，且接近最優(yōu)融合器的精度;而且對任意互協(xié)方差，相對應(yīng)的CI 融合器可能的最差精度依舊高于每一個局部濾波器的精度。

2.2 基于神經(jīng)網(wǎng)絡(luò)的液泵PID 控制算法的學(xué)習(xí)機理

對于基于神經(jīng)網(wǎng)絡(luò)機器學(xué)習(xí)的液泵PID 控制算法設(shè)計結(jié)構(gòu)如圖3 所示, 在利用神經(jīng)網(wǎng)絡(luò)算法的模型中使用了2 個不同功能的神經(jīng)網(wǎng)絡(luò)模塊承擔(dān)不同的責(zé)任，一是NNI 在線辨識器，二是NNC 自適應(yīng)PID 控制處理器。在對于農(nóng)業(yè)植保中液泵的流量控制器的工作原理是：利用算法模型實時對NNC 被控子項目在算法進行的辨識結(jié)果的權(quán)系進行調(diào)整，從而使被控項目產(chǎn)生了自適應(yīng)性和穩(wěn)定性。

后期通過Matlab 運算軟件驗證該神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)穩(wěn)定性及性能，進行了大量的數(shù)據(jù)仿真驗證。實驗結(jié)果見圖4、5，不難看出，基于神經(jīng)網(wǎng)絡(luò)的PID 控制系統(tǒng)比傳統(tǒng)控制系統(tǒng)具有更好的控制特性。

2.3 變量噴灑軟件的軟件設(shè)計

對于一個完整的控制系統(tǒng)的開發(fā)，硬件只是其中開發(fā)的一部分，軟件的質(zhì)量直接影響整體系統(tǒng)功能的實現(xiàn)。該控制系統(tǒng)采用模塊化編程，整體都是通過編寫C 語言代碼來實現(xiàn)的。

本研究選用FreeRTOS 作為軟件系統(tǒng)核心，使用Keil 集成開發(fā)環(huán)境完成軟件模塊化。該系統(tǒng)的工作時的基本流程如圖6。

3 結(jié) 語

在農(nóng)業(yè)生產(chǎn)上利用無人機噴灑農(nóng)藥是防止蟲害的最基礎(chǔ)、最重要的農(nóng)業(yè)生產(chǎn)植保方案，本文所提出的技術(shù)方案是減少生產(chǎn)過程中農(nóng)藥使用量和提升常規(guī)農(nóng)藥防效的有效手段。本文所提出的基于多數(shù)據(jù)融合的變量噴灑無人機，具有噴灑精度高、農(nóng)藥利用率高、飛行作業(yè)安全率高等特點，在現(xiàn)有的植保無人機基礎(chǔ)上，進行了全面優(yōu)化，是未來植保無人機設(shè)計的趨勢。但該無人機仍有一些缺陷，如造價昂貴、調(diào)試步驟較為繁瑣等，有待未來進行深入的研究與設(shè)計。