农用无人机变量喷施控制系统设计与效果评价方法研究.pdfVIP

相处的这三年。感谢生工食品学院研博会、生工食品学院足球队、浙大研干讲习所以及浙

大求是强鹰俱乐部的大家，感谢参加贵州雷山社会实践的“瓜哥后援团”。特别感谢在日

本东京大学的雷雨坤同学，谢谢你对我留学之路的支持和鼓励。

最后，感谢在背后一直支持我的家人，感谢你们尽自己所能为我创造更好的学习环境，

在我最艰难的日子里给予我温暖。感谢在浙大遇到的每一个人，我们有缘相识，感谢一路

相伴，希望大家都能够朝着梦想更进一步！

郭晗

2020年4月于浙大紫金港

摘要

农用无人机变量喷施技术与装备是提升精准农业施药效率，实现农药零增长的重要手

段，是农用航空植保和智能农机装备的前沿方向和核心内容。本文围绕农用无人机变量喷

施技术，设计并搭建无人机变量喷施控制系统，建立基于机器学习的喷施特性定量预测模

型和评价方法，构建无人机变量喷施系统仿真平台，并进行变量喷施试验验证，为旋翼无

人机精准变量喷施作业和效果数字化评价提供了技术支撑。主要研究结果如下：

（1）设计并搭建了农用无人机变量喷施控制系统。系统应用单片机ArduinoUNOR3

作为系统控制器，优选TEEJETXR110015VS喷嘴作为系统测试喷嘴，通过脉冲宽度调制

（PWM）信号实现变量喷施控制；系统对比分析并标定了PWM信号占空比和压力、流量

之间的量化关系，确定了系统在压力0.2MPa、3个喷嘴高度下不同水平位置雾滴粒径的

变化规律和量效关系。

（2）建立了单喷嘴变量喷施控制系统不同压力、扇面位置和喷嘴高度的雾滴特性定

量评价方法和模型。设计搭建了TEEJETXR110015VS单喷嘴变量喷施系统，应用机器学

习方法（多元非线性回归（REGRESS）、最小二乘支持向量机（LS-SVM）、极限学习机（ELM）、

径向基神经网络（RBFNN））建立了多参量预测模型。结果表明，系统压力0.2MPa下单

喷嘴不同扇面位置（喷嘴高度、水平位置）雾滴粒径和沉积量分布定量评价模型中效果最

22

佳为RBFNN模型，建模集决定系数R和预测集决定系数R均在0.9以上；系统压力

Cp

0.2MPa、1m喷嘴高度下单喷嘴喷施覆盖面的沉积量分布定量评价模型中效果最佳的模

22

型为LS-SVM模型，建模集决定系数R和预测集决定系数R均在0.99以上；建立了不

Cp

同系统压力和喷嘴高度的单喷嘴正下方雾滴粒径定量评价模型，效果最佳为RBFNN模型，

22

建模集决定系数R和预测集决定系数R均在0.99以上。

Cp

（3）建立了多喷嘴变量喷施控制系统不同喷嘴间距、扇面位置和喷施覆盖面位置的

雾滴特性定量评价方法和模型，实现了双喷嘴喷雾扇面雾滴粒径预测。在系统压力0.2MPa

下，应用机器学习方法（REGRESS、LS-SVM、ELM、REBFNN）建立了多喷嘴不同喷嘴

间距、扇面位置（喷嘴高度、水平位置）的雾滴粒径和沉积量分布定量评价模型。结果表

明，建模效果最佳的分别为REGRESS模型和RBFNN模型，REGRESS雾滴粒径定量评

22

价模型建模集决定系数R和预测集决定系数R均在0.92以上，RBFNN雾滴沉积量分

Cp

22

布定量评价模型建模集决