Turning mode and whole region-coverage path planning and optimization of agricultural small UAV
-
摘要:目的
具备自主飞行、航线规划与优化、精准控制与变量作业能力是农用小型无人机(Agricultural small unmanned aerial vehicle, ASUAV)的发展方向。本研究为ASUAV在全区域覆盖下自主飞行作业前的航线拐点坐标解算、飞行航向、起降点位置以及转弯掉头模式等提供优化选择。
方法利用基于自主恒速飞行和最小转弯半径约束的无人机转弯掉头策略,分析并设计了任意凸多边形作业区域下无人机的路径规划方法,提出了基于幅宽微变的航线归整法路径规划方案,并对结构化农田区域实现全区域覆盖条件下的路径进行了规划与优化选择。
结果基于最优转弯掉头模式下的ASUAV全区域覆盖路径规划方法适用于任意凸多边形结构的农田区域,GUI程序在解算地头边界航线拐点坐标的同时能优化选择出效率最高的飞行作业航线。在试验田随机规划出一个面积约为2.7 hm2的不规则凸六边形田块,仿真发现当无人机沿着平行于最长边飞行作业时,其空行行程最短,约为540 m,工作效率也最高,接近90%。
结论经过优化选择后的ASUAV掉头转弯模式、起降点位置、飞行航向以及解算后航线拐点坐标等可以实现全区域覆盖,研究结果为ASUAV自主飞行作业提供了参考。
Abstract:ObjectiveThe development trend of agricultural small UAV (ASUAV) is having a capability with autonomous flight, working route planning and optimization, precise control and variable operation. This study provides the optimized selection of flight heading, take-off and landing location, turning mode and flight point coordinate solution for ASUAV before autonomous flight operation under the condition of whole-area coverage.
MethodTurning mode strategy of ASUAV was studied based on autonomous flight at constant speed under constraint of the minimum turning radius. The path planning method under arbitrary convex polygons was analyzed and designed. An integerized route planning scheme was proposed based on the slight change of working width. Path planning and optimal selection under the condition of whole region-coverage were achieved in the structured farmland area.
ResultThe whole-area coverage path planning method based on the optimal turning mode of ASUAV was applicable to the farmland with arbitrary convex polygon structure. GUI program could optimize flight route with the highest efficiency while calculating flight point coordinates of ground boundary. An irregular convex hexagonal field with an area of about 2.7 hm2 was randomly planned in the field. The simulation results showed that when ASUAV was flying parallel to the longest side of the field, the invalid distance was the shortest with about 540 m, and the efficiency was the highest which was close to 90%.
ConclusionThe optimized turning mode, take-off and landing location, flight heading and route inflection point coordinates can realize the full area coverage. This result can provide a reference for ASUAV autonomous flight operation.
-
Keywords:
- agricultural UAV /
- turn /
- path planning and optimization /
- whole region-coverage /
- flight operation
-
液压压榨过程中蓖麻籽可视为非线性粘弹塑性流变体[1],流变特性是蓖麻压榨理论研究的主要内容之一.目前国内外相关学者在油料力学特性方面取得了一些研究成果,张亚新等[2]建立了葵花籽压榨过程中的塑性模型,Bargale等[3]研究了大豆出油率和压榨时间的关系,但均未给出流变模型;郑晓等[4]基于蠕变试验建立了菜籽、花生和芝麻的非线性粘弹塑性模型,但并不适用于松弛试验中蓖麻籽的流变特性.本文根据蓖麻籽应力松弛试验结果,建立了蓖麻籽压榨过程中非线性粘弹塑性流变模型,并验证了模型的可靠性,从而为榨油工艺中蓖麻油流出时间的确定提供理论依据.
1. 蓖麻籽瞬时力学特性试验
1.1 试验装置与材料
该试验采用单轴压榨试验装置(图 1)、电子万能试验机和上位工控机.湖南省林业科学院培育的“湘蓖一号”蓖麻籽作为试验原料.蓖麻籽直径为6~8 mm.
1.2 试验方法
将蓖麻籽装入单轴压榨试验装置,每组试验装入蓖麻籽高度为75 mm,共3组.利用电子万能试验机加载单轴压榨试验装置,加载速度为55 mm·min-1, 并用上位机读取万能试验机的压力值及试验装置柱塞的位移.
1.3 试验结果与分析
由轴向应力σ与轴向应变ε定义有:
式中F为电子万能试验机加载压力(N),A为柱塞面积(1 194.6 mm2),H0为压榨前蓖麻籽原始高度(mm),ΔH单轴压榨试验装置柱塞位移(mm),代入试验数据得瞬时轴向应力与应变关系曲线, 见图 2.
从图 2可知,该3组试验重复性较好;压榨过程中,蓖麻籽在应变小于0.55时,应力与应变基本呈线性关系;应变大于0.55时,蓖麻籽发生塑性变形且伴随着油脂的渗出,加载过程中由于油脂不能及时流出而加快了应力增加速度,因此轴向应力与应变呈现幂次增长关系;在此定义屈服应变为系统达到屈服状态时的应变[5].蓖麻籽屈服应变(εs)为0.55,对应的屈服应力约为3.5 MPa;为更好地获取应力松弛等时曲线,由图 2可确定应力松弛试验加载应变水平分别为0.20、0.30、0.40、0.50、0.55、0.60、0.65、0.70和0.75.
2. 蓖麻籽流变试验
在流变试验中,应力松弛试验和蠕变试验是等价的,松弛和蠕变是同一物理性质的不同表现形式[6],蠕变试验条件是应力恒定,而松弛试验则是应变恒定,对于油料压榨过程,恒定应变能更容易实现,为提高数据的可靠性, 本研究采用应力松弛试验.
2.1 试验方法
试验装置及试验材料与瞬时力学特性试验相同.应用分别加载试验方法[7-8],利用电子万能试验机对每组装有蓖麻籽的单轴压榨试验装置分别进行加载(加载速度与上述力学特性试验相同),使每组试验应变分别达到0.20、0.30、0.40、0.50、0.55、0.60、0.65、0.70、0.75,各应变水平保持30 min不变,每间隔3 min读取电子万能试验机的压力值.
2.2 试验结果与分析
将上位机采集试验数据代入轴向应力定义式,得到蓖麻籽应力松弛试验结果,各个应变水平轴向应力与时间关系如图 3所示.
通过对图 3分析可知,蓖麻籽应力松弛过程大致由快速松弛、缓慢平稳松弛2个阶段构成,快速松弛阶段蓖麻籽承受较大的外力,蓖麻籽在榨筒中滑动,且伴随着油脂流出榨筒,随着滑动和油脂的流出,应力逐渐减小,从而导致滑动和油脂流动减缓,因此应力在该阶段松弛较快,后阶段松弛比较平稳缓慢,且随时间推移呈现基本水平趋势;同时可知,在应变小于屈服应变时,等时长内应力松弛量(即轴向应力变化量)较小,反之较大,这是由于在应变大于屈服应变后,蓖麻籽开始破裂渗出油脂,油脂随油道流出单轴压榨试验装置导致应力松弛量较大,且应变越大,应力松弛量越大.通过对图 4应力应变等时曲线分析可知,在应变小于屈服应变时,应力应变基本呈现出线性关系,应变大于屈服应变时,应力应变呈现出非线性特征,这与瞬时力学特性试验结果基本吻合.
3. 蓖麻非线性流变本构模型
为使模型既能描述非线性问题又具有一定物理意义,本研究采用半理论半经验法建立非线性流变模型.对于线性段,利用模型理论建立线性粘弹性模型;对于非线性段,利用经验模型建立非线性粘塑性模型;根据流变模型并联应力叠加原理[9]可得非线性流变模型.
3.1 非线性粘弹塑性模型的建立
根据上述瞬时力学特性试验结果和流变试验应力应变等时曲线分析结果,可知在应变小于屈服应变0.55时,应力与应变基本是线性关系,该阶段可利用线性粘弹性模型描述.因松弛试验是恒应变,采用并联式模型将有利于分析研究,在并联式模型中广义Maxwell模型被广泛用于固体材料应力松弛表述,且能较为真实反映其应力松弛特性[10].同时由松弛试验结果可知该阶段应力松弛量较小,残余应力小且不为0,可采用三元件广义Maxwell模型模拟该线性段,如图 5所示.
根据试验结果,在应变大于屈服应变0.55时,应力与应变呈现出明显非线性关系.但广义Maxwell模型只能描述线性阶段流变特性,并未含有塑性元件,不能描述压榨过程中塑性阶段的应力应变关系,同时也不能描述屈服后的应力应变的非线性关系,因此需要对模型进行改进,需加入塑性元件使其能表述材料塑性特性,加入经验模型使其能描述非线性应力应变关系.
根据应力松弛试验方法,可见试验过程中控制的变量是应变,因此加入的塑性元件也需要与应变为变量.根据屈服应变的定义,以及类似应力型塑性元件的定义[9],在此定义应变型塑性元件为系统应变达到屈服应变时便开始产生塑性应力的模型,其本构方程如下:
当达到屈服时,应力型塑性元件的应变等于其并联支路的应变[9],应变型塑性元件的应力等于与该元件串联支路的应力.根据模型元件串并联原理[9],加入塑性元件及经验模型得改进后的广义Maxwell模型(图 6).根据应变型塑性元件的性质可知,当应变小于屈服应变时,该模型塑性元件应力为0,经验模型未受力,图 6所示模型可视为图 5的广义Maxwell模型;当应变大于屈服应变时,该模型塑性元件应力不再为0,模型加入了经验模型,此时图 6所示模型能描述应力应变非线性关系.
3.2 模型本构方程及其参数求解
根据上述模型的建立过程可知,除经验模型环节以外,图 6非线性粘弹塑性模型中的参数可由图 5线性阶段粘弹性模型求解出;对于经验模型环节,根据试验结果回归得到经验公式参数.在应变小于屈服应变的线性粘弹性阶段,图 6非线性模型等效于图 5所示广义Maxwell模型,设其E1、E2对应支路应力分别为σ1、σ2,由并联叠加原理可得图 5所示系统总应力:
同理,对于应变大于屈服应变的非线性粘弹塑性阶段,图 5所示系统的总应力为:
式中σJM为经验模型应力值.
3.2.1 线性阶段本构方程的求解
根据上述分析可知,当应变小于屈服应变时,线性阶段模型可用如图 5所示的三元件广义Maxwell模型表示,该模型由1个Maxwell模型和1个弹性元件并联组成,其中Maxwell模型的本构方程为:
松弛试验中应变恒定不变,解得Maxwell模型应力松弛方程为:
弹性元件E2支路方程为:σ2(ε)=E2ε.
线性阶段应力松弛本构方程为:
式中,t为松弛试验恒定应变保持时间,E(t)为松弛模量,由上式得:
根据线性阶段本构方程式可知,E(t)等于图 4中相应时间t对应的应力应变等时曲线中直线段的斜率(即应变小于屈服应变0.55的直线段),根据应力松弛试验直线段数据拟合得到如表 1所示的各等时曲线直线段斜率,表中拟合相关系数都在0.88以上,可知线性段应力应变高度线性相关.
表 1 各等时曲线中直线段拟合斜率Table 1. The fitted slope of linear segment of each isochronous curve根据松弛模量表达式,代入松弛模量试验值(即表 1中斜率)和对应时间,按最小二乘法构建目标函数,并利用Levenberg-Marquardt算法[11-12]求解目标函数从而得到弹性模量E1和E2分别为1.893 0和5.403 5MPa,粘性系数η1为16.553 4MPa·min;同时可得松弛模量试验值与松弛模式表达式模拟值的对比关系如图 7所示,由图可知该回归算法精度较高,同时也验证了松弛模量表达式能较好模拟线性段的松弛模量.
3.2.2 非线性阶段经验模型
为求解经验模型,将非线性模型中经验模型支路从非线性粘弹塑性模型中分离出来,如图 8所示.
由图 8和应变型塑性元件性质可知,当达到屈服后有:
由流变试验等时曲线,可知应力为瞬时应力值与应力松弛量之差,即可设:
式中,σJM0为t=0时瞬时应力值,σJMt为非零时刻t对应应力松弛量.
根据瞬时力学特性试验结果及流变试验等时曲线,应力应变非线性发生在应变大于屈服应变段,且在此段轴向应力较大,蓖麻籽之间间隙基本被变形的蓖麻籽填充,因此这段与粉体压制成型相似,可利用粉体压制成型过程中应力应变经验模型来建立蓖麻散体在高压段非线性模型.其中川北压制模型在模拟粉体压制过程应力和应变关系时有着较高的精度[13-14],故利用川北压制方程并根据塑性元件性质得瞬时应力为:
由流变试验结果可知,应力松弛量是应变ε和时间t的函数,故可设非零时刻t应力松弛量为:
式中a、b、c、d、n为经验模型参数.
联立总应力公式,Maxwell模型应力松弛方程和弹性元件E2支路方程并代入流变试验数据可得经验模型应力σJM(ε, t)值.根据以上公式并利用线性段参数求解算法和基于最小二乘法的多元非线性回归[12]可解得经验模型参数a、b、c、d、n的值分别为0.012 6、0.044 0、0.066 6、0.158 2和0.398 1.同时也可得到非零时刻t应力松弛的σJMt值(图 9).
综上,得蓖麻籽压榨过程中非线性流变本构模型:
根据模型推导过程中运用到川北压制方程可知,该模型适用于描述蓖麻籽压榨应变达到相对较大时的流变过程.
3.3 非线性流变模型的验证
利用非线性流变模型分别模拟蓖麻籽压榨应变水平为0.65、0.67、0.70、0.73、0.75的应力松弛规律,模拟结果如图 10所示.为提高验证的合理性,做2组应变水平分别为0.67和0.73的流变试验结合前面所做试验数据与模拟结果对比,如图 10所示.
应变水平0.65、0.67、0.70、0.73、0.75对应的平均相对误差分别为12.27%、3.37%、4.30%、4.44%和3.06%.应变大于0.65后的平均相对误差均小于4.50%,相对都较小,这是由于非线性流变本构模型给出的蓖麻籽压榨非线性流变模型引入了粉体压制方程,在应变大于0.65时应力已大于10 MPa,远大于屈服应力,榨筒中的蓖麻籽之间的间隙已被变形的蓖麻籽填充,此时能更好地近似于粉体压制过程,该非线性流变模型能更好地模拟蓖麻籽该段压榨过程,故该模型适用于描述压榨应变大于0.65时蓖麻籽的流变特性.
4. 结论
综合应力松弛试验结果可知蓖麻籽在压榨过程呈现出非线性流变的性质, 同时在快速松弛阶段,松弛速度较快且其呈现递减趋势,最终松弛速度趋近于0达到平稳松弛阶段,由试验结果可知各应变水平的快速松弛阶段历时约12 min;结合模型验证结果可知,基于改进后的广义Maxwell模型和川北压制方程建立的非线性流变模型,能较好地模拟蓖麻籽散体在压榨应变大于0.65段的应力松弛特性,为后续蓖麻压榨保压问题的研究以及部分榨油机构设计奠定了理论依据.
-
表 1 农用小型UAV在2种航线下的相关参数比较
Table 1 Comparisons of relevant parameters based on two typical routes of agricultural small UAV
飞行作业航向Flight heading 总航线次数Number of routes 预设幅宽/m Preset width 微调后幅宽/m Fine-tuning width 特征夹角/(°) Characteristic angle 空行行程/m Invalid distance 工作行程/m Valid distance 工作效率%
Working
efficiencyA1A2方向Direction A1A2 42 6 6.07 44.6 997.2 4 774.3 82.72 A1A6方向Direction A1A2 24 6 5.88 42.9 538.5 4 832.2 89.97 表 2 不同起降点下的空行行程与工作效率比较
Table 2 Comparisons of invalid distance and working efficiency in different landing points
角 点
Corner左手方向 Left-hand direction 右手方向 Right-hand direction 空行行程/m
Invalid distance工作效率/%
Working efficiency空行行程/m
Invalid distance工作效率/%
Working efficiencyA1 997.2 82.72 538.5 89.97 A2 648.2 87.99 1 003.3 82.63 A3 552.8 89.75 646.0 88.03 A4 770.6 86.07 645.0 88.43 A5 653.0 88.02 770.8 86.07 A6 542.0 89.98 655.0 88.00 -
[1] 戴博, 蔡自兴, 崔益安. 移动机器人路径规划技术的研究现状与展望[J]. 控制与决策, 2005, 12(3): 198-202. [2] 席裕庚, 张纯刚. 一类动态不确定环境下机器人的滚动路径规划[J]. 自动化学报, 2002, 28(2): 161-175. [3] 李爱萍, 李元宗. 机器人路径规划方法的研究[J]. 机械工程与自动化, 2009(5): 194-196. [4] JONES P, TANG L, VACHTSEVANOS G. Multi-unmanned aerial vehicle coverage planner for area surveillance missions[C]//AIAA. Guidance, navigation and control conference and exhibit. South Carolina: Hilton Head, 2007: 6453-6464.
[5] 柳煌, 夏学知. 无人机航线规划[J]. 船舶电子工程, 2008, 28(5): 47-51. [6] 胡中华, 赵敏, 姚敏, 等. 无人机航迹规划技术研究及发展趋势[J]. 航空电子技术, 2009, 40(2): 24-36. doi: 10.3969/j.issn.1006-141X.2009.02.006 [7] 蔡自兴, 崔益安. 多种机器人覆盖技术研究进展[J]. 控制与决策, 2008, 23(5): 481-486. doi: 10.3321/j.issn:1001-0920.2008.05.001 [8] 彭孝东. 农用小型无人机遥控作业位姿估计与路径规划[D]. 广州: 华南农业大学, 2015. [9] 孟志军, 刘卉, 王华, 等. 农田作业机械路径优化方法[J]. 农业机械学报, 2012, 43(6): 147-152. doi: 10.6041/j.issn.1000-1298.2012.06.027 [10] OKSANEN T, VISALA A. Coverage path planning algorithms for agricultural field machines[J]. J Field Robot, 2009, 26(8): 651-668. doi: 10.1002/rob.v26:8
[11] 刘向锋. 面向GPS导航拖拉机的最优全局覆盖路径规划研究[D]. 阜新: 辽宁工程技术大学, 2010. [12] 苗玉彬, 王明军. 农业车辆导航系统中路径规划策略的研究进展[J]. 农机化研究, 2011, 33(5): 12-15. doi: 10.3969/j.issn.1003-188X.2011.05.003 [13] 彭孝东, 张铁民, 李继宇, 等. 基于目视遥控的无人机直线飞行与航线作业试验[J]. 农业机械学报, 2014, 45(11): 258-263. doi: 10.6041/j.issn.1000-1298.2014.11.040 [14] 韩宾, 吴开华, 王文杰. 全自动植保无人机弯道姿态控制算法[J]. 传感器与微系统, 2018, 37(4): 142-144. [15] 陈海, 王新民, 焦裕松, 等. 一种凸多边形区域的无人机覆盖航迹规划算法[J]. 航空学报, 2010, 31(9): 1802-1808. [16] 张智刚, 罗锡文, 胡炼, 等. 4种DGPS模块动态定位精度测试与分析[J]. 华南农业大学学报, 2010, 31(1): 102-107. doi: 10.3969/j.issn.1001-411X.2010.01.025