曹光喬 李亦白 南 風(fēng) 劉 東 陳 聰 張進(jìn)龍

(農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機械化研究所, 南京 210014)

0 引言

植保無人機是用于農(nóng)林植物保護(hù)、防治病蟲草害的無人駕駛飛機(Unmanned aerial vehicle，UAV)[1]。植保無人機具有作業(yè)靈活、效率高、成本低、突擊能力強等優(yōu)點[2-3]，可適應(yīng)大田、水田、丘陵山地等多種環(huán)境。與地面植保機具相比，植保無人機在作業(yè)效果與作業(yè)效率上更具優(yōu)勢[2]。目前，綠色植保、生態(tài)安全理念日益深入人心，我國植保無人機行業(yè)也發(fā)展迅速。近年來，我國植保無人機不僅用于水田及丘陵等復(fù)雜地形，還用于小麥、花生和棉花等多種作物，飛防作業(yè)方式得到越來越多農(nóng)戶的認(rèn)可，已逐漸取代傳統(tǒng)植保作業(yè)方式[4]。使用25、15 kg有效載荷無人機進(jìn)行噴施作業(yè)時，其年度收益分別是機械噴霧機的33倍和25倍，是人工噴霧(不包括人工成本)的133倍和93倍[5-7]。植保無人機防治效果分別比人工和機械提高15%和35%，對突發(fā)性病蟲害的防治起到了較好的效果[8-9]。與有人駕駛飛機相比，無人機對起飛和降落無特殊要求，飛行高度低、可懸停、農(nóng)藥飄移少、霧滴穿透性好，對環(huán)境的污染小[10-11]。2014年我國擁有植保無人機695架[11]，作業(yè)2.84×105hm2·次，2018年植保無人機保有量3.15萬架，作業(yè)2×107hm2·次。增強作業(yè)效果與提高作業(yè)效率是促進(jìn)植保無人機行業(yè)發(fā)展的重要環(huán)節(jié)[12-13]。無人機作業(yè)效果受到導(dǎo)航、飛行控制以及噴灑系統(tǒng)的影響[14]，作業(yè)效率受到單機航線規(guī)劃、多機協(xié)同優(yōu)化的影響。本文從植保無人機飛行控制系統(tǒng)、單機航線規(guī)劃和多機協(xié)同調(diào)度優(yōu)化方法3個角度對無人機的飛控系統(tǒng)及航線規(guī)劃進(jìn)行綜述，以期為推動我國植保無人機行業(yè)的健康快速發(fā)展提供參考。

1 植保無人機發(fā)展與現(xiàn)狀

1.1 國外植保無人機發(fā)展與現(xiàn)狀

農(nóng)業(yè)航空技術(shù)是指利用飛機完成農(nóng)業(yè)作業(yè)的一項技術(shù)，其飛機可分為有人駕駛飛機和無人駕駛飛機。美國的航空施藥設(shè)備以有人駕駛固定翼飛機為主(約占88%)[15]。但近年來，使用無人駕駛飛機進(jìn)行化肥農(nóng)藥噴灑、農(nóng)業(yè)管理、產(chǎn)量估算等作業(yè)在美國得到了實踐應(yīng)用[16-17]。美國農(nóng)業(yè)和生物工程師協(xié)會(ASABE)制訂了UAV標(biāo)準(zhǔn)，并獲得了美國國家標(biāo)準(zhǔn)協(xié)會認(rèn)可。2015年，美國聯(lián)邦航空管理局正式批準(zhǔn)無人機可用于農(nóng)作物監(jiān)測與植保作業(yè)，形成了較為統(tǒng)一的行業(yè)標(biāo)準(zhǔn)，但只有獲得特殊授權(quán)證書的個人、代理機構(gòu)才能用于商業(yè)飛行[18]。目前，美國是農(nóng)業(yè)航空發(fā)達(dá)國家之一，2017年已經(jīng)擁有超過20種9 000多架農(nóng)業(yè)飛機[15]，占世界總擁有量的28%，對農(nóng)業(yè)的直接貢獻(xiàn)率為15%以上，航空植保作業(yè)面積為65%[18]。美國無人機廣泛加載GPS、自動導(dǎo)航、施藥自動控制等操作系統(tǒng)，不僅能夠精準(zhǔn)、高效地完成作業(yè)，對環(huán)境污染也較小。除噴灑作業(yè)外，美國還利用植保無人機進(jìn)行遙感測繪，用于農(nóng)事管理與產(chǎn)量估算，很大程度上解決了因信息缺失或失準(zhǔn)造成的糧食生產(chǎn)損失[19-20]，保證了糧食產(chǎn)量。

日本人均耕地面積較少，且地形多山，使用植保無人機成為解決農(nóng)村勞動力緊缺的重要方法[21]。1958年日本將有人駕駛直升機應(yīng)用在稻田害蟲和稻瘟病的防治上，受限于污染和安全等問題，1983年提出有人駕駛直升機和無人駕駛直升機共同完成植保作業(yè)[22]。1987年日本雅馬哈公司研制出世界上第一臺農(nóng)業(yè)用無人機，成為第一個使用小型植保無人機的國家。目前，日本植保無人機技術(shù)得到快速發(fā)展，已經(jīng)達(dá)到世界領(lǐng)先水平。2004年水稻生產(chǎn)作業(yè)中，無人機的使用規(guī)模已經(jīng)大于有人駕駛直升機[15]。2018年日本植保無人機市場裝機總?cè)萘窟_(dá)2 788架(以單旋翼直升機為主)，獲得國家植保無人機操作證書的操作人員共10 545人，無人機覆蓋率達(dá)到70%[18]。無人機還廣泛應(yīng)用在遙感測繪和害蟲驅(qū)除等任務(wù)中[23]。在植保無人機管理方面，建立了政府監(jiān)管和行業(yè)協(xié)同管理的推動模式，加強植保無人機購買補貼、操作人員培訓(xùn)。大力發(fā)展農(nóng)業(yè)航空植保專用藥劑，促進(jìn)植保無人機技術(shù)的進(jìn)一步發(fā)展。日本經(jīng)產(chǎn)省2020年向國際標(biāo)準(zhǔn)化組織提交認(rèn)證申請，擬主導(dǎo)國際無人機標(biāo)準(zhǔn)制訂，以利于自產(chǎn)的無人機在國際上得到推廣[23]。

美國、俄羅斯、加拿大等因農(nóng)場的規(guī)?；N植和同種作物大量連片種植模式，更適合有人駕駛飛機進(jìn)行植保作業(yè)。隨著植保無人機技術(shù)的發(fā)展和應(yīng)用場景的不斷擴展，植保無人機技術(shù)在上述國家也逐漸得到發(fā)展。日本、韓國等國家植保無人機針對山地、丘陵等復(fù)雜地貌的作業(yè)研究發(fā)展較早，應(yīng)用廣泛，發(fā)展水平也較高，對我國山地丘陵等地形的植保無人機研究具有借鑒意義[24]。

1.2 我國植保無人機發(fā)展與現(xiàn)狀

中國有人駕駛的航空植保業(yè)發(fā)展較早，1951年我國將大型固定翼飛機用在防治東亞飛蝗、森林防火和播種造林等工作[3]。有人駕駛的大型固定翼飛機只適合大面積的農(nóng)墾地區(qū)[17]，南方丘陵、地形復(fù)雜的山區(qū)、小地塊無法使用。2008年農(nóng)業(yè)部南京農(nóng)業(yè)機械化研究所、中國農(nóng)業(yè)大學(xué)等單位共同承擔(dān)的科技部“863”計劃項目《水田超低空低量施藥技術(shù)研究與裝備創(chuàng)新》，標(biāo)志著我國科研機構(gòu)正式開始研究植保無人機技術(shù)。

植保無人機種類眾多，按照升力部件可分為單旋翼無人機、多旋翼無人機；按動力部件可分為電動無人機、油動無人機。目前我國植保無人機市場上主要有油動單旋翼、電動單旋翼和電動多旋翼植保無人機3種類型[25]，其性能指標(biāo)見表1。現(xiàn)階段，植保作業(yè)需求方可通過官方或非官方發(fā)布訂單，進(jìn)行服務(wù)預(yù)定，服務(wù)提供商以飛防作業(yè)隊的形式提供植保服務(wù)。一個飛防隊可包含多個作業(yè)機手和多臺植保無人機，一個機手可以為多臺無人機提供更換電池、補充藥液的專業(yè)服務(wù)。提高植保無人機智能化水平，進(jìn)一步改進(jìn)了植保無人機作業(yè)效率和效果，成為植保無人機發(fā)展的重要方向。

表1 我國常見植保無人機機型及性能Tab.1 Common plant protection UAVs models and performance comparison in China

1.3 我國植保無人機應(yīng)用存在的問題

(1)精準(zhǔn)控制技術(shù)的成本高：植保無人機逐步發(fā)展到自主飛行作業(yè)階段，超低空飛行氣流擾動與無人飛機藥液晃動，會影響植保無人機飛行精度，增加了農(nóng)藥的重噴、漏噴率，增加了農(nóng)藥使用量[26-27]。高精度的飛行控制系統(tǒng)可減少誤差，但高精度飛行控制系統(tǒng)成本較高，研發(fā)低成本的植保無人機飛行控制系統(tǒng)可提升植保無人機的作業(yè)效果。

(2)單機作業(yè)效率低：植保無人機單機作業(yè)效率受飛行避障、電池、農(nóng)藥補給、田間航線規(guī)劃等方面的影響較大。電動多旋翼無人機是目前最受歡迎的植保無人機，具有操作靈活、起降迅速、成本低的優(yōu)點，但飛行時間較短、載荷較低，作業(yè)過程需多次人工更換電池和農(nóng)藥補給[27]；實時避障技術(shù)不成熟，機手一般采用手工標(biāo)注障礙物位置，再進(jìn)行航線規(guī)劃的方法躲避障礙物，制約了植保無人機的單機作業(yè)效率。

(3)多機群作業(yè)訂單分配依賴人工經(jīng)驗：植保作業(yè)管理在多機群飛行航線規(guī)劃的基礎(chǔ)上，結(jié)合我國植保作業(yè)以飛防隊為主的現(xiàn)狀，進(jìn)行訂單管理與訂單分配的研究，可有效提升植保作業(yè)的整體效率。

本文將從以上方面綜述研究進(jìn)展與行業(yè)應(yīng)用情況，總結(jié)提出植保無人機的研究熱點和未來發(fā)展趨勢。

2 無人機飛行姿態(tài)控制

無人機飛行姿態(tài)控制對監(jiān)控?zé)o人機飛行狀態(tài)和作業(yè)性能評價有重要意義。其中飛機航向、姿態(tài)(俯仰角、橫滾角、偏航角)、空速、高度等重要飛行參數(shù)在無人機飛行過程中必須動態(tài)監(jiān)控，確保無人機按照既定軌跡安全飛行。

2.1 飛行數(shù)據(jù)監(jiān)測系統(tǒng)

隨著傳感技術(shù)的發(fā)展，慣性導(dǎo)航逐漸成為主流監(jiān)測方式。慣性導(dǎo)航是一種完全自主的獨立導(dǎo)航系統(tǒng)，工作時僅依靠自身內(nèi)部傳感器——陀螺儀、加速度計，而無需與外界發(fā)生任何聯(lián)系，就能為載體提供姿態(tài)、速度、位置等導(dǎo)航信息[28]。其中捷聯(lián)慣性導(dǎo)航由于結(jié)構(gòu)簡單、體積小、易于安裝維護(hù)和性能提升、成本低等優(yōu)勢[29]，成為主流慣性導(dǎo)航系統(tǒng)。按照應(yīng)用場景和精度級別不同，捷聯(lián)慣性導(dǎo)航可分為消費級、戰(zhàn)術(shù)級、導(dǎo)航級、戰(zhàn)略級4個級別，每個級別對應(yīng)的陀螺儀和加速度計的精度均有不同，具體見表2[30]。

表2 不同慣性導(dǎo)航應(yīng)用級別精度Tab.2 Accuracy of different inertial navigation application levels

2.2 飛行姿態(tài)估計

通過陀螺儀、加速度計、磁力計等傳感器獲取的無人機飛行姿態(tài)數(shù)據(jù)，包括高度、氣壓、姿態(tài)角(航向角、俯仰角和滾動角)以及3個坐標(biāo)軸的速度(向東速度、向北速度和垂直速度)等，無人機飛行姿態(tài)和操作狀態(tài)必須通過飛行數(shù)據(jù)來推斷，因此準(zhǔn)確估計和預(yù)測飛行數(shù)據(jù)尤為重要?；跓o人機工作環(huán)境的復(fù)雜性，MEMS傳感器采集的數(shù)據(jù)存在干擾因素，如何排除干擾，準(zhǔn)確估計和預(yù)測高精度的飛行數(shù)據(jù)成為研究熱點。

干擾源：大多數(shù)植保無人機慣性導(dǎo)航系統(tǒng)(Inertial navigation,INS)均采用微機械系統(tǒng)(MEMS)慣性傳感技術(shù)，這些技術(shù)成本低廉且功耗低。但是，與有源陀螺儀和干涉式光纖傳感器等陀螺儀相比，MEMS陀螺儀精度較差，偏差較大，比例因子較大，噪聲較大且對環(huán)境影響敏感。同時MEMS傳感器制造工藝水平無法達(dá)到絕對一致性，故在制造工藝和原材料方面不可避免會引入額外的隨機噪聲[39]， MEMS 陀螺儀在啟動階段瞬時電壓不穩(wěn)定也會造成 MEMS 陀螺儀在上電階段產(chǎn)生隨機波動誤差[40]，且具有強烈的非線性[41]。多旋翼無人機慣性測量單元(Inertial measurement unit, IMU)普遍采用成本較低的器件，精度相對較差，長時間工作容易產(chǎn)生漂移[42]。傳統(tǒng)慣性導(dǎo)航系統(tǒng)通常采用地球正常重力模型。用計算得到的正常重力來代替實際重力進(jìn)行重力補償，但計算值與實際值之間存在差值，也稱重力擾動，成為影響慣導(dǎo)系統(tǒng)精度的主要誤差源之一[43-48]。無人機飛行過程中，還不可避免受到常值風(fēng)、突風(fēng)和大氣紊流等風(fēng)擾動影響，從而影響MEMS器件采集飛行數(shù)據(jù)的穩(wěn)定性和精度[49-50]。

數(shù)據(jù)融合：基于MEMS的INS不提供直接的姿態(tài)估計，為了提高基于MEMS的INS的性能和魯棒性，需要濾波以及數(shù)據(jù)融合來有效地實現(xiàn)無人機姿態(tài)跟蹤和估計。最有效的估算和預(yù)測工具是卡爾曼濾波器(Kalman filtering,KF)，包括粒子濾波器(Particle filter,PF)[51]、擴展卡爾曼濾波器(Extended Kalman filter,EKF)和無損卡爾曼濾波器(Unscented Kalman filter,UKF)等[52-53]。KF可不間斷地估計樣本數(shù)據(jù)的后驗概率分布，然后基于狀態(tài)轉(zhuǎn)移模型和觀測模型，并通過傳感器傳回實時數(shù)據(jù)，預(yù)測出無人機的飛行過程狀態(tài)[54]。 YI等[55]針對存在執(zhí)行器故障的無人四旋翼直升機(Qball-X4)的故障檢測與診斷問題，提出一種基于粒子濾波器(PF)的故障檢測和狀態(tài)估計方法，用于通過集成線性二次型最優(yōu)控制(LQ)技術(shù)來控制Qball-X4[56]的飛行高度。JING等[57]提出了一種基于擴展卡爾曼濾波器(EKF)的無人機姿態(tài)估計方法，將磁傳感器、角速率傳感器和重力傳感器采集的飛行數(shù)據(jù)融合成姿態(tài)四元數(shù)來表示無人機的姿態(tài)[57]。

擴展卡爾曼濾波器(EKF)是用于姿態(tài)估計的非線性濾波的主要工具[58]。但是，EKF中隱含的線性化在非線性測量模型以及缺乏良好的先驗狀態(tài)估計的情況下，會導(dǎo)致姿態(tài)估計性能下降、發(fā)散和增大估計誤差。 EKF濾波器的局限性也推動了更多具有更高魯棒性和準(zhǔn)確性的非線性姿態(tài)估計算法的發(fā)展，如Sigma點或無損卡爾曼濾波器(UKF)、最佳卡爾曼濾波器(Optimal Kalman filter, OKF)、粒子濾波器(PF)和廣義互補擴展卡爾曼濾波器。與EKF相比，新發(fā)展的濾波器顯示出較低的誤差預(yù)期，高階泰勒級數(shù)展開的隱含性以及對不可微函數(shù)的適用性[58]。吳和龍等[59]基于20維狀態(tài)量的CPF-EKF算法,額外引入了陀螺儀、加速度計和磁力計偏置誤差作為狀態(tài)量,使三軸姿態(tài)角的最優(yōu)估計值更加準(zhǔn)確。TEIXEIRA等[60]分別利用EKF和UKF進(jìn)行固定翼無人機姿態(tài)估計，結(jié)果表明UKF表現(xiàn)出更好的性能和魯棒性。XIONG等[61]發(fā)現(xiàn)在存在高斯過程和測量噪聲的情況下，使用OKF來估計四旋翼無人機的姿態(tài)，可以獲得高精度的位置和姿態(tài)跟蹤。RODRIGUEZ等[62]基于擴展卡爾曼濾波器(EKF)，提出了一種用于評估無人機飛行過程中鋰電池充電狀態(tài)的方法。HE等[63]通過考慮無人機六軸推進(jìn)系統(tǒng)的數(shù)學(xué)模型，可以計算出功耗，并估算電池的剩余量，預(yù)測電池供電終止時間。KADA等[64]使用UKF和最小能量KF解決了無人機姿態(tài)估計問題。

2.3 飛行姿態(tài)控制

農(nóng)業(yè)植保無人機貼近地面飛行，地面地勢變化以及超低空飛行氣流擾動改變都會嚴(yán)重影響無人機的飛行姿態(tài)，噴藥過程中無人機藥液晃動帶動無人機本身晃動，也會影響飛機的飛行姿態(tài)與農(nóng)藥噴灑效果，并且在噴藥過程中，飛行器自身質(zhì)量會持續(xù)改變[65]，均會導(dǎo)致飛機既定飛行路徑偏移，因此必須動態(tài)控制植保飛機的飛行姿態(tài)[66](圖1)。

圖1 無人飛機坐標(biāo)系示意圖Fig.1 Schematic of UAV coordinate system

無人飛機空間運動的 6 個自由度為: 3 個質(zhì)心運動(平移x、y、z)和 3個角運動(俯仰角θ、橫滾角φ、偏航角Ψ)；四旋翼無人飛機的4個輸入為：升力F1、F2、F3、F4[67]。無人機的飛行姿態(tài)由其6個自由度共同決定，6個自由度又由4個輸入共同決定，4個輸入由4旋翼轉(zhuǎn)速決定。以四旋翼無人飛機為例，其姿態(tài)控制機制如表3所示。

多旋翼飛行器姿態(tài)控制大多采用普通比例積分微分控制算法[68]，但是當(dāng)載荷變動量接近甚至超過系統(tǒng)本身重量時，在較大外界干擾下，基于普通比例積分微分(Proportion, integration，differentiation，PID)控制算法的系統(tǒng)容易產(chǎn)生振蕩，導(dǎo)致飛行失穩(wěn)。王大偉等[66]針對四旋翼無人飛機欠驅(qū)動、強耦合非線性系統(tǒng)航線跟蹤問題，提出了一種滑模航線跟蹤控制策略，其姿態(tài)和位置控制具有良好的效果。陳鵬等[69]結(jié)合PID 控制算法與智能模糊控制算法，設(shè)計了一種自適應(yīng)模糊 PID 無人機姿態(tài)控制器，提高了無人機抗干擾性能。楊雨婷等[70]為解決民用無人機飛控系統(tǒng)的高可靠性、實時性等要求，將 AADL 語言應(yīng)用于民用無人機飛控系統(tǒng)建模與分析中，減小了后期系統(tǒng)發(fā)生錯誤的概率。呂海龍[71]根據(jù)單向輔助面滑模控制方法，設(shè)計了系統(tǒng)內(nèi)外回路的姿態(tài)控制器，保證了無人機機動飛行過程的安全性與穩(wěn)定性。楊恩泉等[72]對無人機機動飛行航線跟蹤系統(tǒng)的內(nèi)環(huán)采用非線性動態(tài)逆方法，外環(huán)采用逆動力學(xué)前饋加模糊反饋的控制結(jié)構(gòu)，提高了飛行航線的跟蹤精度。

表3 四旋翼無人機姿態(tài)控制機制Tab.3 Four-rotor UAV attitude control mechanism

2.4 飛行定位導(dǎo)航

自動定位技術(shù)是保障植保無人機作業(yè)的基礎(chǔ)，自動定位技術(shù)能夠減小農(nóng)藥和無人機本身對作業(yè)人員的傷害概率，同時提高作業(yè)效率。

2.4.1GNSS導(dǎo)航方法

全球衛(wèi)星定位導(dǎo)航系統(tǒng)(Global navigaion satellite system, GNSS)具有定位精度高，不受時間和地域限制的優(yōu)點，但其導(dǎo)航信息更新頻次低，動態(tài)性差[73]。GNSS包括GPS、Glonass、Galileo、BDS四大系統(tǒng)，其中以GPS發(fā)展最早，技術(shù)最成熟。國外發(fā)達(dá)國家的農(nóng)用航空飛機都配備精密的GPS 導(dǎo)航設(shè)備與系統(tǒng)[74]，無人機使用GPS進(jìn)行植保作業(yè)或農(nóng)情數(shù)據(jù)采集導(dǎo)航的研究時間較長，技術(shù)相對成熟[75-77]，我國學(xué)者在此領(lǐng)域起步較晚，研究重點集中在分析與改進(jìn)GPS導(dǎo)航精度上[78-80]。北斗衛(wèi)星系統(tǒng)是我國自主研制的衛(wèi)星導(dǎo)航系統(tǒng)，具有全部知識產(chǎn)權(quán)，可擺脫對國外衛(wèi)星導(dǎo)航系統(tǒng)的依賴，保證無人機的飛行路徑與精度不受到外部干擾。我國學(xué)者針對北斗導(dǎo)航進(jìn)行了植保無人機的導(dǎo)航作業(yè)研究和試驗[81-82]?；贕PS與北斗系統(tǒng)的植保無人機導(dǎo)航精度誤差均在10 m左右，基于GNSS定位的導(dǎo)航系統(tǒng)導(dǎo)航精度低，但在大尺度范圍下導(dǎo)航效果穩(wěn)定且成本較低[83]。

載波相位差分技術(shù)(Real-time kinematic，RTK)是將兩個或多個基準(zhǔn)站采集的載波相位發(fā)給用戶接收機，接收機進(jìn)行差分計算得到飛機坐標(biāo)，是一種新的衛(wèi)星定位測量方法，具有導(dǎo)航精度高、成本相對較低的優(yōu)點，能夠直接獲得無人機的絕對位置，是GPS應(yīng)用的重大改進(jìn)技術(shù)[84-86]。目前該定位技術(shù)被大疆、極飛、漢和、全豐等公司的多種無人機產(chǎn)品所采用。

2.4.2組合導(dǎo)航技術(shù)

慣性導(dǎo)航具有短時間內(nèi)導(dǎo)航精度高的優(yōu)點，但慣性導(dǎo)航精度越高，成本越高，且該方法易受氣流影響，目前該技術(shù)主要應(yīng)用于軍事無人機的導(dǎo)航中。有國內(nèi)外學(xué)者將慣性導(dǎo)航與GNSS系統(tǒng)結(jié)合用于植保無人機導(dǎo)航作業(yè)的研究[87]。受到植保無人機的成本約束和農(nóng)業(yè)作業(yè)環(huán)境中復(fù)雜風(fēng)向、氣流因素的影響，使用該方法導(dǎo)航的植保無人機的飛行最大偏航距為3 m，平均偏航距在0.1 m左右[87]。開發(fā)低成本且適用于農(nóng)業(yè)作業(yè)環(huán)境的全球衛(wèi)星定位+慣性導(dǎo)航系統(tǒng)成為該技術(shù)在植保無人機上應(yīng)用的研究方向。

基于機器視覺的導(dǎo)航方法具有實時性強、成本低的優(yōu)點[88]，單目視覺處理技術(shù)可快速獲得無人機周圍環(huán)境的二維信息，進(jìn)行植保無人機的相對位置判斷。單目相機搭載在植保無人機上，可作為精準(zhǔn)施藥的輔助工具[89]。雙目視覺方法可獲得植保無人機周圍環(huán)境的二維信息與深度信息，其數(shù)據(jù)層次更為豐富，但數(shù)據(jù)處理速度較慢，主要應(yīng)用于植保無人機的避障探測[90]。視覺方法與全球衛(wèi)星定位相結(jié)合的導(dǎo)航方法可在全球衛(wèi)星定位獲取絕對位置的基礎(chǔ)上結(jié)合視覺方法進(jìn)行相對位置的調(diào)整，在小區(qū)域范圍內(nèi)具有導(dǎo)航精度高、實時性好的優(yōu)點，其作業(yè)效果受到光線影響較大，目前該方法主要應(yīng)用在無人機的避障導(dǎo)航與精準(zhǔn)施藥上。除單雙目相機外，雷達(dá)傳感器可獲取無人機周圍的二維信息，雷達(dá)穿透霧、煙、灰塵的能力強，抗干擾能力強[91]，與全球衛(wèi)星定位系統(tǒng)相互配合，可達(dá)到良好的導(dǎo)航效果，雷達(dá)傳感器的成本較高，目前，以T16型大疆植保無人機為代表的植保無人機采用雷達(dá)傳感器與載波相位差分技術(shù)進(jìn)行導(dǎo)航。各導(dǎo)航技術(shù)的對比見表4。

表4 各導(dǎo)航技術(shù)性能對比Tab.4 Performance comparison of various navigation technologies

3 單機作業(yè)航線優(yōu)化策略

3.1 航線規(guī)劃基本方法

隨著無人機導(dǎo)航及控制技術(shù)的進(jìn)一步成熟，植保無人機自主作業(yè)成為發(fā)展趨勢，植保無人機的作業(yè)時長受到無人機的電池容量、載重能力、地塊地形、作物種植農(nóng)藝等因素的約束。衡量無人機航線優(yōu)劣的主要指標(biāo)有非植保作業(yè)時間、能量消耗、路程、植保作業(yè)的覆蓋率和遺漏率，在多個約束條件下，進(jìn)行各指標(biāo)的總體尋優(yōu)成為植保無人機航線規(guī)劃的目標(biāo)[92]。常采用基于空間搜索的智能算法如遺傳算法、粒子群算法、引力搜索算法、蟻群算法等，均適合于優(yōu)化航線。

單機多架次航線規(guī)劃效率主要受到轉(zhuǎn)彎次數(shù)、避障策略和補給策略的影響，其中轉(zhuǎn)彎次數(shù)受到地形形狀與無人機噴幅影響較大。無人機的航線規(guī)劃是一種全覆蓋路徑規(guī)劃，其規(guī)劃基礎(chǔ)為牛耕往復(fù)法或螺旋法[92]。無人機在轉(zhuǎn)彎時不進(jìn)行噴藥，因此無人機的調(diào)頭次數(shù)是影響作業(yè)效率和效果的最重要因素，一般情況下，牛耕往復(fù)法的調(diào)頭次數(shù)較少，是使用最廣泛的航線初始化方法。避障策略、補給策略需根據(jù)無人機本身及其他設(shè)備的系統(tǒng)情況綜合考慮。

3.1.1凸多邊形地塊的航線規(guī)劃

凸多邊形地塊優(yōu)化是路徑規(guī)劃中較簡單的規(guī)劃場景，其中矩形地塊是無人機航線規(guī)劃中最簡單的場景。當(dāng)?shù)貕K形狀為矩形時，無人機可以選擇牛耕往復(fù)法和內(nèi)外螺旋法兩種方法進(jìn)行航線規(guī)劃，兩者都可將地塊面積鋪滿，其方法如圖2所示，為減少無人機的轉(zhuǎn)彎次數(shù)，一般采用牛耕往復(fù)法。

圖2 基本地形航線規(guī)劃法Fig.2 Basic route planning method

對于不規(guī)則形狀的凸多邊形作業(yè)區(qū)域來說，植保無人機無論沿著何種方向進(jìn)行作業(yè)，都無法保證航線與所有邊界都平行，此時使用牛耕往復(fù)法會出現(xiàn)多余覆蓋現(xiàn)象。為解決上述問題，將凸多邊形分割成多個規(guī)則的子區(qū)域，在子區(qū)域內(nèi)結(jié)合地塊的形狀特點分別進(jìn)行航向角的尋優(yōu)和飛行航線規(guī)劃。除此之外，柵格法也是常用的方法，通過柵格點位置判斷該條航線的終點，在此基礎(chǔ)上使用啟發(fā)式算法進(jìn)行飛行路徑的優(yōu)化搜索[92]。徐博等[93]提出構(gòu)建高斯投影環(huán)境坐標(biāo)的方法進(jìn)行坐標(biāo)系的轉(zhuǎn)換，通過改變坐標(biāo)原點，對植保無人機的航向角和航向路程進(jìn)行尋優(yōu)，多余覆蓋率最低可達(dá)到2.8%。VOLKAN等[94]使用振動遺傳算法對凸邊形的無人機飛行路徑搜索，加快了算法搜索效率。MORBIDI等[95]首先構(gòu)建基于點對點的最小燃油消耗表，使用遺傳算法對軌跡連接順序進(jìn)行尋優(yōu)，構(gòu)建出油耗最小的航線規(guī)劃模型。

3.1.2凹多邊形地塊的航線規(guī)劃

凹多邊形的航線規(guī)劃思路為將凹多邊形轉(zhuǎn)換為多個子凸邊型，確定子凸邊形間的連接權(quán)值，在各個子凸邊形內(nèi)進(jìn)行航線規(guī)劃，最后通過優(yōu)化方法找到各個子凸邊形航線的連接順序，達(dá)到無人機在能量、時間消耗最小的目的[96]。王宇等[97]將柵格和引力搜索算法結(jié)合，通過柵格附加移動權(quán)值，以非植保作業(yè)時間最小為目標(biāo)，運用引力搜索算法進(jìn)行飛行路徑尋優(yōu)。黃小毛等[98]使用多邊形分組法將不規(guī)則地塊的地形快速分類，活性邊表法進(jìn)行航線初始化，引入貪婪算法、凸多邊形最小跨度法和步進(jìn)旋轉(zhuǎn)法，綜合進(jìn)行航線排序優(yōu)化和航向優(yōu)化。

3.1.3三維地形地塊的航線規(guī)劃

三維地形的航線規(guī)劃方法可分為兩類，第1類為沒有提前獲得地塊高度變化信息，通過增加RTK、激光等模塊實時獲取作業(yè)地塊的地形高度變化，調(diào)整無人機飛行高度的方法達(dá)到無人機的實時避障和航線遍歷，此方法一般不能在油量和時間消耗上做到全局最優(yōu)。陳廣大等[99]研究了我國南方丘陵梯田等復(fù)雜地形的無人機路徑規(guī)劃方法，以牛耕往復(fù)法為航線規(guī)劃基礎(chǔ)，使用RTK模塊實時定位飛機位置，使用激光測距測量飛機與田面和田壁的距離，調(diào)整飛機高度，實時采集飛機下方的圖像，判斷無人機是否需要噴灑藥物，達(dá)到了避障和變量施藥的要求。另一類方法為提前獲得地塊的三維地圖信息，根據(jù)三維地圖信息計算植保無人機的飛行航線長度，進(jìn)行飛行路徑與航線角的規(guī)劃，王宇等[100]根據(jù)提前獲取的農(nóng)田規(guī)模、形狀、高度起伏等三維地理環(huán)境信息，對農(nóng)田進(jìn)行柵格化處理，構(gòu)建尋優(yōu)模型，對無人機的飛行航線和航向角進(jìn)行規(guī)劃。王宇等[101]提出了一種基于改進(jìn)的蟻群算法的植保無人機路徑規(guī)劃方法，適用于多個具有復(fù)雜多邊形邊界與內(nèi)部障礙物的三維作業(yè)區(qū)域，改進(jìn)的蟻群算法所得的轉(zhuǎn)移路徑總長度均較短，比貪婪算法所得結(jié)果短3%～28%。

3.2 避障策略

植保無人機作業(yè)區(qū)域經(jīng)常出現(xiàn)高壓輸電線、照明設(shè)施等障礙物，無人機的智能避障策略是無人機自主作業(yè)的重要因素。農(nóng)用無人機避障首先需要分析和識別農(nóng)田障礙物的類別，進(jìn)而進(jìn)行障礙物的距離測算，在此基礎(chǔ)上確定該類障礙物的避障策略。蘭玉彬等[102]將農(nóng)田中的障礙物按照大小和距離進(jìn)行分類，通過統(tǒng)計分析指出對微小障礙物躲避不及是導(dǎo)致無人機“炸機”的最常見的原因。

3.2.1障礙物識別與探測方法

機器視覺方法是植保無人機作業(yè)過程中重要的障礙物識別、探測方法，根據(jù)傳感器中相機的個數(shù)，可分為單目、雙目相機?；趩文恳曈X的機器視覺方法具有硬件結(jié)構(gòu)簡單、數(shù)據(jù)處理方法成熟、運算速度快的優(yōu)點，可快速識別障礙物的種類從而進(jìn)行障礙物預(yù)警[88]。雙目視覺方法可直接獲得目標(biāo)場景的深度信息，除識別障礙物種類外，可探測無人機與障礙物的距離[90]。但農(nóng)田作業(yè)環(huán)境中的粉塵和光照對數(shù)據(jù)采集影響較大，影響避障效果[102]。超聲波法可在光線不足或粉塵環(huán)境中工作，但測距范圍小，易造成無人機避障不及時的情況[103]。激光傳感器可獲取高精度的目的地區(qū)信息，激光傳感器造價高，抗干擾性強，但作業(yè)效果易受到粉塵影響，目前不適用于植保無人機作業(yè)[104]。雷達(dá)傳感器可獲取無人機周圍的二維信息，與激光傳感器類似，高精度雷達(dá)避障傳感器造價高，受限于傳感器價格，目前采用該技術(shù)且能夠達(dá)到實時避障的無人機產(chǎn)品較少[91]。

與導(dǎo)航定位技術(shù)類似，使用單一傳感器和方法進(jìn)行避障的方法都具一定局限性，目前大疆和極飛等公司的植保無人機產(chǎn)品將主動近紅外技術(shù)、雷達(dá)和圖像采集等模塊集成在無人機上，將多種傳感器和數(shù)據(jù)處理方法融合進(jìn)行避障，使得植保無人機在作業(yè)地塊地形變化、光照不足等復(fù)雜農(nóng)業(yè)作業(yè)環(huán)境中達(dá)到較好的避障效果[105-106]。

3.2.2含障礙物區(qū)域的航線規(guī)劃方法

含障礙物區(qū)域的航向規(guī)劃增加了障礙信息的三維地形規(guī)劃場景。其航線規(guī)劃思路可分2種：①在已知地塊的三維障礙信息的基礎(chǔ)上，通過繞行障礙物或提升飛行高度的方法進(jìn)行障礙物躲避，將原二維路徑權(quán)重改為躲避障礙物的路徑權(quán)重，在此基礎(chǔ)上，使用啟發(fā)式算法或傳統(tǒng)優(yōu)化算法對飛機的飛行路徑進(jìn)行優(yōu)化[107-108]。②可通過柵格化方法將作業(yè)地塊分為有障礙物與無障礙物的柵格，獲取無障礙物柵格間的連接代價，繞行障礙物柵格，通過構(gòu)建連接模型，確定無人機的飛行航線。徐博等[92]使用梯形單元分解法和莫爾斯單元分解法將含障礙物的地塊劃分為多個子地塊，獲取無障礙物子地塊間的連接權(quán)值，使用Fleury算法求解該圖的航線。金澤選等[107]采用“Z”型掃描，快速反復(fù)遍歷得到無人機的作業(yè)路徑，采用局部規(guī)劃算法將含障礙物區(qū)域分為點狀障礙和區(qū)域障礙物。嚴(yán)煒等[108]基于改進(jìn)的退火算法提出了一種適用于內(nèi)含障礙物農(nóng)田植保無人機路徑規(guī)劃方法，可實現(xiàn)航向角的優(yōu)化。楊澤等[109]設(shè)計了一種高效可靠的無人機植保作業(yè)電子圍欄，能夠?qū)崟r檢測無人機是否越界，保障植保無人機的飛行安全。

3.3 能量和藥液補給策略

3.3.1補給方法

植保無人機的自動補給平臺是提升植保無人機作業(yè)效率的重要環(huán)節(jié)。目前，植保無人機受到電池技術(shù)制約，持續(xù)航行時間和載重能力有限，電池和藥液補給都靠人工手動完成。研發(fā)植保無人機的自動補給平臺能夠提高植保無人機作業(yè)的效率，提升作業(yè)效果。祖林祿等[110]研究了農(nóng)用無人機跟蹤降落算法，該算法能夠?qū)⑥r(nóng)用無人機對移動補給平臺的跟蹤誤差縮小到6.7 cm以內(nèi)。

3.3.2基于補給策略的無人機航線規(guī)劃方法

在大田作業(yè)場景下，若作業(yè)區(qū)域面積較大，單次植保作業(yè)無法滿足作業(yè)要求，需要多架次無人機往返作業(yè)。在進(jìn)行植保無人機的作業(yè)航線規(guī)劃時，需綜合考慮無人機的飛行距離和剩余藥量、多個無人機間的協(xié)作情況，在優(yōu)化目標(biāo)函數(shù)中增加無人機的補給時間、能量消耗和等待時間等因素，達(dá)到優(yōu)化補給站位置和植保無人機作業(yè)路徑的目的。一般使用柵格法將作業(yè)區(qū)域分割開，將問題轉(zhuǎn)換成旅行商問題，使用啟發(fā)式算法進(jìn)行飛行路徑尋優(yōu)[111-112]。為符合無人機作業(yè)的實際場景和實際經(jīng)濟(jì)和作業(yè)價值，李繼宇等[113]將無人機之間的作業(yè)間隔條件加入到約束條件中，將補給消耗時間、能量加入到優(yōu)化目標(biāo)中，使模型更具有實際應(yīng)用意義。

4 多機群航線規(guī)劃策略與調(diào)度

多無人機調(diào)度技術(shù)是無人機系統(tǒng)完成決策、提供方案的關(guān)鍵步驟[114-115]。植保無人機群的調(diào)度和航線規(guī)劃策略是提高植保無人機群作業(yè)效率的重要環(huán)節(jié)。JU等[116]開發(fā)了一個模擬多無人機調(diào)度系統(tǒng)，分析該系統(tǒng)的性能，并與單無人機系統(tǒng)進(jìn)行比較，經(jīng)過定量評估和分析，證實了多無人機系統(tǒng)性能優(yōu)于單無人機系統(tǒng)。

無人機群調(diào)度技術(shù)的研究熱點為：無人機的狀態(tài)感知和數(shù)據(jù)融合、任務(wù)分配和航線規(guī)劃、編隊控制和通信組網(wǎng)等多個技術(shù)，研究多項技術(shù)間的協(xié)同作用[117]。目前多無人機協(xié)同技術(shù)主要包括信息感知技術(shù)、數(shù)據(jù)融合技術(shù)、任務(wù)分配技術(shù)、航線規(guī)劃技術(shù)、編隊控制技術(shù)、通信組網(wǎng)技術(shù)和虛擬/實物驗證試驗平臺技術(shù)等。

4.1 多機群航線規(guī)劃約束條件與優(yōu)化目標(biāo)

無人機群調(diào)度需要在相關(guān)約束條件下對優(yōu)化目標(biāo)進(jìn)行尋優(yōu)。其中車輛調(diào)度中關(guān)于調(diào)度的定義較多。當(dāng)前作業(yè)環(huán)境類似交通運輸場景，農(nóng)業(yè)設(shè)備調(diào)度含義可以借鑒車輛調(diào)度的概念，類比得到無人機調(diào)度過程：單臺或多臺植保無人機在約束條件下，對待覆蓋區(qū)域(作業(yè)區(qū)域)進(jìn)行遍歷作業(yè)，使得總體性能指標(biāo)最優(yōu)。無人機調(diào)度主要涵蓋了無人機作業(yè)分配調(diào)度及航線規(guī)劃調(diào)度兩方面內(nèi)容?；镜募s束條件如表5，優(yōu)化目標(biāo)如表6所示。

4.1.1無人機群靜態(tài)航線規(guī)劃方法

多架相互協(xié)作的無人機可以用于執(zhí)行多種不同類型的任務(wù)，它們具有不同的約束條件和不同的任務(wù)目標(biāo)[118]。以植保為目的的機群協(xié)同作業(yè)是其中一種，并隨著近幾年無人機在農(nóng)業(yè)上的廣泛使用而受到重視。多無人機協(xié)同作業(yè)也要為每一架無人機規(guī)劃符合約束條件的可行飛行航線，但對每一架無人機自身而言不一定最優(yōu)，為保證飛行安全，無人機之間需保持一定高度約束。

表5 無人機群常用調(diào)度約束條件Tab.5 UAVs scheduling constraints

表6 無人機群常用調(diào)度優(yōu)化目標(biāo)Tab.6 UAVs scheduling optimization goal

植保無人機群的航線規(guī)劃分為兩種：一種是多種無人機的航線規(guī)劃；另一種為無人機與其他作業(yè)機械的聯(lián)合作業(yè)航線、路徑規(guī)劃。前者場景是：當(dāng)無人機作業(yè)區(qū)域分布較為集中時，無人機可以直接飛到指定區(qū)域進(jìn)行作業(yè)；后者場景是：當(dāng)無人機作業(yè)區(qū)域分布較分散且距離較遠(yuǎn)時，使用運輸車輛(基站)對無人機進(jìn)行轉(zhuǎn)移和補給(或者是無人機與其它農(nóng)業(yè)設(shè)備協(xié)作共同完成指定作業(yè))，后者屬于異質(zhì)協(xié)作，是多機型協(xié)同的范疇[118]。

多機協(xié)同航線規(guī)劃：在無人機跨區(qū)域調(diào)度規(guī)劃上，基于多農(nóng)田的植保無人機的航線規(guī)劃是重要研究方向。多區(qū)域的作業(yè)規(guī)劃，不僅包含區(qū)域內(nèi)的作業(yè)航線，還包括區(qū)域間的航線規(guī)劃。區(qū)域間的作業(yè)次序則是跨區(qū)調(diào)度規(guī)劃的首要考慮目標(biāo)。袁利平等[119]考慮在一個大面積作業(yè)區(qū)域內(nèi)的多無人機協(xié)同作業(yè)，采用柵格法生成各區(qū)域全覆蓋作業(yè)航線，以各架植保無人機的作業(yè)距離為尋優(yōu)變量，采用了粒子群算法實現(xiàn)路徑規(guī)劃，同時兼顧了無人機補給時間間隔與飛行時安全空間間距，表現(xiàn)出很強的作業(yè)區(qū)域適應(yīng)性。針對多植保無人機在大面積作業(yè)區(qū)域下的任務(wù)分配問題，徐正偉等[120]提出了一種基于改進(jìn)遺傳算法的多植保無人機航線規(guī)劃方法。國外研究人員開發(fā)出了一種基于多無人機的自主精準(zhǔn)農(nóng)業(yè)系統(tǒng)[121]，并描述了系統(tǒng)設(shè)計的模型驅(qū)動框架，討論了飛行路徑規(guī)劃策略。有研究人員將粒子群優(yōu)化(PSO)和遺傳算法(GA)相結(jié)合來解決多無人機系統(tǒng)的任務(wù)規(guī)劃問題[122]，工作目標(biāo)是利用多機系統(tǒng)有效地規(guī)劃農(nóng)業(yè)任務(wù)和合理分配有限的資源。

在多機型協(xié)同跨區(qū)作業(yè)中，區(qū)域間的作業(yè)次序則是跨區(qū)調(diào)度的重要內(nèi)容。針對多機型協(xié)同調(diào)度，在精準(zhǔn)農(nóng)業(yè)監(jiān)測中，TOKEKAR等[118]研究了空中和地面機器形成共生系統(tǒng)的情況，無人機在無人地面車輛(UGVs)上著陸，UGV在部署點之間運輸無人機，使用無人地面車輛(UGVs)進(jìn)行耗時土壤測量，最小化遍歷采樣位置和測量時間的總和，同時有限能量的無人機獲得最多的空中測量次數(shù)，利用無人機與無人地面車輛的組合在各個農(nóng)業(yè)任務(wù)中進(jìn)行了試驗，協(xié)同作業(yè)效果明顯(圖3)。

圖3 多機型協(xié)同作業(yè)航線路徑規(guī)劃Fig.3 Route planning for cooperative operation of multiple machineries

4.1.2無人機群動態(tài)調(diào)度航線規(guī)劃方法

植保無人機的航線動態(tài)規(guī)劃是實現(xiàn)無人機群智能飛行與調(diào)度的基礎(chǔ)，是一個動態(tài)多目標(biāo)優(yōu)化問題[123-124]。無人機智能作業(yè)的關(guān)鍵是對環(huán)境變化做出反應(yīng)的能力，使其能夠有效、準(zhǔn)確地適應(yīng)作業(yè)環(huán)境。

目前最流行的在線航線規(guī)劃算法是基于遺傳算法(GA)和線性規(guī)劃(FL)。TAROKH等[125]提出了一種兩個階段的遺傳算法來解決全局及局部規(guī)劃問題。局部規(guī)劃使用感官信息作為輸入，一旦檢測到之前未知的或未遇到的障礙，它就會執(zhí)行在線預(yù)先計劃，以繞過新發(fā)現(xiàn)的障礙。WANG等[126]提出了一種基于PSO算法的多合作無人機靜態(tài)路徑規(guī)劃與動態(tài)路徑規(guī)劃相結(jié)合的方法。DONG等[127]提出了一種新型的模糊虛擬力法，該方法具有固定的步長，能夠滿足在線無人機航線規(guī)劃的實時性要求。

4.2 無人機群作業(yè)訂單管理

無人機群的作業(yè)調(diào)度是在無人機群路徑規(guī)劃的基礎(chǔ)上，根據(jù)植保無人機服務(wù)提供商的作業(yè)模式進(jìn)行地塊-訂單匹配搜索與訂單管理的相關(guān)優(yōu)化。在約束條件與優(yōu)化目標(biāo)上，增加了訂單與地塊的匹配量化模塊、用戶服務(wù)等待時間與病蟲害緊急程度等要素，使無人機調(diào)度優(yōu)化模型更有實際應(yīng)用價值。

針對訂單模式的離線無人機任務(wù)分配的研究中，楊澤等[128]提供了無人機與作業(yè)田的匹配算法，屬于無人機訂單分配的調(diào)度規(guī)劃。采用R樹空間搜索算法在地理信息系統(tǒng)中快速檢索符合無人機作業(yè)特點的地塊信息。該算法有一定局限性：其對象僅限于地理區(qū)域，反饋內(nèi)容是地理圖形和區(qū)域信息，該方法適用于離線搜索。曹光喬等[13]面向植保服務(wù)訂單，按照病蟲害等級、作業(yè)時間窗長度、作業(yè)面積大小的優(yōu)先策略進(jìn)行訂單排序，再利用改進(jìn)的遺傳算法得到多個飛防隊的無人機在不同農(nóng)田的匹配次序與轉(zhuǎn)移路線。該方法將飛防隊為單位的車輛無人機運輸和訂單匹配，實現(xiàn)了多無人機多地塊有時間窗約束的路徑規(guī)劃。針對多區(qū)域的作業(yè)規(guī)劃，不僅包含區(qū)域內(nèi)的作業(yè)航線，還包括區(qū)域間的航線規(guī)劃。區(qū)域間的作業(yè)次序則是跨區(qū)調(diào)度規(guī)劃的首要考慮目標(biāo)。針對多植保無人機在大面積作業(yè)區(qū)域下的任務(wù)分配問題，徐正偉等[120]結(jié)合任務(wù)分配的條件約束，建立多植保無人機作業(yè)時間最小為目標(biāo)的任務(wù)分配模型，并提出了一種改進(jìn)的遺傳算法，引入啟發(fā)式初始化準(zhǔn)則和自適應(yīng)遺傳算子對問題進(jìn)行求解。

由于無人機作業(yè)訂單模式出現(xiàn)時間較短，作業(yè)模式與作業(yè)內(nèi)容尚未形成標(biāo)準(zhǔn)，面向植保無人機群作業(yè)訂單的研究較少，合理安排訂單作業(yè)順序可有效提高作業(yè)效率，提升用戶滿意度，因此面向動態(tài)訂單制度的植保無人機機群調(diào)度和航線規(guī)劃方法將成為研究熱點。

5 總結(jié)與展望

(1)無人機用于大田植保作業(yè)已成為主流技術(shù)，本文從無人機飛行控制、單機航線規(guī)劃、多機協(xié)同作業(yè)場景等方面進(jìn)行相關(guān)應(yīng)用技術(shù)綜述，并提出發(fā)展趨勢。

(2)在飛行精度控制與安全控制方面，主要存在以下問題：無人機普遍使用的消費級MEMS器件測姿精度較低；對微小障礙物的探測效果不穩(wěn)定，需手動標(biāo)定障礙物位置，實時避障效果欠佳。針對以上問題，結(jié)合植保無人機的使用受眾特點，應(yīng)進(jìn)行以下研究：①研發(fā)低成本、高精度MEMS測姿器件，測量精度達(dá)到戰(zhàn)術(shù)級別。②研究植保作業(yè)對姿態(tài)信息的要求，并針對植保無人機的飛行特點和干擾環(huán)境設(shè)計最適合的姿態(tài)估計算法。③針對載機自身參數(shù)變化快、外部干擾多的問題，在載荷多變或不確定性外界干擾因素疊加情況下，研究無人機姿態(tài)動態(tài)控制方法。④研發(fā)針對微小障礙物的低成本、高穩(wěn)定性硬件及配套系統(tǒng)，以提高植保無人機自主作業(yè)的安全性能。

(3)在單機作業(yè)路徑規(guī)劃、多機協(xié)同作業(yè)場景策略方面，主要存在以下問題:航線優(yōu)化模型理想化，優(yōu)化目標(biāo)、模型約束條件與實際生產(chǎn)有一定差距；針對植保作業(yè)過程中的訂單分配管理、多機型無人機、多類型農(nóng)機聯(lián)合調(diào)度的優(yōu)化模型研究較少。應(yīng)進(jìn)行以下研究:①結(jié)合植保無人機的實際生產(chǎn)環(huán)境約束與需求，建立植保無人機的訂單管理與單機作業(yè)航線優(yōu)化模型。②將植保無人機作業(yè)過程作為系統(tǒng)工程考慮，研發(fā)自動補給平臺；考慮建立多機、多型號無人機協(xié)同作業(yè)、無人機與其他農(nóng)機協(xié)同作業(yè)的優(yōu)化模型，以提高復(fù)雜環(huán)境下作業(yè)的可靠性，提高植保作業(yè)效率。