民用无人机飞行风险评估与控制系统

为了有效评估无人机系统飞行安全风险并提出针对性风险控制措施,设计了无人机系统飞行安全风险评估与控制系统.首先基于运营决策支持和立法基础数据收集这一目标建立了系统的框架结构;然后针对风险控制需求,设计了无人机事故案例本体表示,实现了基于语义和属性值的综合相似性检索算法;针对风险评估需求,软件实现了无人机系统飞行危险源识别方法和定量的风险评估模型,最后通过危险源识别与重用无人机事故案例的方式提出风险控制措施.实验结果表明,无人机风险评估与控制原型系统为无人机系统的飞行安全提供了系统的解决方案.     

无人机视角下的林木爆燃火特性研究

森林火灾“爆燃”现象的特征是突然发生的高强度、高蔓延速度的燃烧。目前为止，关于“爆燃火”的原因还没有达成共识。以无人机视角下对林木爆燃火特性研究，以四川木里特大森林火灾为研究对象，通过分析凉山州某森林扑火部队3月31日木里森林火灾当天KWT（科卫泰）无人机航拍火场画面，结合无人机实时影像及实地调研数据，分析了峡谷地形林火蔓延时空特征，探讨了峡谷中风向风速变化时空分布规律，研究了地形变化条件下，不同海拔高度风速特征，建立了无人机倾角测量风速模型（其中为风速m·s-1，为无人机倾角°）。结果表明，高山峻岭特殊地形环境下每天4:00—12:00时间段为静风期，为峡谷林火扑救最佳时期；午后15:00—17:00和晚上20:00—22:00为山谷地形风速活跃期；仿真软件数据显示山顶、谷底与山腰不同海拔位置的风速风向不统一，谷底会产生乱流现象，且风速与海拔不存在正相关关系，小气候在复杂地形中占主导影响地位；在谷口至山谷深处的中间位置会出现气流速度的波峰状态，并易形成乱流，为爆燃火发生提供了客观必要条件。该研究可为复杂地形环境下，森林草原火灾扑救安全提供数据和技术支撑。     

基于暗通道先验的无人机图像去雾算法研究

对于单幅图像去雾处理,暗通道先验算法具有较好的效果,但该算法处理时间长,对储存资源与计算资源要求很高,很难应用于无人机图像去雾。在暗通道先验算法的基础上进行改进,提出了一种快速的去雾算法,首先通过优化滤波器直接获得高精度的透射率,避免了原算法后续的抠图处理,显著降低了计算复杂度;然后针对去雾图像偏暗、灰度分布偏离原始图像的情况,以原始图为参考,采用直方图规定化方法进行增强处理,提高了亮度,改善了去雾图像的视觉效果,与He算法相比,该算法不仅极大地降低了计算复杂度,速度提高了近5倍,而且保持了原始算法的去雾能力。     

低空大展弦比无人机翼梢磁梯度测量探头气动特性及影响

针对一种低空大展弦比无人机, 文章进行全机和翼梢磁梯度测量探头数值模拟.全机计算给出翼梢磁梯度测量探头对全机气动特性和操稳特性的影响; 翼梢磁梯度测量探头计算实现了气动外形优化设计, 在保持全机操稳特性的前提下, 最大程度地减小全机气动阻力增量.结果表明, 磁梯度测量探头对全机气动阻力增量在9%之内, 俯仰力矩变化在5%之内, 对全机操稳特性的影响不大, 气动外形优化设计基本满足该低空大展弦比无人机的安全飞行技术要求.      

基于MDARM和VxWorks的小型无人机执行器故障检测方法

由于目前在小型无人机执行器故障诊断中存在着智能化程度较低,容易受到人为因素干扰,从而出现故障漏检等问题,难以满足小型无人机对飞行安全的要求。为此,本文提出一种基于多维数据关联规则挖掘(Multidimensional Data Association Rules Mining: MDARM)和VxWorks操作系统的小型无人机执行器故障诊断方法,通过建立执行器内部传感器测量的温度、压力、流速、力矩等相关变量的历史数据库,并对这些数据进行预处理,以避免带来噪声污染,并利用可测量参数与不可测量参数之间的关联性,建立故障诊断知识库,避免了诊断过程中的人为因素干扰,实现小型无人机执行器故障的精准测量。实验结果证明,这种方法能够有效地提高故障准确率64.7%,对小型无人机执行器的智能诊提供有效指导,应用前景广阔。     

基于无人机多光谱图像的土壤水分检测方法研究

以表层土壤为对象,探究土壤的多光谱反射率与土壤水分含量相关性,进行基于无人机多光谱图像的土壤水分含量预测模型方法的探究。选取中国农业大学通州实验站为研究区域,实地采集试验田的土壤样本100组,按照一定梯度配制土壤含水量,配成的土壤含水率为10%~50%之间,土壤含量的真实值采用土壤烘干法进行测定。多光谱相机灵巧便捷,可搭载在无人机上对土壤进行监测。将RedEdged-M型多光谱相机搭载在Phantom 3型无人机上,选择阳光充足的采集环境,实时采集土壤样本的多光谱图像,建立土壤多光谱信息与水分含量之间的模型。利用处理光谱数据的ENVI5.3软件提取土壤样本多光谱信息,以多光谱相机自带的标准白板反射率为100%,计算出土壤样本在蓝、绿、红、红边、近红外五个波段的光谱反射率。采用BP神经网络算法、支持向量机算法、偏最小二乘算法分别建立基于无人机多光谱图像的土壤水分含量的预测模型。以80组土壤样本数据作为训练集,建立基于多光谱图像的土壤水分含量预测模型。采用莱文贝格-马夸特算法对BPNN进行改进,提高了其训练速度,当网络结构为5-10-1时,训练效果最好,本文选择该网络结构;SVM采取高斯核函数,当参数为0.56时,模型效果最好。本研究采用归一化均方根误差(NRMSE)和决策系数(R 2)对三种土壤水分含量的预测模型进行定量对比。以20组土壤样本数据作为测试集,结果可知,基于BP神经网络土壤水分含量预测模型的NRMSE为0.268,R 2为0.872;基于支持向量机的土壤水分含量预测模型的NRMSE为0.298,R 2为0.821;基于偏最小二乘土壤水分含量预测模型的NRMSE为0.316,R 2为0.789。对三种模型分析可知,基于BPNN的土壤水分含量预测模型效果均较好。结果可知,土壤的光谱反射率与含水率间存在较密切的相关性,将多光谱相机搭载在无人机上可以对土壤水分含量进行有效的实时监测,对监测土壤墒情提供技术支持和理论支撑。     

无人机对地目标自动检测与跟踪技术

针对无人机图像帧序列具有平台高速运动,视角旋转强烈,需要实时处理等特点,提出一种基于双级旋转不变特征空间检测（粗匹配-精细匹配）与并行特征提取跟踪的无人机对地目标图像帧序列自动快速目标检测与跟踪算法。采用图像子块的平均灰度值、灰度值方差、灰度值梯度构建特征空间。通过构造图像特征空间的方法来快速筛选待匹配图像的可疑区域,删除大量的背景区域,检测算法使用全局初步匹配加局部精细匹配的方法来规避算法复杂度的缺陷。理论及实验分析表明:该算法实时性强,对图像的旋转畸变具有抵消作用,对异常情况可以恰当处理,且全局初步匹配流程具有可移植性,可以在其他图像匹配跟踪算法中充当预处理器。实验结果表明:该算法在无人机对地的情况下可以保证对地面目标的稳定跟踪,配套检测算法具有较好的实时性,满足无人机图像目标检测跟踪实时处理的需要。     

多四旋翼无人机分布式固定时间自适应编队控制

针对具有外部扰动和参数不确定性的多四旋翼无人机,提出了基于指令滤波反步方法的分布式固定时间自适应编队控制算法.通过引入固定时间指令滤波及构建非光滑误差补偿机制,有效地避免了“复杂性爆炸”问题并在固定时间内移除了滤波误差的影响.此外,通过设计分段函数,巧妙地解决了分布式控制器中存在的奇异性问题.利用固定时间稳定性理论,严格证明了闭环系统是实际固定时间稳定的,且闭环系统中所有信号有界,同时编队跟踪误差在固定时间内收敛到原点附近充分小的邻域内.最后,仿真算例验证了所提出的分布式固定时间控制策略的有效性.     

小型固定翼无人机纵向姿态控制律的研究

针对无人机在实际飞行过程中受到外部环境影响大,控制精度不够高的问题;研究了一种模糊参数自整定PID控制方法来完成对无人机的纵向姿态的控制;该方法在传统的PID控制的基础上,利用无人机实际飞行中的数据,建立起模糊控制规则来实现PID参数自整定,最后在通过建立的纵向姿态模型上进行仿真控制,得出仿真曲线;仿真实验结果表明,所设计的模糊PID控制器,相比于传统的PID控制器具有更好的控制性能,并且具有很好的抗干扰能力,能够满足无人机控制系统的要求。     

无人机光电载荷图像处理器的设计

介绍了无人机载设备的技术特点及机载小型图像处理器的组成。采用TI公司的数字信号处理器芯片为核心处理器,配合现场可编程逻辑器件(FPGA)与外部管理微控制单元(MCU)来实现目标数据的采集与处理,设计了适用于无人机光电载荷的超小型图像处理器系统。针对机载设备的特点,设计时充分考虑了体积、重量、功耗等要求。该系统已应用于多台套机载光电载荷中,工作稳定可靠,满足无人侦察机对捕捉和定位目标的要求。