基于二进制粒子群算法的植保无人机跟踪
2020-09-29刘云潺
无线电工程 2020年10期
刘云潺,高 聪
(黄河水利职业技术学院,河南 开封 475004)
0 引言
随着航空技术的发展,逐渐在农业植保方面进行无人机操作。植保无人机具有操作稳定、不会产生漂移现象、在空中可长时间悬停优点,提高农作物病虫害防治水平,同时也可以大面积、短时间内增强农业抗风险能力,为智慧农业可持续发展提供了强有力的支持[1]。
跟踪测量植保无人机的方法在硬件方面采用惯性传感器(Inertial Measurement Unit,IMU),但是这种传感器价格较高,不利于无人机在农业工程方面的实际推广,若直接购买商用IMU,成本更高。目前主要是通过对无人机算法方面进行研究来达到实时跟踪,算法主要有:Danelljan[2]通过生成模型方法提升训练跟踪样本的多样化,目标函数进行了完善和改进,减轻了形变情况对性能的影响,但计算过程复杂,跟踪速率较低。Zuo和Wang[3]基于神经网络和反步控制技术提出了一种考虑输出约束的自适应轨迹跟踪控制方法。传统通过调制特征提取来分析信号的特征,但是需要先补偿机身分量[4],对信号特征的参数估计获得调制线频谱、调制周期等主要参数,通常利用多个调制周期的长停留时间以确保参数估计的准确性,考虑到实际的时效性,一般不采用该方法。Srinvias[5]等人提出自适应遗传算法(Adaptive Genetic Algorithm,AGA),在遗传算法的基础上通过自适应调整来满足无人机的跟踪需求,同时该方法比标准粒子群算法在处理时间方面有了显著性提高,但是在算法后期由于遗传特性的限制更容易陷入局部最优;……
登录APP查看全文
