• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于二進(jìn)制粒子群算法的植保無人機(jī)跟蹤

      2020-09-29 13:10:50劉云潺
      無線電工程 2020年10期
      關(guān)鍵詞:二進(jìn)制測量誤差植保

      劉云潺,高 聰

      (黃河水利職業(yè)技術(shù)學(xué)院,河南 開封 475004)

      0 引言

      隨著航空技術(shù)的發(fā)展,逐漸在農(nóng)業(yè)植保方面進(jìn)行無人機(jī)操作。植保無人機(jī)具有操作穩(wěn)定、不會(huì)產(chǎn)生漂移現(xiàn)象、在空中可長時(shí)間懸停優(yōu)點(diǎn),提高農(nóng)作物病蟲害防治水平,同時(shí)也可以大面積、短時(shí)間內(nèi)增強(qiáng)農(nóng)業(yè)抗風(fēng)險(xiǎn)能力,為智慧農(nóng)業(yè)可持續(xù)發(fā)展提供了強(qiáng)有力的支持[1]。

      跟蹤測量植保無人機(jī)的方法在硬件方面采用慣性傳感器(Inertial Measurement Unit,IMU),但是這種傳感器價(jià)格較高,不利于無人機(jī)在農(nóng)業(yè)工程方面的實(shí)際推廣,若直接購買商用IMU,成本更高。目前主要是通過對(duì)無人機(jī)算法方面進(jìn)行研究來達(dá)到實(shí)時(shí)跟蹤,算法主要有:Danelljan[2]通過生成模型方法提升訓(xùn)練跟蹤樣本的多樣化,目標(biāo)函數(shù)進(jìn)行了完善和改進(jìn),減輕了形變情況對(duì)性能的影響,但計(jì)算過程復(fù)雜,跟蹤速率較低。Zuo和Wang[3]基于神經(jīng)網(wǎng)絡(luò)和反步控制技術(shù)提出了一種考慮輸出約束的自適應(yīng)軌跡跟蹤控制方法。傳統(tǒng)通過調(diào)制特征提取來分析信號(hào)的特征,但是需要先補(bǔ)償機(jī)身分量[4],對(duì)信號(hào)特征的參數(shù)估計(jì)獲得調(diào)制線頻譜、調(diào)制周期等主要參數(shù),通常利用多個(gè)調(diào)制周期的長停留時(shí)間以確保參數(shù)估計(jì)的準(zhǔn)確性,考慮到實(shí)際的時(shí)效性,一般不采用該方法。Srinvias[5]等人提出自適應(yīng)遺傳算法(Adaptive Genetic Algorithm,AGA),在遺傳算法的基礎(chǔ)上通過自適應(yīng)調(diào)整來滿足無人機(jī)的跟蹤需求,同時(shí)該方法比標(biāo)準(zhǔn)粒子群算法在處理時(shí)間方面有了顯著性提高,但是在算法后期由于遺傳特性的限制更容易陷入局部最優(yōu);Jain[6]利用某些非線性函數(shù)的特性,通過粒子交叉以及變異機(jī)制對(duì)粒子群算法優(yōu)化,但是交叉以及變異機(jī)制沒有通過多個(gè)函數(shù)控制,使得進(jìn)化的隨機(jī)性無法滿足,在粒子早熟現(xiàn)象控制方面仍然不足。

      本文在粒子群算法的基礎(chǔ)上,提出二進(jìn)制粒子群算法,對(duì)粒子位置進(jìn)行編碼,同時(shí)利用sigmoid函數(shù)優(yōu)化粒子群,從而避免了粒子群早熟現(xiàn)象的發(fā)生,仿真實(shí)驗(yàn)驗(yàn)證了本文方法對(duì)植保無人機(jī)跟蹤的有效性。

      1 二進(jìn)制粒子群優(yōu)化算法描述

      (1)

      (2)

      為防止Sigmoid函數(shù)飽和,可以將粒子的速度設(shè)定在一定范圍內(nèi)[-Vmax,Vmax]。在本文中,令Vmax=3,對(duì)應(yīng)的Sigmoid函數(shù)修改為:

      (3)

      2 基于二進(jìn)制粒子群算法的植保無人機(jī)跟蹤

      2.1 植保無人機(jī)目標(biāo)機(jī)動(dòng)模型

      當(dāng)?shù)孛婵刂婆c植保無人機(jī)相離較遠(yuǎn)時(shí),跟蹤預(yù)警系統(tǒng)啟動(dòng),地面控制利用被動(dòng)傳感器對(duì)目標(biāo)運(yùn)動(dòng)方向進(jìn)行測量[13-14]。設(shè)地面控制初始位置為(xo,yo,zo),植保無人機(jī)目標(biāo)在t1時(shí)刻的位置為(x1,y1,z1),做勻速直線運(yùn)動(dòng)v,運(yùn)動(dòng)方向的單位向量為L=(l,m,n)T,其中,l=cosαsinβ,m=cosαcosβ,α表示目標(biāo)航跡方向的俯仰角,β表示植保無人機(jī)航跡方向的方位角[11-12]。在ti時(shí)刻空間目標(biāo)的位置為(xi,yi,zi),地面2.4 GHz的無線電波裝置測量到植保無人機(jī)目標(biāo)方向上的單位向量為L=(li,mi,ni),跟蹤植保無人機(jī)目標(biāo)與紅外裝置的距離為Ri,則植保無人機(jī)運(yùn)動(dòng)模型為:

      (4)

      2.2 觀測模型

      空中植保無人機(jī)目標(biāo)由位置和速度組成,其狀態(tài)轉(zhuǎn)移矩陣F(w)、干擾轉(zhuǎn)移矩陣G和觀測矩陣H分別為:

      (5)

      (6)

      (7)

      狀態(tài)噪聲協(xié)方差矩陣為:

      Q=

      (8)

      ω趨近于0時(shí)目標(biāo)做近似直線運(yùn)動(dòng),ω>0時(shí)目標(biāo)做角速度為ω的左轉(zhuǎn)彎運(yùn)動(dòng),ω<0時(shí)目標(biāo)做角速度為ω的右轉(zhuǎn)彎運(yùn)動(dòng)。

      這時(shí),空中植保無人機(jī)目標(biāo)機(jī)動(dòng)觀測得到:

      (xi,yi,zi)′=(xi,yi,zi)+σ·ξ,

      (9)

      式中,σ為目標(biāo)航向均方差;ξ為(0,1)之間的正態(tài)分布隨機(jī)數(shù)。

      構(gòu)造參量加權(quán)最小二乘目標(biāo)函數(shù)對(duì)目標(biāo)測量估計(jì)為:

      (10)

      使Q最小的航跡方向即為估計(jì)方向。

      2.3 二進(jìn)制粒子群算法對(duì)植保無人機(jī)跟蹤實(shí)現(xiàn)過程

      設(shè)二進(jìn)制粒子群停止迭代收斂的條件為:

      |(xi,yi,zi)′-(xi,yi,zi)|≤ε,

      ε越小,迭代次數(shù)越多[15-16],本文仿真取0.01。

      算法過程為:

      ① 參數(shù)設(shè)置,確定植保無人機(jī)空間三維變量,并隨機(jī)初始化種群中各粒子的位置和速度;

      ② 評(píng)價(jià)各粒子的適應(yīng)度函數(shù),記錄局部最優(yōu)個(gè)體和全局最優(yōu)個(gè)體;

      ③ 根據(jù)式(1)更新粒子的速度和位置;

      ④ 通過Sigmoid函數(shù)對(duì)粒子速度和位置修正;

      ⑤ 計(jì)算跟蹤數(shù)據(jù)ε,若滿足條件則停止迭代,轉(zhuǎn)至步驟⑥,否則轉(zhuǎn)至步驟②;

      ⑥ 輸出跟蹤軌跡。

      3 實(shí)驗(yàn)仿真

      在目標(biāo)跟蹤的計(jì)算機(jī)仿真中,二進(jìn)制粒子群算法的參數(shù)選取如下:粒子更新速率為vmax=1 200,c1=c2=2,w∈[0.4,0.9],粒子群的種群大小為50,總的迭代次數(shù)為300。植保無人機(jī)參數(shù)為:初始位置 (20 m,30 m) ,初始速率:5 m/s ,初始速度方向:2.45 rad,測量標(biāo)準(zhǔn)差:0.5 m ,采樣周期:0.5 s。不同算法跟蹤結(jié)果如圖1~圖6所示。

      圖1 PSO算法x方向跟蹤結(jié)果

      圖1~圖6分別給出了各個(gè)方向上的跟蹤值,可以看出,BPSO算法比PSO算法的波動(dòng)較小,且趨于穩(wěn)定時(shí)間較短。在x方向跟蹤測量對(duì)比顯示,圖2為本文BPSO算法x方向跟蹤測量誤差穩(wěn)定在15 m,而圖1為PSO算法x方向跟蹤測量誤差穩(wěn)定在20 m;在y方向跟蹤測量對(duì)比顯示,圖4為本文BPSO算法y方向跟蹤測量誤差穩(wěn)定在15 m,而圖3為PSO算法y方向跟蹤測量誤差穩(wěn)定在18 m;在z方向跟蹤測量對(duì)比顯示,圖6為本文BPSO算法z方向跟蹤測量誤差穩(wěn)定在16 m,而圖5為PSO算法z方向跟蹤測量誤差穩(wěn)定在18 m;因此BPSO算法跟蹤效果明顯較好。

      圖2 BPSO算法x方向跟蹤結(jié)果

      圖3 PSO算法y方向跟蹤結(jié)果

      圖4 BPSO算法y方向跟蹤結(jié)果

      圖5 PSO算法z方向跟蹤結(jié)果

      圖6 BPSO算法z方向跟蹤結(jié)果

      為了評(píng)價(jià)跟蹤效果,選取虛警率作為指標(biāo),跟蹤虛警率如表1所示。

      表1 跟蹤虛警率

      由表1的跟蹤虛警率中可以看出,本文BPSO跟蹤虛警率最小,這樣在跟蹤過程中產(chǎn)生的誤跟蹤較少,這是因?yàn)槎M(jìn)制粒子群通過Sigmoid函數(shù)將粒子的位置和速度進(jìn)行不斷的修正,使數(shù)據(jù)尋優(yōu)找到真實(shí)解的概率較大。

      4 結(jié)束語

      本文提出了一種基于二進(jìn)制粒子群算法的植保無人機(jī)跟蹤模型,通過Sigmoid函數(shù)優(yōu)化的粒子群可以方便、準(zhǔn)確跟蹤植保無人機(jī)。實(shí)驗(yàn)仿真結(jié)果顯示,本文BPSO算法在x,y,z方向跟蹤誤差值小于PSO算法,因此該方法具有一定的優(yōu)越性和可行性,為無人機(jī)應(yīng)用在智能農(nóng)業(yè)發(fā)展提供了一種新的思路。

      猜你喜歡
      二進(jìn)制測量誤差植保
      廣西植保(2021年4期)2022-01-06 07:55:00
      密度測量誤差分析
      壺關(guān)縣:開展2021年植保無人機(jī)操作手培訓(xùn)
      用二進(jìn)制解一道高中數(shù)學(xué)聯(lián)賽數(shù)論題
      縱向數(shù)據(jù)下變系數(shù)測量誤差模型的漸近估計(jì)
      有趣的進(jìn)度
      二進(jìn)制在競賽題中的應(yīng)用
      植保機(jī)何時(shí)走下“神壇”
      植保無人機(jī)應(yīng)用現(xiàn)狀與發(fā)展趨勢
      牽引變壓器功率測量誤差分析
      石嘴山市| 昌吉市| 阿勒泰市| 永修县| 边坝县| 合阳县| 凤城市| 汉阴县| 墨竹工卡县| 黑龙江省| 郎溪县| 威信县| 灵石县| 关岭| 石门县| 吴旗县| 高陵县| 镇康县| 和田市| 松潘县| 盐源县| 龙州县| 建水县| 凤凰县| 承德市| 房山区| 北川| 府谷县| 方城县| 丹棱县| 余江县| 手游| 聂荣县| 汶上县| 潮州市| 电白县| 天峨县| 登封市| 云和县| 富平县| 葵青区|