基于无人机巡测与定点取样协同的水质监测方法及系统与流程
本发明涉及水质监测,具体是基于无人机巡测与定点取样协同的水质监测方法及系统。
背景技术:
1、传统水质监测主要依赖人工乘船定点取样、岸边固定监测站相结合的方式,存在作业范围受限、响应速度慢、难以覆盖偏远水域与突发污染场景等明显短板。近年来,搭载取水装置的无人机水质监测技术凭借机动灵活、部署快速、可兼顾大范围巡测与定点取样的优势,逐渐成为水环境监测领域的重要发展方向。
2、现有搭载取样装置的水质监测无人机,取水口与水泵多为固定安装结构,朝向与无人机机头刚性绑定,无法根据水流相对运动方向自适应调整。水质监测方案的作业模式普遍单一固化,通常仅支持定点悬停取样或固定航线巡测,无法根据水流工况自适应切换;少数支持模式切换的方案也采用硬切换逻辑,过渡过程中期望地速突变,易引发无人机飞行姿态震荡、位置偏移。飞控算法未结合水质取样场景的环境扰动特性做针对性优化,对风速干扰、随流运动的惯性需求缺乏前置补偿;导致在有风环境下速度跟踪精度低、姿态响应滞后,定点取样时位置保持精度差。
技术实现思路
1、本发明的目的在于提供基于无人机巡测与定点取样协同的水质监测方法及系统,以解决现有技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、第一方面,本技术提供了基于无人机巡测与定点取样协同的水质监测方法,包括以下步骤:
4、采集环境扰动信息与无人机运动状态;计算取水口相对水流的实际相对流速矢量,判断是否触发随动控制模式;
5、当触发随动控制模式时,确定目标指向角,通过伺服电机驱动水泵绕垂直轴摆动,使取水口轴线实时对准该实际相对流速方向;根据当前实际相对流速矢量的矢量模值确定作业模式,计算基准期望地速矢量;引入柔化因子对不同作业模式下的基准期望地速矢量进行过渡控制,得到期望地速矢量;
6、根据空速、地速与风速三者之间的矢量关系,计算达到该期望地速所需的目标空速矢量;
7、计算目标空速矢量与实测空速矢量之间的速度误差矢量;采用反馈控制与前馈补偿相结合的控制方法,根据速度误差矢量,解算得到水平推力矢量;根据水平推力矢量解算期望横滚角和期望俯仰角,作为姿态指令输出至飞控执行机构。
8、结合第一方面,在本技术第一方面的第一种实施方式中,所述计算取水口相对水流的实际相对流速矢量,判断是否触发随动控制模式,包括:
9、基于无人机运动状态中的无人机当前地速矢量与环境扰动信息中的水面表层水流速度矢量,进行矢量差运算,得到取水口相对水流的实际相对流速矢量;根据实际相对流速矢量的矢量模值,与预设的水泵安全临界速度阈值进行比较,当该矢量模值大于该阈值时,触发随动控制模式。
10、结合第一方面,在本技术第一方面的第二种实施方式中,所述当触发随动控制模式时,确定目标指向角,通过伺服电机驱动水泵绕垂直轴摆动,使取水口轴线实时对准该实际相对流速方向,包括:
11、将实际相对流速矢量从大地水平坐标系投影至无人机机体水平坐标系,根据其在无人机机体水平坐标系下的水平分量方向,解算得到相对于无人机机头方向的目标指向角;获取由角度传感器实时反馈的水泵当前实际摆角,计算该目标指向角与当前实际摆角之间的角度误差,进行归一化处理,将角度误差限定在一个标准周期范围内;
12、将角度误差的绝对值与预设的角度死区阈值进行比较,当该绝对值小于或等于该死区阈值时,判定水泵已对准目标方向,输出零角速度指令;当该绝对值大于该死区阈值时,根据该角度误差的比例、积分和微分项综合计算期望的摆动角速度,其中积分项采用积分分离策略,当角度误差超过积分分离阈值时暂停积分累加;将所述期望的摆动角速度输出至伺服驱动器,驱动水泵绕垂直轴旋转。
13、结合第一方面,在本技术第一方面的第三种实施方式中,所述根据当前实际相对流速矢量的矢量模值确定作业模式,计算基准期望地速矢量,包括:
14、将当前实际相对流速矢量的矢量模值与预设的模式切换速度阈值进行比较,当该矢量模值小于或等于该预设切换阈值时,判定进入定点监测模式,当该矢量模值大于该预设切换阈值时,判定进入随流取样模式;
15、在定点监测模式下,将基准期望地速矢量设定为零矢量;在随流取样模式下,将基准期望地速矢量设定为等于当前水流速度矢量。
16、结合第一方面,在本技术第一方面的第四种实施方式中,所述引入柔化因子对不同作业模式下的基准期望地速矢量进行过渡控制,得到期望地速矢量,包括:
17、以一个预设的控制周期为时间基准,构建一个涵盖未来多个控制时刻的预测时域,在该预测时域内将柔化因子在每个控制时刻的取值作为待优化的决策变量序列;
18、设定优化目标函数,包含第一项和第二项,其中第一项用于表征各预测时刻柔化因子乘以当前水流速度矢量后所得期望地速矢量与理想目标值之间的偏差,第二项用于表征相邻控制时刻间柔化因子变化量的平方和,并通过调整该两项的权重系数以平衡期望地速的跟踪精度与柔化因子变化的平顺性;对优化目标函数施加约束条件,包括:将每个预测时刻的柔化因子取值限定在零至一的范围之内,将相邻控制时刻间柔化因子的变化量限定在预设的最大变化率阈值之内,以及当当前实际相对流速矢量的矢量模值大于预设的水泵安全临界速度阈值时,强制柔化因子趋近于取值一以使期望地速矢量趋近于当前水流速度矢量;
19、在每一个控制周期中,求解优化目标函数,得到预测时域内最优的柔化因子序列,并仅将该序列中的第一个值作为当前时刻的柔化因子输出用于基准期望地速矢量的加权融合,在下一控制周期中滚动更新预测时域并重复求解过程。
20、结合第一方面,在本技术第一方面的第五种实施方式中,所述根据空速、地速与风速三者之间的矢量关系,计算达到该期望地速所需的目标空速矢量,包括:
21、对环境扰动信息中的环境风速矢量进行一阶低通滤波平滑处理,以抑制风速瞬时突变对后续计算的影响,得到滤波后的风速矢量;
22、根据空速矢量等于地速矢量减去风速矢量的运动学关系,将滤波后的风速矢量与当前期望地速矢量作矢量差运算,得到初步目标空速矢量;
23、对该初步目标空速矢量进行合成速率计算,并将其与预设的无人机最大安全空速进行比较,当该合成速率大于该最大安全空速时,按照该最大安全空速与该合成速率的比值对该初步目标空速矢量的各分量进行等比压缩,使目标空速矢量的合成速率不超过该最大安全空速。
24、结合第一方面,在本技术第一方面的第六种实施方式中,所述计算目标空速矢量与实测空速矢量之间的速度误差矢量,包括:
25、通过机载空速传感器实时采集无人机当前相对空气运动的实测空速矢量;将目标空速矢量与实测空速矢量进行矢量差运算,得到初步速度误差矢量;将初步速度误差矢量分别分解为沿无人机机体纵轴方向的前向速度误差分量和沿无人机机体横轴方向的侧向速度误差分量;
26、对前向速度误差分量和侧向速度误差分量分别进行限幅处理,确保各自的幅值均不超过预设的最大允许速度误差限值;对限幅后的前向速度误差分量和侧向速度误差分量进行矢量合成,得到速度误差矢量。
27、结合第一方面,在本技术第一方面的第七种实施方式中,所述采用反馈控制与前馈补偿相结合的控制方法,根据速度误差矢量,解算得到水平推力矢量,包括:
28、将速度误差矢量分别分解为前向速度误差分量和侧向速度误差分量;分别对前向速度误差分量和侧向速度误差分量进行比例控制运算,得到对应的比例控制分量;
29、对前向速度误差分量和侧向速度误差分量分别进行积分累加,并对其积分值进行限幅以防止积分饱和,得到对应的积分控制分量;
30、对该前向速度误差分量和该侧向速度误差分量分别进行微分运算,得到对应的微分控制分量;
31、将同一方向上的比例控制分量、积分控制分量和微分控制分量进行叠加,并结合预设的前馈补偿量进行前馈叠加,得到初步的水平推力矢量,其中,前馈补偿量包含期望加速度前馈补偿项和预估风阻力前馈补偿项;所述期望加速度前馈补偿项用于提前补偿因期望速度变化引起的惯性力需求,所述预估风阻力前馈补偿项用于提前抵消当前风速对无人机产生的空气阻力;对初步的水平推力矢量的各分量幅值进行限幅,确保各分量均不超过预设的对应轴最大推力限制,得到水平推力矢量。
32、结合第一方面,在本技术第一方面的第八种实施方式中,所述根据水平推力矢量解算期望横滚角和期望俯仰角,作为姿态指令输出至飞控执行机构,包括:
33、水平推力矢量包含沿无人机机体纵轴方向的前向推力分量和沿机体横轴方向的侧向推力分量;根据水平推力矢量计算总水平推力幅值,并根据该总水平推力幅值与无人机重力的关系确定期望的总推力输出;
34、根据前向推力分量与总推力幅值的比值关系,通过三角函数解算得到期望俯仰角,其中,期望俯仰角用于控制无人机绕机体横轴的转动,以实现前向加速或减速;
35、根据侧向推力分量与总推力幅值的比值关系,通过三角函数解算得到期望横滚角,其中,期望横滚角用于控制无人机绕机体纵轴的转动,以实现侧向加速或减速;
36、对期望俯仰角和期望横滚角分别进行限幅处理,确保各自的幅值均不超过预设的最大安全姿态角限值;将限幅后的期望俯仰角和期望横滚角,连同预设的期望偏航角组成姿态角指令,输出至飞控执行机构;
37、当前作业模式为定点监测模式时,控制无人机保持当前悬停位置,启动水泵,通过已对准实际相对流速方向的取水口抽取当前位置处的水样,进行实时分析,得到当前点位的水质参数数据;
38、当前作业模式为随流取样模式时,控制无人机保持与当前水面表层水流速度矢量同步的随流运动,并在随流过程中持续启动水泵,通过所述取水口沿随流路径连续抽取水样,进行实时分析,得到沿程多个点位的水质参数数据。
39、具体的,水泵启动后,水样经由已对准实际相对流速方向的取水口吸入,沿采样管路输送至样品流通池;当水样连续流经所述样品流通池并充分浸没各传感器探头时,各传感器分别响应水样的物理或化学特性,生成对应的原始检测信号;对所述原始检测信号进行信号调理,得到与水质参数对应的检测数据;
40、将所述检测数据与当前无人机的位置信息和时间信息进行关联标记,生成带有空间和时间标签的水质参数数据;
41、在定点监测模式下,单次取样生成该点位的水质参数数据并存储;
42、在随流取样模式下,沿随流路径按预设采样频率连续生成多个点位的水质参数数据,形成沿程水质参数数据序列。
43、第二方面,本技术提供了基于无人机巡测与定点取样协同的水质监测系统,包括:
44、随动控制模式判断模块:包括:数据采集单元采集环境扰动信息与无人机运动状态;随动控制模式判断单元计算取水口相对水流的实际相对流速矢量,判断是否触发随动控制模式;
45、过渡控制模块:包括:伺服电机驱动单元当触发随动控制模式时,确定目标指向角,通过伺服电机驱动水泵绕垂直轴摆动,使取水口轴线实时对准该实际相对流速方向;期望地速矢量计算单元根据当前实际相对流速矢量的矢量模值确定作业模式,计算基准期望地速矢量;过渡控制单元引入柔化因子对不同作业模式下的基准期望地速矢量进行过渡控制,得到期望地速矢量;
46、目标空速矢量计算模块:包括:目标空速矢量计算单元根据空速、地速与风速三者之间的矢量关系,计算达到该期望地速所需的目标空速矢量;
47、姿态指令输出模块:包括:速度误差矢量计算单元计算目标空速矢量与实测空速矢量之间的速度误差矢量;水平推力矢量解算单元采用反馈控制与前馈补偿相结合的控制方法,根据速度误差矢量,解算得到水平推力矢量;姿态指令输出单元根据水平推力矢量解算期望横滚角和期望俯仰角,作为姿态指令输出至飞控执行机构。
48、与现有技术相比,本发明的有益效果是:
49、1、本发明通过实时解算取水口与水流的实际相对流速矢量,触发随动模式后驱动伺服电机摆动水泵,使取水口轴线实时对准相对来流方向,有效降低水流冲击阻力与水泵运行负载,大幅提升高流速水环境下的取样稳定性与设备使用寿命。
50、2、本发明采用基于预测时域滚动优化的柔化因子过渡控制,通过约束柔化因子的取值范围与变化率,实现不同模式下期望地速的平滑衔接,既保障了不同水流工况下的作业适配性,又避免了模式切换带来的速度突变与姿态波动,同时兼顾取样精度与飞行平顺性。
51、3、本发明采用基于空速、地速、风速矢量关系的解算架构,搭配带前馈补偿项的非线性控制方法;通过引入期望加速度前馈与预估风阻力前馈,提前补偿惯性力与风扰影响,显著提升速度跟踪精度与抗干扰能力,可精准维持定点悬停的位置精度与随流取样的同步性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com