[发明专利]一种最小误差变量施药控制方法及系统

说明书

本发明提供的最小误差变量施药控制方法及系统，包括：获取变量施药控制系统的传递函数；根据传递函数生成流速控制单位阶跃响应序列；根据流速控制单位阶跃响应序列与预期施药量的误差，构建变量施药控制系统从启动到稳态的开环误差序列；基于开环误差序列，构建系统累计施药误差函数；采用强化学习方法优化变量施药控制系统的PID参数，使累计施药误差函数的函数值最小；根据PID参数，完成施药过程的PID调节控制。本发明实施例提供的最小误差变量施药控制方法及系统，通过引用强化学习方法优化变量施药控制系统的PID参数，有效的减小了无人机在施药时自动开启喷洒的过程导致的喷洒流速误差，提高了自动喷洒作业时地头的施药均匀性。

技术领域

本发明实施例涉及农业信息化技术领域，尤其涉及一种最小误差变量施药控制方法及系统。

背景技术

近年来，随着机械化程度及配套种植技术的逐步提高，农业机械的发展为农业现代化提供了极大的便利。其中，基于无人机的作业工具为农业现代化提供了高效、便捷的作业方法。

航空喷施作业是现代农业植保作业的重要手段，在航空施药作业领域中，无人机精准施药是未来的技术发展趋势。目前施药无人机上通常安装有小型的隔膜泵和压力喷头，具体根据作物的情况，设定每亩的喷洒药量，在无人机起飞之前设定好泵的工作电压，确定管路的固定压力，进而实现喷药流量的恒定。在飞机起飞后，遥控手目视无人机飞到作业区域后，打开喷洒开关，按设定的流量进行喷洒作业，直至作业结束。

随着图像识别和光谱探测技术被引入变量施药控制系统，在实际应用过程中，可以通过机器视觉和传感器自动识别出作物冠层和土地边界，从而在无人机进入至地头一刹那自动打开喷头进行施药。由于施药控制系统往往由控制器、电机驱动器、泵、管路等组成，导致在采用这一方式的过程中，从开关泵指令发出到喷洒流量进入稳态，需要一段时间，进而导致植保无人机在地头处的施药量误差较大，经常出现地头漏喷严重的情况发生。

发明内容

本发明实施例提供一种最小误差变量施药控制方法及系统，用以克服现有技术在无人机施药控制方面存在的进入地头的瞬间存在的调控速度慢、施药量误差大的缺陷。

第一方面，本发明实施例提供一种最小误差变量施药控制方法，主要包括：S1：获取变量施药控制系统的传递函数；S2：根据传递函数生成流速控制单位阶跃响应序列；S3：根据流速控制单位阶跃响应序列与预期施药量的误差，构建变量施药控制系统从启动到稳态的开环误差序列；S4：基于开环误差序列，构建系统累计施药误差函数；S5：采用强化学习方法优化变量施药控制系统的PID参数，使累计施药误差函数的函数值最小；S6：根据PID参数，完成施药过程的PID调节控制。

优选地，在步骤S1中，所述获取变量施药控制系统的传递函数，包括：采用随机脉冲激励信号对变量施药控制系统进行激励，通过对获取的施药量传感器数据和施药量指令数据的分析，获取变量施药控制系统的传递函数。

优选地，所述系统累计施药误差函数为：

其中，J(k)为系统累计施药误差，W为预期施药量，a_i为第i个脉冲激励信号对应的阶跃响应，n为脉冲激励信号的总数。

优选地，在步骤S5中，所述采用强化学习方法优化所述变量施药控制系统的PID参数，使累计施药误差函数的函数值最小，具体包括：

S51：设定一组初始PID参数，该初始PID参数包括初始比例系数、初始积分系数和初始微分系数；

S52：分别以预设步长间隔分别对初始PID参数进行调节转变，建立强化学习的Q函数；

S53：基于Q函数，按预设概率，将在k时刻产生的动作增量叠加至初始PID参数上，获取在k时刻的施药量输出序列；

S54：根据施药量输出序列，计算k时刻的累计施药误差和累计施药误差变化量；