馮 江，張 慧，張喜海，楊 方

（東北農(nóng)業(yè)大學(xué)電氣與信息學(xué)院，哈爾濱 150030）

近年來，隨著科技進(jìn)步，植保無人機(jī)逐漸進(jìn)入國內(nèi)農(nóng)業(yè)植物保護(hù)領(lǐng)域[1]，在林業(yè)防火、災(zāi)后救援、電力巡線、無人機(jī)快遞投送、航拍攝影、三維建模等方面應(yīng)用廣泛[2]。由于植保無人機(jī)需在不同地勢(shì)作業(yè)，負(fù)載較大，電機(jī)和螺旋槳需高速旋轉(zhuǎn)才能正常飛行，增加其發(fā)生故障風(fēng)險(xiǎn)[3]。因此，如何在植保無人機(jī)發(fā)生故障時(shí)，保證飛行姿態(tài)穩(wěn)定為無人機(jī)姿態(tài)控制研究熱點(diǎn)問題。當(dāng)無人機(jī)姿態(tài)失衡時(shí)，容錯(cuò)控制為保證無人機(jī)姿態(tài)平穩(wěn)關(guān)鍵，故障信息獲取為實(shí)現(xiàn)容錯(cuò)控制有效手段[4]。何志輝等通過自抗擾模糊參數(shù)優(yōu)化控制策略，針對(duì)縱列式植保無人機(jī)發(fā)生故障問題，設(shè)計(jì)擴(kuò)張狀態(tài)觀測(cè)器，采用模糊控制在線調(diào)整增益參數(shù)，并驗(yàn)證所提算法魯棒性，但算法復(fù)雜增加飛行器反應(yīng)時(shí)間[5]；張莉采用參數(shù)優(yōu)化方法，分析植保無人機(jī)田間作業(yè)工作原理，建立二次性能指標(biāo)控制模型，保證植保無人機(jī)飛控系統(tǒng)性能穩(wěn)定，這種參數(shù)優(yōu)化方法需要一定前置條件，且飛行時(shí)外界環(huán)境與飛行器模型參數(shù)實(shí)時(shí)變化[6]；張紅欣等考慮植保無人機(jī)在噴灑農(nóng)藥時(shí)，極易受外界因素影響而改變飛行姿態(tài)，研究一種徑向基函數(shù)-比例-積分-微分控制方法，將神經(jīng)網(wǎng)絡(luò)、模糊控制、PID控制技術(shù)耦合，確保飛行姿態(tài)實(shí)現(xiàn)自適應(yīng)平衡，此模型需考慮整機(jī)作業(yè)軌跡控制等因素，對(duì)模型精準(zhǔn)度要求較高[7]。

本文基于反步法控制和滑模法控制，結(jié)合飛行器常用IBC 算法、SMC 算法和LQR 算法姿態(tài)控制特性，運(yùn)用反步滑?？刂品椒ㄔO(shè)計(jì)容錯(cuò)控制器，構(gòu)造反步滑模觀測(cè)器實(shí)時(shí)觀測(cè)植保無人機(jī)故障狀況，對(duì)四種算法分別在無故障和有加性故障干擾情況下作仿真對(duì)比，并對(duì)反步滑模算法開展試驗(yàn)。

1 植保人機(jī)故障模型

圖1所示為植保無人機(jī)整體結(jié)構(gòu)，電機(jī)1和電機(jī)2 逆時(shí)針方向轉(zhuǎn)動(dòng)，電機(jī)3 和電機(jī)4 順時(shí)針方向轉(zhuǎn)動(dòng)。建立導(dǎo)航坐標(biāo)系E（xe，ye，ze）、機(jī)體坐標(biāo)系B（xb，yb，zb），其中（φ，θ，ψ）分別為滾轉(zhuǎn)角、俯仰角和偏航角。

圖1 植保無人機(jī)結(jié)構(gòu)Fig.1 Plant protection UAV structure

建立動(dòng)力模型作出假設(shè)：

①假設(shè)無人機(jī)質(zhì)量為均勻分布，飛行時(shí)為剛體結(jié)構(gòu)[8]；

②假設(shè)無人機(jī)重心與質(zhì)心重合；

③假設(shè)無人機(jī)在行駛過程中不受地球自轉(zhuǎn)、公轉(zhuǎn)及地面效應(yīng)影響。

從導(dǎo)航坐標(biāo)系[9]到機(jī)體坐標(biāo)系的旋轉(zhuǎn)變換矩陣如式（1）所示（其中c表示cos，s表示sin）：

由牛頓第二定律可知：

其中，F(xiàn)表示4 個(gè)旋翼總升力，即F=F1+F2+F3+F4，其中，F(xiàn)i=，k為升力系數(shù)，a為線加速度，m為四旋翼飛行器質(zhì)量。

得到四旋翼飛行器動(dòng)態(tài)模型如式（3）所示：

式（3）中，x、y、z分別為導(dǎo)航坐標(biāo)系3個(gè)位置分量；姿態(tài)角表示為φ、θ、ψ，依次為滾轉(zhuǎn)角、俯仰角和偏航角；Jr是旋翼轉(zhuǎn)動(dòng)慣量；Jx、Jy、Jz依次為3個(gè)軸慣性力矩；m為機(jī)身重量；g為重力加速度；l為軸距；Ω為電機(jī)在同步過程中擾動(dòng)；Ωi（i=1,2,3,4）表示4 個(gè)電機(jī)轉(zhuǎn)速。其中

考慮到四旋翼無人機(jī)在飛行過程中可能發(fā)生故障[10]，引起執(zhí)行機(jī)構(gòu)失效值近似為常數(shù)，將損失表達(dá)為各通道輸入量[11]，間接表示為俯仰、橫滾、偏航及高度通道輸入損失，結(jié)合式（3），可將此時(shí)狀態(tài)方程改寫為：

在四旋翼無人機(jī)動(dòng)態(tài)方程中，在式（4）基礎(chǔ)上加入加性故障干擾，即為連續(xù)有界的一種加性故障干擾函數(shù)f（ii=1,2,3,4,5,6）。通常在容錯(cuò)控制時(shí)，加性故障是典型描述故障的方法，在系統(tǒng)動(dòng)態(tài)方程中添加一個(gè)干擾性，即添加一個(gè)故障函數(shù)[12]，表示在系統(tǒng)中故障的影響。此外，還考慮在飛行時(shí)系統(tǒng)受外界環(huán)境干擾影響。因此，在四旋翼動(dòng)態(tài)模型函數(shù)中依次加入干擾函數(shù)g（ii=1,2,3,4,5,6），建立如式（5）所示四旋翼故障模型：

2 控制器設(shè)計(jì)

2.1 狀態(tài)觀測(cè)器簡(jiǎn)化模型

電機(jī)、電調(diào)、螺旋槳失靈或未知環(huán)境因素干擾的不確定使執(zhí)行機(jī)構(gòu)發(fā)生加性故障，引發(fā)系統(tǒng)執(zhí)行機(jī)構(gòu)失效值近似為常數(shù)，將這種失效值間接轉(zhuǎn)為姿態(tài)角通道及高度通道的控制輸入損失[13]。其中（xd，yd，zd）和（x，y，z）依次分別為無人機(jī)位置的期望值和實(shí)際值，（φd，θd，ψd）和（φ，θ，ψ）依次為無人機(jī)姿態(tài)的期望值和實(shí)際值，（U1，U2，U3，U4）為控制觀測(cè)系統(tǒng)控制量。首先對(duì)系統(tǒng)故障模型作簡(jiǎn)化處理，令系統(tǒng)控制輸入量為：

狀態(tài)變量為：

x為狀態(tài)變量，Y為輸出變量，u為輸入變量。

則四旋翼無人機(jī)模型簡(jiǎn)化后，帶有加性故障的執(zhí)行器狀態(tài)空間矩陣如下：

式（9）中，a1=（Jy-Jz）/Jx，a2=（Jz-Jx）/Jy，a3=（Jx-Jy）/Jz，b1=l/Jx，b2=l/Jy，b3=1/Jz。

2.2 線性二次型調(diào)節(jié)器

線性二次型調(diào)節(jié)器在先行動(dòng)態(tài)環(huán)節(jié)計(jì)算量小、硬件實(shí)現(xiàn)容易。通過構(gòu)造中間控制量，四旋翼系統(tǒng)可由線性動(dòng)態(tài)和非線性靜態(tài)兩個(gè)環(huán)節(jié)組成[14]，對(duì)線性動(dòng)態(tài)環(huán)節(jié)設(shè)計(jì)線性二次型調(diào)節(jié)器[15-16]，并設(shè)計(jì)LQR。解算非線性靜態(tài)環(huán)節(jié)，分配到實(shí)際系統(tǒng)中控制輸入通道。

將式（8）離散化，得如式（10）所示離散系統(tǒng)：

其中，Al，Bl和Cl分別為離散時(shí)間的狀態(tài)、輸入和輸出矩陣?！発”表示離散時(shí)間步長(zhǎng)，k取整數(shù)。

LQR 的最優(yōu)控制時(shí)求反饋控制律[17]，令u=-kx，在區(qū)間[t,∞]中系統(tǒng)從非平衡狀態(tài)到零點(diǎn)附近。其性能指標(biāo)為：

其中，Q和R分別為半正定與正定實(shí)對(duì)稱常數(shù)矩陣，且Q為狀態(tài)變量加權(quán)矩陣，R為控制變量加權(quán)矩陣。性能指標(biāo)取極小值，根據(jù)Hamilton方程有：

最優(yōu)控制律為：

可得：

其中λ=Px。

本文使用Matlab 利用LQR（A,B,Q,R）函數(shù)直接對(duì)反饋系數(shù)求解，并驗(yàn)證LQR（A,B,Q,R）函數(shù)系統(tǒng)性能。

2.3 反步法控制器設(shè)計(jì)

反步法控制被廣泛用于非線性系統(tǒng)，核心思想是將復(fù)雜系統(tǒng)劃分為多個(gè)子系統(tǒng)，且子系統(tǒng)數(shù)量不大于整個(gè)系統(tǒng)階數(shù)，減少計(jì)算時(shí)間[18]。每個(gè)子系統(tǒng)通過中間虛擬量或Lyapunov 函數(shù)作遞歸構(gòu)造，解決非線性因素的不確定性影響[19]。

以滾動(dòng)通道為例，建立系統(tǒng)動(dòng)態(tài)方程：

式（15）中，f4表示一個(gè)有界故障，g4作為一個(gè)常數(shù)，表示外界干擾，為限定條件，ρ3為外界干擾變化量上界。

狀態(tài)觀測(cè)器模型可簡(jiǎn)化為：

步驟一：取選定的Lyapunov函數(shù)V1：

根據(jù)Lyapunov 穩(wěn)定理論分析可得，由于V.

1 ＜0，為此增加其虛擬控制量，使其作為e1子系統(tǒng)的虛擬控制，另（c1＞0為可調(diào)參數(shù)），則x2誤差e2為：

對(duì)式（17）求導(dǎo)并結(jié)合式（18）可得：

步驟二：構(gòu)造增廣Lyapunov函數(shù)V2：

式（20）中，ef=f4-ε4，其中f4表示已知滾轉(zhuǎn)角通道執(zhí)行器加性故障值，但f4值無法實(shí)際測(cè)量，在此使用ε4為估計(jì)值，定義積分項(xiàng)如下式：

對(duì)式（20）求導(dǎo)易知V.2＜0，說明步驟二設(shè)計(jì)中系統(tǒng)漸近收斂，則：

2.4 滑?？刂破髟O(shè)計(jì)

基于反步法設(shè)計(jì)的控制器仍有不足，其被控對(duì)象要建立精準(zhǔn)的數(shù)學(xué)模型。與反步法控制相比，滑?？刂莆锢砗?jiǎn)單且控制性能優(yōu)良。運(yùn)動(dòng)軌線被強(qiáng)迫為滑動(dòng)流行狀態(tài)，并保持一段時(shí)間。滑模變結(jié)構(gòu)控制與常規(guī)控制相比具有不連續(xù)控制特點(diǎn)，這種方式促使系統(tǒng)按照既定軌跡作高頻率、小幅度震蕩運(yùn)動(dòng)，為“滑模”運(yùn)動(dòng)[20]。滑模運(yùn)動(dòng)的滑動(dòng)模態(tài)可認(rèn)為設(shè)計(jì)與外部環(huán)境參數(shù)變化及系統(tǒng)內(nèi)部環(huán)境變化無關(guān)，具有良好魯棒性。如果將反步法控制與滑模法控制結(jié)合，則可增大控制系統(tǒng)使用范圍，對(duì)于控制律設(shè)計(jì)的魯棒性較好。本文依據(jù)滑模變結(jié)構(gòu)原理，采用指數(shù)趨近控制律改變趨近運(yùn)動(dòng)的動(dòng)態(tài)特性。具體設(shè)計(jì)如下：

與反步法控制一致，以滾轉(zhuǎn)通道為例，系統(tǒng)動(dòng)態(tài)方程為：

取滑模趨近率為：

滑?？刂埔壮霈F(xiàn)抖動(dòng)，將sgn（s）函數(shù)改為sat（s）飽和函數(shù)可減少系統(tǒng)運(yùn)行過程中抖動(dòng)。

對(duì)應(yīng)切換面為：

2.5 反步滑模控制器設(shè)計(jì)

由于四旋翼具有欠驅(qū)動(dòng)、強(qiáng)耦合控制特點(diǎn)，根據(jù)式（4）表示的故障模型方程設(shè)計(jì)容錯(cuò)控制器總體容錯(cuò)控制算法如圖2 所示，控制結(jié)構(gòu)包括位置控制和姿態(tài)控制，其中姿態(tài)控制期望的偏航角ψd被設(shè)定為已知，而期望的俯仰角φd、滾轉(zhuǎn)角θd需經(jīng)位置控制得到；通過姿態(tài)控制得到的通道控制量U2、U3、U4和高度通道控制量U1分配給執(zhí)行機(jī)構(gòu)控制輸入，完成四旋翼無人機(jī)控制。對(duì)于容錯(cuò)控制器設(shè)計(jì)分兩步。首先通過滑動(dòng)控制方法構(gòu)建滑模觀測(cè)器，有利于系統(tǒng)穩(wěn)定性分析；其次結(jié)合反步法控制，研究執(zhí)行器故障時(shí)容錯(cuò)控制器的設(shè)計(jì)。

圖2 容錯(cuò)控制結(jié)構(gòu)Fig.2 Fault-tolerant control structure

參照上述反步法控制器設(shè)計(jì)與滑模法控制器設(shè)計(jì)，則反步滑?？刂扑惴ㄝ斎肟刂茷椋?/p>

因此，其他通道電機(jī)輸入控制為：

3 仿真驗(yàn)證與物理試驗(yàn)

在Matlab/Simulink環(huán)境下對(duì)所設(shè)計(jì)的控制算法分別在無故障干擾和有加性故障干擾情況下開展仿真驗(yàn)證。假使四旋翼無人機(jī)初始姿態(tài)為[0°0°0°]，期望姿態(tài)為[80°40°60°]，表1為四旋翼參數(shù)。

表1 植保無人機(jī)模型參數(shù)Table 1 Plant protection UAV model parameter

3.1 無干擾仿真試驗(yàn)

首先，根據(jù)以上模型建立，設(shè)計(jì)相關(guān)仿真。表1所示為仿真參數(shù)。根據(jù)線性二次型算法中，通過多次試湊得到控制器Q和R分別為：

得出狀態(tài)反饋矩陣為：

在無故障干擾條件下，仿真3 種結(jié)果如圖3～5所示。

基于搭建的四旋翼無人機(jī)模型，圖3為4種控制算法下四旋翼無人機(jī)姿態(tài)響應(yīng)曲線，圖4為4種控制算法下四旋翼無人機(jī)飛行速率仿真曲線，圖5是4 種控制算法下四旋翼無人機(jī)電機(jī)速率仿真曲線。圖3、4 響應(yīng)曲線分別給出四旋翼橫滾、俯仰和偏航3 個(gè)方向響應(yīng)狀態(tài)，圖5 給出4 個(gè)電機(jī)響應(yīng)情況，得出以下分析結(jié)果。

圖5 LQR、SMC、IBC、BSC算法無干擾電機(jī)速率仿真結(jié)果Fig.5 LQR,SMC,IBC,BSC algorithm interference-free motor speed simulation results

由圖3可知，對(duì)于四旋翼系統(tǒng)，在受到相同系統(tǒng)輸入時(shí)，3種方法均可在一段時(shí)間趨于穩(wěn)定，具有良好控制效果。圖3a 中LQR 滾轉(zhuǎn)角收斂時(shí)間為200 s，圖3b中SMC滾轉(zhuǎn)角收斂時(shí)間為200 s，圖3c中IBC滾轉(zhuǎn)角收斂時(shí)間為200 s。3個(gè)控制算法穩(wěn)定時(shí)間一致，均可在短時(shí)間達(dá)到快速穩(wěn)定狀態(tài)。通過仿真曲線可知在趨于穩(wěn)定過程中，LQR和IBC響應(yīng)均未出現(xiàn)振蕩，SMC算法有較小抖動(dòng)。

圖3 LQR、SMC、IBC、BSC算法無干擾姿態(tài)仿真結(jié)果Fig.3 LQR,SMC,IBC,BSC algorithm interference-free attitude simulation results

圖4 中四旋翼飛行速率響應(yīng)曲線均在200 s 時(shí)趨于0，響應(yīng)時(shí)間及各通道最大響應(yīng)角速度見表2，SMC算法最先到達(dá)最大角速度，以滾轉(zhuǎn)角為例，最大響應(yīng)為1.121 deg·s-1。IBC算法在82 s時(shí)角速度達(dá)到峰值，滾轉(zhuǎn)角角速度峰值為0.08583 deg·s-1。

圖4 LQR、SMC、IBC、BSC算法無干擾飛行速率仿真結(jié)果Fig.4 LQR,SMC,IBC,BSC algorithm interference-free flight rate simulation results

圖5表示四旋翼每個(gè)電機(jī)角速度響應(yīng)曲線，每種算法電機(jī)最大響應(yīng)值如表3 所示，3 種算法電機(jī)轉(zhuǎn)速在78、72、82 s處達(dá)到響應(yīng)峰值，這3個(gè)時(shí)間點(diǎn)分別對(duì)應(yīng)表2中姿態(tài)響應(yīng)時(shí)間，此時(shí)達(dá)到四旋翼最大響應(yīng)峰值，電機(jī)轉(zhuǎn)速變化較大，以求快速跟上期望軌跡。

表2 3種算法姿態(tài)響應(yīng)峰值參數(shù)Table 2 Three algorithms attitude response peak paremeter

表3 3種算法電機(jī)姿態(tài)響應(yīng)峰值參數(shù)Table 3 Three algorithms motor attitude response peak paremeter

3.2 有界干擾仿真試驗(yàn)

在實(shí)際飛行環(huán)境中，四旋翼無人機(jī)除系統(tǒng)本身出現(xiàn)故障，還會(huì)遇到外界干擾，如外界陣風(fēng)等。在仿真模型中，于150 s 時(shí)加入階躍響應(yīng)，驗(yàn)證算法有效性。圖6～8為仿真結(jié)果，由此得到分析結(jié)果：

①由圖6～8 可知，在階躍響應(yīng)信號(hào)干擾下，四旋翼無人機(jī)姿態(tài)響應(yīng)、飛行速率、電機(jī)反作用力均受到一定程度影響，圖6～圖8a 中LQR 干擾試驗(yàn)四旋翼姿態(tài)響應(yīng)未收斂于平衡狀態(tài)；

②從圖6～圖8b 中，SMC 算法在150 s 時(shí)加入干擾，系統(tǒng)幾乎未受影響，可快速恢復(fù)到平衡狀態(tài)，魯棒性較好，但滾轉(zhuǎn)角在開始時(shí)有較小抖動(dòng)；

圖8 LQR、SMC、IBC、BSC算法干擾下電機(jī)速率仿真結(jié)果Fig.8 Motor speed simulation results under the interference of LQR,SMC,IBC,and BSC algorithms

③同理，IBC 試驗(yàn)在150 s 時(shí)加入干擾，系統(tǒng)姿態(tài)角變化較小，俯仰角、滾轉(zhuǎn)角、偏航角所受干擾影響較小，姿態(tài)響應(yīng)產(chǎn)生較小抖動(dòng)，電機(jī)響應(yīng)在150 s后產(chǎn)生抖動(dòng)，在100 s內(nèi)趨于穩(wěn)定，調(diào)節(jié)時(shí)間短，偏差小，魯棒性較好。

3.3 反步滑模算法驗(yàn)證與物理試驗(yàn)

基于以上3種算法試驗(yàn)結(jié)果可得知，在無外界干擾情況下，3種算法均可快速達(dá)到平衡狀態(tài)；在加入外界干擾條件下，3 種算法均產(chǎn)生一定偏差，將反步法控制與滑模法控制方法結(jié)合，在Matlab/Simulink 下驗(yàn)證反步滑?？刂葡到y(tǒng)，結(jié)果如圖3～8所示。

由圖3～5可知，在無干擾仿真環(huán)境下，反步滑模法可達(dá)到快速平穩(wěn)狀態(tài)，達(dá)到期望的姿態(tài)角；由圖6～8 可知，同樣在300 s 時(shí)加入階躍響應(yīng)故障干擾信號(hào)，姿態(tài)角幾乎未受影響，無抖動(dòng)和超調(diào)量，電機(jī)反作用姿態(tài)曲線較平穩(wěn)，可知，反步滑?？刂凭哂屑皶r(shí)響應(yīng)特性與良好魯棒性，有較強(qiáng)容錯(cuò)控制能力。

圖6 LQR、SMC、IBC、BSC算法干擾下姿態(tài)仿真結(jié)果Fig.6 Attitude simulation results under the interference of LQR,SMC,IBC,and BSC algorithms

圖9為將反步滑模算法寫入飛行控制器開展現(xiàn)場(chǎng)試飛試驗(yàn)，在反步滑?？刂葡到y(tǒng)下，植保無人機(jī)平穩(wěn)飛行，在加性故障環(huán)境下無人機(jī)受到影響較小，魯棒性較好。

圖9 BSC飛行試驗(yàn)Fig.9 BSC flight test

通過Pixhawk飛行控制器MPU6050模塊可獲得飛行角速度和角速度數(shù)據(jù)，下圖是飛行過程中姿態(tài)曲線圖。從圖10中曲線1與曲線2可知，兩條線重合度較高，滾轉(zhuǎn)角目標(biāo)值與實(shí)際值接近，驗(yàn)證BSC算法性能較高，使得植保無人機(jī)很快達(dá)到預(yù)期角度。圖11為飛行控制器IMU姿態(tài)信息，由曲線3數(shù)值與曲線4 數(shù)值可知，AccX、AccY 兩個(gè)軸的姿態(tài)誤差盡在±2 m·s-2，飛行控制較穩(wěn)定，震動(dòng)不明顯，BSC算法有良好的魯棒性。

圖10 BSC飛行姿態(tài)跟蹤曲線圖Fig.10 BSC flight attitude tracking curve

圖11 BSC飛行試驗(yàn)IMU誤差Fig.11 BSC flight test IMU error

圖7 LQR、SMC、IBC、BSC算法干擾下飛行速率仿真結(jié)果Fig.7 Flight rate simulation results under the interference of LQR,SMC,IBC,and BSC algorithms

4 結(jié)論

針對(duì)植保無人機(jī)系統(tǒng)模型不確定或存在外界環(huán)境干擾情況下，導(dǎo)致作業(yè)時(shí)植保效率低下問題，對(duì)常用的3種控制算法開展仿真試驗(yàn)。

分析中得知，LQR 控制算法在受到加性故障干擾后飛行器姿態(tài)無法保證快速恢復(fù)到平衡穩(wěn)定狀態(tài)；SMC 算法當(dāng)滑動(dòng)的軌跡到達(dá)滑模面后，易產(chǎn)生抖動(dòng)；BSC算法在設(shè)計(jì)控制律的過程中對(duì)系統(tǒng)反饋性能要求較嚴(yán)格，算法復(fù)雜。

通過將反步法控制與滑模法控制結(jié)合，并驗(yàn)證IBC算法有效性。從仿真實(shí)驗(yàn)分析得知，反步滑模算法結(jié)合反步法控制與滑模法控制的性能，可以全局優(yōu)化系統(tǒng)參數(shù)，并自適應(yīng)調(diào)整加權(quán)矩陣，在加入外界干擾的條件下電機(jī)的姿態(tài)較為穩(wěn)定，并能快速趨于穩(wěn)定狀態(tài)；從植保無人機(jī)現(xiàn)場(chǎng)的飛行情況可知，植保無人機(jī)使用反步法模算法，姿態(tài)的軌跡跟蹤性好，響應(yīng)及時(shí)，遇到外界風(fēng)力干擾時(shí)容錯(cuò)控制性強(qiáng)，魯棒性良好，保證植保無人機(jī)能夠有效作業(yè)，提高無人機(jī)植保的工作效率。