农作物的病虫草害是影响作物产量和质量的一个重要因素,化学农药作为防治的主要手段。变量喷雾技术在提高农药利用率、减少农药残留和降低环境风险等方面有较大发展潜力。近年来,作为农业航空产业的重要代表之一的植保无人机在中国发展迅速,植保无人机因作业效率高、雾化效果好以及成本低等特点,成为减少农药喷施、降低农药残留的有力方式。但由于影响植保无人机喷雾因素众多,通过建立部分影响因素与沉积量之间的关系模型的传统方法灵敏度和精度较差。因此本文在自主研制的PID-PWM控制的植保无人机变量喷雾系统上,利用现有的多旋翼植保无人机作业数据,训练影响雾滴沉积量的飞行因素（飞行高度、飞行速度）、环境因素（温度、湿度、风速及风向）、机身结构参数（旋翼数目、桨距、喷头间距）以及病虫害严重等级参数（处方值）与雾滴沉积量之间的非线性关系模型,并结合误差反向传播神经网络技术开发了神经网络决策的植保无人机变量喷雾系统,最后利用室内室外试验对系统的性能进行测试。本文的主要结论如下:（1）利用串口通信技术接收处方图解译后的处方值信息,使用脉宽调制技术调节微型隔膜泵的转速从而实现变量喷雾,并对喷雾系统的喷雾效果进行了测试。结果显示,当占空比在40%～100%范围内变化时,单个喷头的流量在0.16L/min～0.54L/min的范围内变化,流量的变异系数为39.21%,雾滴体积中径稳定在94～100μm之间,喷雾角稳定在97°～105°之间,其中雾滴体积中径的变异系数为5.52%,喷雾角的变异系数为2.77%,可实现不同喷药需求下的变量喷施作业。（2）流量调节过程中,使用流量传感器实时监测系统的流量,并使用PID算法对调节过程进行控制,减少流量达到稳态的时间,使得实际流量与目标流量的偏差稳定在2.16%,系统能较好地对流量进行调节。（3）在风洞环境下,模拟多旋翼植保无人机在不同飞行参数、不同结构参数以及不同环境条件下喷施,收集雾滴沉积数据,同时利用现有的多旋翼植保无人机喷雾作业雾滴沉积数据,结合误差反向传播神经网络技术,训练影响喷雾雾滴沉积影响因素与沉积量之间的非线性动态模型,其中,影响因素包括环境温度、湿度、风速风向、飞行速度、飞行高度、处方值、喷嘴间距、旋翼数目和桨距,通过训练获得模型,训练误差为0.003,模型稳定可靠。（4）各传感器接收的信息作为神经网络预测的输入量,经过神经网络计算获取沉积量,变量喷雾控制系统根据预测的沉积量结合PID-PWM控制算法完成变量喷雾,经过室外试验验证实际雾滴沉积量满足处方值要求,并且预测沉积量与实际沉积量的误差小于20%。（5）基于神经网络的植保无人机变量喷雾系统从接收到处方值到调节流量至目标值的响应时间在0.25s以内,系统灵敏可靠。