基于贝塞尔曲线的动态识别区农机避障路径实时规划

为解决农机田间作业避障路径实时规划问题,该研究提出一种在动态识别区内利用三阶贝塞尔曲线实时规划农机避障路径算法。首先构建农机作业行走动态识别区,在动态识别区内利用激光雷达感知障碍物。然后利用障碍物信息计算避障路径控制点选取范围,生成满足农机最小转弯半径等多约束条件下的路径簇,同时以曲率最小为目标从路径簇中选取最优避障路径。最后进行避障路径实时规划试验。试验结果表明,本文算法规划的避障路径最大曲率和平均曲率分别为0.126和0.054 m-1;路径跟踪过程中产生的最大横向误差和平均横向误差分别为0.12和0.057 m;拖拉机到障碍物外轮廓的距离大于0.375 m。和现有算法比较,本文算法规划的避障路径最大曲率和平均曲率分别减少25.9%和42.6%,路径跟踪过程中产生的最大横向误差和平均横向误差分别减少36.8%和28.8%。研究结果可为拖拉机无人驾驶作业提供技术支撑。     

基于SHAP重要性排序和机器学习算法的灌区渠道调度流量预测

渠道泄水闸能够快速排除灌区入渠洪水,避免渠道漫顶。研究以淠史杭灌区灌口集泄水闸为例,以闸门调度流量为目标变量,以不同时段过去和未来降雨量、泄水闸闸上实时水位及其变化量为特征变量,比较8种机器学习算法的预测精度,同时采用Shapley Additive exPlanations（SHAP）法分析特征变量重要性。结果表明：1）集成学习算法预测评价指标优于传统回归算法,8种机器学习算法中随机森林回归（random forest regression, RFR）算法预测精度最高（训练集均方根误差、平均绝对误差、均方误差及决定系数分别为 0.146 m³/s、0.094 m³/s、0.021 m³/s、0.976;测试集分别为0.306 m³/s、0.197 m³/s、0.093 m³/s、0.931）;2）采用SHAP法确定的特征变量重要性排序表明灌口集泄水闸闸上水位对于泄水闸调度流量的预测结果影响最大,占特征重要性值总和的34.6%;3）以过去6 h降雨量、过去9 h降雨量、未来6 h降雨量、灌口集泄水闸闸上水位作为输入变量的RFR算法预测灌口集泄水闸调度流量效果最佳,模型误差指标为（训练集均方根误差、平均绝对误差、均方误差及决定系数分别为0.126 m³/s、0.080 m³/s、0.016 m³/s、0.982;测试集分别为0.263 m³/s、0.164 m³/s、0.069 m³/s、0.950）,研究结果对灌区防洪调度决策具有重要参考价值。     

基于三目视觉的自主导航拖拉机行驶轨迹预测方法及试验

为了实现自主导航拖拉机离开卫星定位系统时能够持续可靠工作,该文提出了基于三目视觉的拖拉机行驶轨迹预测方法。该方法将三目相机分解为长短基线2套双目视觉系统分时独立工作。通过检测相邻时刻农业环境中同一特征点的坐标变化反推拖拉机在水平方向上的运动矢量,并通过灰色模型预测未来时刻的运动矢量变化,最终建立不同速度下的前进方向误差模型。试验结果表明:拖拉机行驶速度为0.2 m/s时,46.5 s后前进方向误差超过0.1 m,对应行驶距离为9.3 m。行驶速度上升到0.5 m/s时,该时间和行驶距离分别降低到17.2 s和8.6 m。当行驶速度上升到0.8 m/s时,该时间和距离分别快速降低至8.5 s和6.8 m。行驶速度越高,前进方向误差增速越高。该方法可用于短时预测拖拉机的行驶轨迹,为自主导航控制提供依据。     

杨粮间作行距对小麦生长及产量的影响

对杨粮间作条件下小麦生长结果研究表明，杨树间作行距与土壤水分呈反比关系，即3～15m的行距范围内林木行距每扩大1m，土壤季平均含水量则降低1.0%，证明间作可有效减少土壤水分损失；同时林木行距与小麦叶绿素含量呈反比，说明一定程度的林木遮荫可提高小麦叶绿素含量。试验表明，小麦光合作用速率和蒸腾速率与林木行距呈正比，林木行距每增加1m，小麦的光合速率和蒸腾速率分别提高1.3μmol/m²·s和0.2μmol/m²·s，说明林木行距过小，则影响作物的光合作用，进而影响小麦的生物量和产量。通过计算，在该杨树4年林龄条件下小麦取得最大产量的行距为21～22m。     

无人驾驶农机自主作业路径规划方法

针对无人驾驶农机自主作业的应用需求,该研究设计了一种基于区块套行作业模式的路径规划方法,以生成含有速度指令和机具状态指令的可执行路径,重点解决田内作业的四边形地块适应性、无人驾驶农机适应性和农田作业路径完整规划等问题。该方法由农田信息处理模块和路径规划模块组成,农田信息处理模块将测绘产生的地块轮廓数据和障碍物数据处理为便于运算的地块轮廓点数据和障碍物轮廓点数据形式,然后由路径规划模块利用用户输入的作业方向、作业幅宽、转弯半径和起始方位等作业参数,经过作业梯形区生成、掉头区与作业区划分、作业条带分割、障碍物条带处理、作业条带路由、掉头路径生成和最终指令路径生成等子模块,最终生成无人驾驶农机的指令路径。仿真试验结果表明,相对于相邻法,该方法的作业面积比及作业路程比分别提升了10.0%和8.8%。播种作业田间试验结果表明,无人驾驶农机自主作业的横向偏差的均值和标准差分别为左偏0.002和0.027m,满足作业要求。研究结果表明,该研究提出的方法适应不同的四边形农田和障碍物,可以结合不同的作业参数完成路径规划,能够满足无人驾驶农机自主作业的需求。     

履带车辆自适应预瞄跟踪模糊控制算法

针对现有单边制动履带车辆跟踪控制算法同周期内并行控制难、跟踪精度低、转向控制次数较多等问题,该研究以电控化改装后江苏筑水农机 3B55 型履带运输车为试验平台,开展单边制动履带车辆路径跟踪控制算法研究。通过单边制动履带车辆运动学分析,构建车辆预瞄跟踪模型,提出一种预瞄跟踪模糊控制算法,将横向偏差与航向偏差作为多输入输出模糊控制器输入参数,实现车辆同一控制周期内转向与直线行驶的并行控制。为了优化车辆路径跟踪精度与转向控制次数,提出改进麻雀搜索算法(sparrow search algorithm, SSA)的自适应前视距求解算法,考虑车辆的横向偏差和转向路径角度约束,解析较优前视距离,通过仿真和田间试验对算法进行跟踪精度与转向控制次数综合评价。仿真结果表明：基于自适应预瞄跟踪模糊控制算法跟踪多角度规划路径时,车辆转向控制次数为89次,误差面积为1.74 m²。田间作业路况下,由于试验路面起伏不平,并且随速度增加车辆跟踪精度下降,但跟踪精度及转向控制次数随前视距离的变化规律与仿真结果一致,当车辆分别以0.14、0.47和0.83 m/s跟踪路径时,自适应预瞄跟踪模糊控制算法相对于固定前视距离预瞄跟踪模糊控制算法车辆转向控制次数分别减少13.59%、9.87%和11.25%,误差面积分别减少19.93%、48.48%和54.59%,验证了算法的有效性。研究结果可为单边制动履带车辆的农机自动导航技术提供创新思路与技术支撑。     

气体射流冲击对流换热系数试验研究

在气体射流冲击试验装置上，冲击温度105～135℃，气流速度6.7～14.4m／s，相对湿度0～30%的范围内，进行了对流换热系数的研究，得到如下结论：物料表面温度T接近饱和温度T_s时，对流换热系数值出现转折，拐点前对流换热系数h为拐点后的3～12倍。在表面温度Ts时，可获得较大的对流换热系数，对流换热系数h随温度、气流速度和湿度的增大而增大，最大可达1403w／(m²·K)。在表面温度T>T_s时，对流换热系数值明显变小，且与0%相对湿度的对流换热系数值接近一致；在气流速度为恒定时，温度和湿度对对流换热系数影响不明显；在温度为恒定时，对流换热系数随气流速度的增加而增大，湿度变化对其影响不明显，对流换热系数h在120～136w／(m²·K)范围内。     

基于超声波传感器和DGPS的果树冠径检测

为实现果园果树的仿形精确喷雾，适时获取果树冠径信息，采用超声波传感器，GPS接受机和电子罗盘等在拖拉机上建立了一套果树冠径检测试验系统。并在室外对5个圆柱规则外形树冠进行了检测试验。试验分别采用4种树冠直径检测计算方法，并选择0.31 m/s和0.65 m/s两种不同拖拉机行驶速度进行检测。采用误差分析的方法检验果树冠径检测系统的实际检测效果。误差分析表明拖拉机分别以0.31 m/s和0.65 m/s速度行驶时，应用超声波探测果树树冠两个轮廓边缘计算5个树冠直径的平均相对误差分别为5.54%和5.80%。用电子罗盘和DGPS数据进行加权平均融合修正拖拉机行驶轨迹，由超声波检测到的果树两个轮廓边缘的位置信息计算果树直径，在两种检测速度下的平均相对误差为14.38%。研究结果为果树仿行喷雾控制和果园果树生长信息采集提供了技术方法。     

张掖市龙首山红砂种群结构和分布格局研究

对张掖市龙首山天然红砂分布区的红砂种群结构和空间分布格局进行了研究。根据年龄大小结构图和存活曲线以及静态生命表分析了红砂种群动态,用扩散系数C,负二项分布中的K值,平均拥挤度m^*,丛生指数I,Cassie指标CA和聚块性指标(m^*/m)6个分布指数对格局类型进行了判断,并根据双向轨迹方差法分析了种群格局规模。结果表明,红砂种群的自然更新状况良好,各龄级苗木均有分布。种群的年龄结构接近于增长型,表现为中龄级(10cm<d≤30cm)丰富;种群存活曲线趋向于DeeveyⅠ型,种群目前处于较为稳定的状态;种群的聚集强度为0.831 8,分布格局类型为聚集分布;种群有两种空间格局规模,分别为4m×4m和8m×8m。     

灌溉对大麦/玉米带田土壤硝态氮累积和淋失的影响

以甘肃省河西走廊灌区为试验地点，分别在0、150、300 kg/hm²氮水平和816、1632 m³/hm²灌水量下，对3次灌水前、后大麦/玉米带田0～200 cm土壤NO^-₃-N含量变化和灌水后135 cm处渗漏液NO^-₃-N浓度进行了测定。结果表明：灌水明显影响土壤硝态氮累积量，随灌水次数增加，土壤硝态氮累积量降低，而且在高灌水条件下土壤硝态氮累积量变化比低灌水量时大。从渗漏液硝态氮浓度来看，大麦带和玉米带都是以第1次灌水最高，浓度分别为8.04～17.21和3.30～14.57 mg/L。3次灌水土壤硝态氮淋失量，玉米带以N 150 kg/hm²和灌水量1632 m³/hm²最高，平均为4.31 kg/hm²；大麦带以N 150 kg/hm²及灌水量1632 m³/hm²和N 150 kg/hm²及灌水量816 m³/hm²比较高，平均为6.82 kg/hm²。     

基于Bezier曲线优化的农机自动驾驶避障控制方法

动力换挡拖拉机的产生促进农机自动驾驶向着无人化方向发展,农机的自动避障成为需要解决的关键问题。该文针对最短切线路径曲线曲率不连续、跟踪控制精度差及农机运动模型精度低等缺点,采用三阶Bezier曲线优化法形成连续平滑农机避障路径,通过链式控制理论建立农机运动线性控制模型,利用PI控制器进行转角补偿,并进行了控制方法的仿真和犁耕作业试验。仿真结果表明:农机行驶的航向误差角在-0.06～0.06 rad,横向位置误差小于13 cm,前轮转向角变化平缓,没有显著突变,说明该方法控制精度较高,农机能够按预设轨迹行驶。犁耕作业试验结果表明:Bezier曲线部分的避障精度为5.21 cm,曲线路径的跟踪控制效果较好;避障后农机继续沿直线行驶的精度为1.98 cm,说明该方法可保证农机在避障后恢复直线自动驾驶。研究结果表明,该避障路径控制方法在不平整犁耕地中具有较好的鲁棒性和适应性,可满足拖拉机作业的避障要求。     

丘陵山区田间道路自主行驶转运车及其视觉导航系统研制

自然条件的限制使得丘陵山区农产品和物资的田间转运难以实现高安全性的机械化作业。为此,该文研制了一种在丘陵山区田间道路上自主行驶的转运车及其视觉导航系统。该系统采用RTK-GNSS(real-timekinematic-global navigationsatellitesystem,实时动态-全球卫星导航系统)进行路网信息采集、实时定位和路径规划,利用机器视觉进行田间道路识别并提取路径跟踪线;田间道路非路口区域由机器视觉系统进行导航,路口区域采用RTK-GNSS实时定位进行导航。全局路径规划中对A*算法估价函数进行改进,将路口节点处的道路曲率及道路起伏信息引入代价函数。图像处理中强化道路上的阴影处理和信息融合,实现道路与背景的准确分割;然后将道路区域分块求取形心点,拟合后生成道路的虚拟中线作为局部路径的导航线。路径规划仿真表明,改进的A*算法能融合丘陵山地道路起伏变化的特征,规划的路径更合理。转运车自主行驶测试表明,在直线路径、多曲率复杂路径以及地形起伏路径3种工况下,自主行驶轨迹与实际道路中线的平均偏差分别为0.031、0.069和0.092 m,最大偏差分别为0.133、0.195和0.212 m;转运车沿道路中线自主行驶的平均相对误差分别为5.16%、11.5%和15.3%,满足田间道路转运车自主行驶的安全要求。     

不确定场景下无人农机多机动态路径规划方法

在现代化农业中,越来越多的龙头企业或农村合作社提供一系列的农业作业专业化服务,引入多台农机进行规模化作业,不仅提高效率,而且可以实现抢种抢收,减少自然灾害的风险。目前,多台农机并行作业仍以预先计划的固定农机和静态的固定路线为主,但在实际耕种、收割等作业中,常会出现农机突发故障、农机临时增加、农机工作效率不一致等不确定场景,这些不确定性给多台农机集群控制带来巨大挑战。因此,研究不确定场景下多机动态路径规划方法具有十分重要的理论意义和实用价值。该研究以总作业时长为综合优化目标,综合各种不确定场景,针对轮式自动驾驶拖拉机,提出了改进的迭代贪婪（Improved Iterated Greedy, IIG）方法进行多机动态路径规划,解决以往传统方法在不确定情况发生后路径规划结果低效甚至失效的问题。试验表明,该方法在不确定场景下可及时、高效的动态调整路径规划方案,能够为不同数量、不同性能的农机迭代找到当前最优路径。与传统的并排作业方法相比,IIG优化的矩形农田作业路径总作业时间平均下降约35%,且随着农机性能差异越大,节省时间越多;与迭代贪婪（Iterated Greedy, IG）方法相比,IIG在一般播种作业中总掉头时间平均减少约17%。该方法在不确定场景下路径优化效果较好,且具有很好的鲁棒性及环境适应性,可为农田无人作业多机路径规划提供参考。     

多旋翼无人机避障航迹规划算法

多旋翼无人机的自主避障能力是安全作业的重要保证。该研究针对多旋翼无人机自主避障问题，提出了一种改进的双向RRT快速随机树航迹规划算法，结合最小化位移四阶导数的动力学优化方法，生成更符合多旋翼无人机动力学性能的避障航迹，解决避障过程中重复搜索、航迹曲率波动性大等问题，实现平稳避障；提出了以随机采样算法规划难度（用时）为核心的场景复杂度评价方法，在不同复杂度场景下进行了仿真试验。结果表明：与改进前相比，避障航迹再规划用时最多减少23.69%；有效避障航迹规划用时低于0.33 s、平均避障航迹跟踪速度大于1.12 m/s、避障航迹延长率最多达20.82%。所提出的避障航迹规划方法，提升了避障航迹的规划效率与效果，可为多旋翼无人机自主作业过程中的避障航迹规划提供参考。     

拖拉机自动导航变曲度路径跟踪控制

针对当前拖拉机自动导航曲线跟踪控制精度不能满足生产需要的问题,该研究提出一种基于前轮转角前馈补偿策略的变曲度路径跟踪控制方法。综合考虑农机作业速度和目标路径曲度对前视距离的影响,通过调整前视区域和计算预瞄点,动态调整前视距离和前轮转角前馈量,在追踪预瞄点的过程中,利用农机与目标路径偏差设计变曲度路径跟踪模糊控制器,通过实时调整拖拉机前轮转角补偿量减小稳态误差。以DF2204无级变速拖拉机为试验平台,设计并研发了自动导航系统,开展21组变曲度路径跟踪控制试验。试验结果表明,拖拉机以1、1.5、2和3 m/s速度行驶时的平均绝对误差的平均值分别为2.7、2.7、3.3和4.0 cm,均方根误差的平均值分别为3.4、3.7、4.6和5.0 cm,满足农业生产需求。所提方法可有效提高农机曲线路径跟踪精度,减少漏耕,提高农田利用率。     

农用无人机避障技术的应用现状及展望

随着中国农业现代化稳步推进,农业生产对农业机械的需求日益增长,农用无人机因其广泛适用于地面机械难以耕作的农业区域,在实践推广应用中已表现出明显特点和优势。随着精准农业航空技术的进一步发展,实现障碍物的自主识别与实时避障是农用无人机智能化发展的必然趋势之一。然而,农田作业环境复杂、障碍物类型多变,实现农用无人机的实时避障仍任重道远。为提高航空植保作业的安全性,对农田环境中的障碍物进行了分类,并提出了作业视场的避障分区及各区避障策略。通过对比分析国内外农用无人机避障技术的应用现状及各类避障传感器,并剖析中国农用无人机避障问题中存在的不足,展望未来农用无人机避障技术的研究方向和研究热点。该文可为中国农用无人机避障技术的有序发展提供参考。     

基于预瞄模型的农机路径跟踪预测控制方法

为了提高农机路径跟踪系统控制性能对作业速度变化的适应性,该研究提出一种基于预瞄运动学模型的快速预测控制方法。采用预瞄跟随理论建立预瞄航向误差模型,并将其作为输出方程与路径跟踪误差常规状态方程联立,构建预瞄运动学状态空间误差模型,进而运用模型预测控制算法与输入参数化衰减策略设计路径跟踪控制律。仿真试验结果表明,在不同作业速度下,预瞄模型预测控制器的直线路径跟踪横向误差均渐近趋于0,行驶曲线均无超调;当作业速度为1、3与5 m/s时,预瞄模型预测控制器的圆形路径跟踪横向最大绝对误差分别为8.52、10.42和10.82 cm,标准差分别为3.96、5.83和6.17 cm;当控制时域为10、30与60时,预瞄模型预测控制器的运算周期相对常规模型预测控制器分别减小7.5%、43.0%和48.5%;与常规模型预测控制相比,预瞄模型预测控制能够在确保路径跟踪系统控制精度的同时有效改善系统的动态性能和提高系统的实时性,使不同作业速度下的跟踪效果更加均衡。田间测试结果表明,在0.5～5 m/s作业速度范围内,预瞄模型预测控制器对作业速度变化具有较强的适应性,能够使农机快速平稳地跟踪参考路径并具有较高的控制精度,其直线路径跟踪的横向最大绝对误差均值小于5.5 cm、标准差均值小于2.5 cm,圆形路径跟踪的横向最大绝对误差均值小于15.5 cm、标准差均值小于8.5 cm,跟踪效果满足农机实际作业要求,适于复杂作业环境或高速作业场合。     

基于FIA*-APF算法的蟹塘投饵船动态路径规划

为了提高无人投饵船在含障碍物河蟹养殖池塘自主巡航的作业效率和安全性,该研究提出基于改进A*算法与人工势场法相融合（fusion of improved A* and artificial potential field,FIA*-APF）的蟹塘投饵船动态路径规划算法。首先引入动态加权因子优化A*算法评价函数;其次加入转折惩罚函数并删除冗余点,接着利用B样条曲线对全局路径进行平滑处理;最后将改进A*算法得到的全局路径作为改进人工势场法中的引力路径,生成投饵船自主巡航高效路径。根据养殖池塘创建静态和动态2种仿真环境,分别对传统人工势场法（traditional artificial potential field,TAPF）、基于A*和人工势场法的融合算法（the A* and artificial potential field,TA*-APF）和FIA*-APF算法的性能进行20次测试。仿真试验结果表明：2种环境下,FIA*-APF算法的平均规划时间是TAPF算法的17.23%,是TA*-APF算法的51.96%,平均指令节点数量比TAPF算法减少50.64%,比TA*-APF算法减少65.03%,平均路径长度比TA*-APF算法减少2.82%。蟹塘试验结果表明：FIA*-APF算法的规划时间为TAPF算法的38.16%,为TA*-APF的62.42%,路径长度比TAPF算法减少29.13%,比TA*-APF减少10.15%;另外,TAPF和TA*-APF算法规划路径上大于60°的转角分别是FIA*-APF算法的3.28和2.62倍,大于100°的转角分别是FIA*-APF算法的3.73和1.67倍,该研究算法规划的路径更高效平滑。研究结果可为无人投饵船自主导航提供参考。