基于GPS轨迹的农机垄间作业重叠与遗漏评价

为了有效评估农机作业过程的重漏程度,该文采用地理信息系统的空间分析方法,基于GPS轨迹数据分析农机垄间作业重叠区域面积和作业遗漏区域面积,提出表征农机作业完整性、无重叠的量化评估指标,即作业重叠率和作业遗漏率。基于农田作业机械GPS轨迹的历史数据,分别计算多个地块不同农作管理过程中的作业重叠率和作业遗漏率。其中,小麦收获作业重叠率高于遗漏率,最高作业重叠率达13.30%;施肥作业遗漏率高于重叠率,最高作业遗漏率达13.80%;喷药作业重叠率高于遗漏率,最高作业重叠率达12.93%,上述结果与实际作业情况相符。结果表明,农田作业机械无导航情况下的作业重叠与遗漏显著,导致作业成本高、作业效率低,甚至会影响农田环境安全。该研究方法为农机作业过程监管提供有效地评价技术手段。     

基于农机空间轨迹的作业面积的缓冲区算法

农机规模化管理与市场化作业服务需要准确、实时、便捷的农机作业面积测量方法。该研究基于农机空间运行轨迹,设计了作业面积测量的矢量缓冲区算法和栅格缓冲区算法,并通过农机满幅作业和重叠作业对比试验,检验了上述2种缓冲区算法与距离测量算法分别在R1K(real time kinematic,实时动态差分)、亚米级和单点定位3种不同GNSS(global navigation satellite system,全球导航卫星系统)定位精度条件下的测量相对误差。试验结果表明:当农机具备自动导航满幅作业条件时,距离测量算法在任何定位精度下均能获得较高精度测量结果;缓冲区算法仅在差分定位时测量精度较高。当农机无导航重叠作业时,距离测量算法的误差会随着作业重叠率的增加而显著增大,而缓冲区算法不受作业重叠的影响,测量精度稳定。目前国内仍普遍采用人工操控的农机作业方式,重叠作业不可避免,缓冲区测量算法能够提供更加准确的作业面积测量结果。     

基于北斗/GPS的谷物收割机作业综合管理系统

针对在谷物产量测量作业中收割机采用单一的全球定位系统(global positioning system,GPS)进行定位时定位信息不稳定的问题,提出利用具有定位和双向通信功能的北斗/GPS双模用户机,其内部采用北斗(BJ-54)和GPS(WGS-84)2种混合定位方式,将这2种定位方式互补使用,可以解决当使用单一定位情况下定位信息不稳定的问题。利用北斗/GPS双模用户机的定位信息实现谷物收割机行走线路图的测绘;利用北斗卫星的报文通信功能代替全球移动通信系统短信息服务,实现谷物收割机作业数据的远程传输功能。谷物收割机作业综合管理系统包括作业管理中心和车载子系统两部分。车载子系统实现收割机的地理位置、收割面积和谷物质量等数据的采集,然后将采集的数据通过北斗卫星传输给作业管理中心。作业管理中心利用这些数据可以绘制出收割机作业轨迹图和产量分布图,同时作业管理中心也可以向收割机发送作业指令,并通过文本语音转换模块将文本内容转换成语音信号输出,实现作业的综合管理与调度。田间产量测量试验表明,系统测量谷物收割面积相对误差为2.9%,谷物产量相对误差为3.47%,系统运行稳定、可靠。该系统可为南方丘陵山区谷物收割机跨区作业的产量测量、管理提供参考。     

农田作业机械测速方法试验

实时对地速度测量是精准农业智能装备必备的一项功能。该研究的目的是评价不同农田作业机械地速测量传感器的性能情况,选用多普勒雷达、霍尔元件、RTK-GPS、RTD-GPS和单点定位GPS 5种不同测速设备,在小麦地、翻耕地、未耕地和水泥地等4种典型地表环境下进行农田作业机械测速性能试验。试验结果表明：在作业机械匀速行驶过程中,差分GPS（RTK-GPS和RTD-GPS）输出的速度值变异系数较大,单点定位 GPS、雷达与霍尔元件传感器输出的速度值相对稳定,与平均速度接近。而在作业机械加速和减速过程中,各种传感器测速误差均增大,其中单点定位GPS速度误差和测速延迟显著增大。田间试验和分析表明,低成本单点定位GPS和霍尔元件在正常旱田作业条件下,可以作为精准农业智能装备有效的测速手段。     

一套GPS两种功能的结合在水土保持监测中的应用研究

通过试验与分析,利用一套双频GPS进行单点定位与快速RTK技术的结合来快速测量水土流失面积,即:先用GPS单点适时定位完成控制测量,再利用RTK技术测量水土流失的边界,当超出RTK测量的有效范围时,再采用单点定位法进行控制点的加密,以便于继续RTK测量工作,直至测区边界的测量工作全部完成为止。这种方法简单、准确、经济,解决了水土保持监测中的面积度量问题,克服了由于国家三角点被破坏而受数量与分布的限制的缺点。     

基于智能手机GPS功能进行农田测量的研究

利用智能手机GPS功能＋OziExplorer定位导航软件,通过手机端采集相关数据,PC端进行处理的方式,对农田任意地块面积、周长、距离进行测量计算。     

基于自适应有限冲激响应-卡尔曼滤波算法的GPS/INS导航

导航定位系统一般采用卡尔曼滤波算法提高定位精度。传统卡尔曼滤波算法的性能很大程度上依赖观测噪声的先验统计信息,不精确的统计特性将会降低定位精度。针对此问题,该文提出一种基于FIR(finite impulse response)预测模型的卡尔曼滤波算法。将FIR预测模型与卡尔曼滤波结合,FIR预测模型的系数可以通过求解一个凸二次规划问题得到。该凸二次规划以目标的多项式运动规律为约束条件,以最小白噪声增益为目标函数,具有闭式解。仿真试验和实测结果均表明,在相同的参数设置条件下,基于FIR预测模型的卡尔曼滤波算法比传统的卡尔曼滤波算法具有更高的估计精度,仿真结果表明定位精度提高29.54%,实测结果表明X方向定位精度提高21.71%,Y方向定位精度提高22.62%。该算法可应用于GPS接收信号的降噪处理,提高目标状态的定位精度。     

基于ARM7和GPS的农田作业面积测量系统开发

为了实现实时测量农田作业面积的目的,该文基于ARM7和GPS开发了谷物联合收割机作业面积测量系统。优化了存贮器设计、COM口设计、GPS接口电路设计等系统硬件结构,并在C语言环境编写相应的驱动程序。试验结果表明,该系统能达到实时记录工作时间、工作地点、作业面积等信息的目的;同时,该装置不仅适合于规则图形的面积测量,并且对于不规则图形的面积测量也具有较高的精度,平均测量精度为95.2%,可为实时测量农田作业面积提供依据     

基于物联网的病死猪无害化处理山区运输监控系统设计

目前,大多数无害化处置运输车辆使用全球定位系统(global positioning system,GPS)来确定病死猪的消毒站位置和运输路线。然而,当车辆在偏远山区运行时,定位信息传递不连续和不完整。为了解决这个问题,设计了一套病死猪无害化处理监控系统,系统结合北斗导航系统、全球定位系统、无线射频识别技术(radio frequency identification,RFID)、通用分组无线服务技术和地理信息系统等技术。利用北斗/GPS双模用户机双模定位和双向通信的功能,一方面,它可以解决单一定位时出现的定位信息不稳定的问题;另一方面,当BDS导航定位系统数据似乎显示出偏差,将WGS-84坐标系的GPS定位数据转换为BDS定位系统的CGCS2000坐标系,以提高运输车辆位置信息采集精度的目的。利用GAMIT软件计算观测点的三维坐标,并对组合导航和单导航的定位精度进行分析。采用Floyd算法对运输路线进行优化,寻找最短的运输距离。利用北斗卫星的信息通信功能代替全球移动通信系统(global system for mobile communications,GSM),短消息业务,实现无害化运输车辆与控制中心之间的信息远程传输。控制中心通过对接收到的数据进行分析,得到病死猪收运车的运输路线和定点消毒监测信息。系统试验表明:采集的数据能够准确及时地传输到控制中心,北斗/GPS双模接收机定位精度比北斗卫星定位精度高55.13%,比GPS卫星定位精度高52.71%。北斗通信的网络丢包率为0.26%,消毒点的车辆定点识别误差率0.97%,结果表明,满足病死猪无害化处理监控管理的要求,系统运行可靠、稳定。该系统的构建与应用,为其他病死动物无害化处理的综合管理与监控提供参考。     

基于变增益单神经元PID的秸秆旋埋还田导航系统研制

水稻田土壤松软,收割机作业后会出现残留秸秆凸起、地表坑洼等现象,导致秸秆旋埋还田作业易出现重耕、漏耕和自动驾驶路径跟踪精度差等问题。该研究基于滑移估计模型推导了拖拉机路径跟踪的前轮转角控制率,并设计了一种变增益单神经元PID导航控制器。在自主设计的电控比例液压转向系统基础上开发了秸秆旋埋还田导航系统,采用双天线RTK-GNSS获取拖拉机的实时位置和航向角信息,由变增益单神经元PID控制器根据理论转角和航向角偏差变化输出实际执行转角,实现旋埋作业自主路径跟踪。田间试验表明,作业速度为1.15m/s时,变增益单神经元PID控制器的自适应直线跟踪最大横向偏差不超过0.071 m,平均绝对偏差不超过0.031 m。与常规PID控制器相比,变增益单神经元PID控制器的最大横向偏差和平均绝对偏差控制精度分别提高了53.08%和51.72%;与单神经元PID控制器相比,最大横向偏差和平均绝对偏差控制精度分别提高了39.00%和28.21%。该研究设计的变增益单神经元PID控制器可以增强导航系统的适应性和鲁棒性,提高路径跟踪精度,适用于未来无人驾驶下的秸秆旋埋还田作业。     

基于时间序列分析的卡尔曼滤波组合导航算法

GPS广泛用于农业机械导航研究中,其定位误差信号一般存在明显的自相关性,不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此,建立了GPS定位误差AR模型,结合卡尔曼估计结果来预测和修正GPS定位误差,再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明,无论GPS接收机是在静止还是在运动条件下,处理后的定位误差信号自相关性都明显降低,近似为白噪声;目标路径直线时的最大跟踪误差约为0.15 m,为曲线时,最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。     

农用车辆自动导航定位方法

农用车辆自动导航技术可有效提高作业精度、实现农田规模化生产。该文以电瓶车为试验平台,使用 RTK DGPS、RTD GPS 和电子罗盘分别采集电瓶车的位置信息和航向角度信息,对农用车辆的导航定位方法进行了研究。试验时,以 RTK DGPS 采集的数据作为标准轨迹。在对试验数据进行空间配准后,采用 Kalman 滤波技术对 RTD GPS 和电子罗盘的数据进行了融合;通过计算综合权重值,对单 GPS 系统和融合系统的性能进行测试与评估,其值分别为 0.006、0.002。由此可知,采用 Kalman 滤波的电子罗盘和 RTD GPS 的组合导航系统,定位精度相对较高,稳定性较好,整体性能优于单 GPS 系统。     

基于Kalman过滤器的实时拖拉机位置确定系统

该文提出了一个实时拖拉机位置确定系统,该系统由一个六轴惯性测量单元(IMU)和一个Garmin全球定位系统(GPS)组成。在系统中,设计了一个Kalman过滤器来综合两个传感器的信号,以滤去GPS信号中的噪音,融合冗余信息,最后得到一个有较高更新速度的输出信号。此外该系统还能够补偿IMU的偏移误差。通过使用该系统,低价的GPS可以替代高价的GPS,并且保持良好的精确性。试验和融合结果表明该系统确定的拖拉机位置误差比单一使用GPS的系统的误差要大大减小:当拖拉机速度约为1.34m/s时,该系统东向轴的平均偏差为0.48m,而GPS的平均偏差为1.28m;北向轴的偏差从1.48m降为0.32m。系统的更新频率则从原有GPS的1Hz增加到9Hz     

拖拉机驱动轮滑转率估算法与验证

拖拉机作业环境恶劣,测量信号容易受到噪声干扰,其滑转率的计算过程对于输入信号的相对误差有极强的放大作用,因而造成其滑转率难以精确测量。该文提出带噪声观测器的变结构并行自适应数据融合算法,对轮速传感器、角加速传感器、车身加速度计和全球定位系统的信号进行融合,在不需要先验误差统计规律的前提下实现了对拖拉机驱动轮滑转率的在线精确估计。仿真测试结果证明:采用信息融合方法求得的驱动轮滑转率信号几乎与理论值曲线重合且鲁棒性好,平均误差为中值滤波的1/10左右,为卡尔曼滤波的1/5;算法的噪声观测器能够实时估算测量信号的白噪声方差,求得的稳态平均方差与已知精确先验误差的卡尔曼数据融合算法无明显差异;在从动轮速度信号受到有色随机噪声干扰的特殊工况下,算法的信息融合机制能够补偿大部分由有色噪声干扰造成的误差。实测试验证明:在拖拉机稳定工作工况,在线求得的测量信号噪声方差均值在5%的范围内波动,采用数据融合算法求得的驱动轮滑转率误差均值为0.012,误差绝对值最大值为0.027,与离线拟合得到的参考值非常接近。该研究为拖拉机实现精确控制提供了参考,其在线测量信号方差统计方法为拖拉机总线网络的传感器信息共享提供了技术基础。     

近景摄影测量技术在坡耕地土壤侵蚀速率研究中的应用

以5°,10°,20°的紫色土坡耕地为研究对象,分别进行5,10,15次强度的模拟耕作试验,在此基础上采用60L/min的流量进行3轮放水冲刷试验,采用近景摄影测量技术监测试验前后紫色土坡耕地小区的地形变化,通过生成高精度DEM数据计算土壤流失体积,并采用插钎法测量土层深度变化,验证近景摄影测量技术测定地形变化的准确度,进而推算不同坡度条件下的紫色土坡耕地耕作侵蚀速率和水力侵蚀速率。结果表明:(1)采用近景摄影测量技术能够准确监测地形变化,其测算结果与插钎法的结果比较接近,且通过计算土壤流失体积推算土壤侵蚀速率的方法比较可靠,精度较高;(2)紫色土坡耕地在坡度为5°,10°,20°条件下平均耕作侵蚀速率分别为69.85,131.45,155.34t/(hm2·tillage pass),耕作侵蚀速率随坡度增加呈增加趋势,随着耕作次数增加则呈逐渐减小的趋势;(3)紫色土坡耕地在坡度为5°,10°,20°条件下平均水力侵蚀速率分别为1 892.52,2 961.76,4 405.93t/(hm2·h),水力侵蚀速率与坡度呈正相关关系,与此同时,随着耕作强度的增加,水力侵蚀也呈逐渐增大的趋势,表明耕作侵蚀对水力侵蚀有加速作用。该研究为紫色土坡耕地耕作侵蚀和水力侵蚀交互作用下的土壤侵蚀研究提供技术支撑和数据基础。     

农机具姿态倾角测量系统设计与试验

农机具姿态倾角测量技术是实现农机装备精准作业的关键技术之一。为进一步提高农机装备作业质量,以ADIS16445微惯性MEMS传感器和STM32F446核心处理器搭建硬件平台,以欧拉角法解算姿态,建立卡尔曼滤波模型融合加速度计与陀螺仪信息,实现农机具姿态倾角的精准测量。融合算法模型考虑陀螺仪零偏特性,并根据MEMS微传感器运动特性,自适应模型误差协方差矩阵Q与R,适应不同工况下农机具姿态倾角测量。采用SGT320E三轴多功能转台与BD982双天线定位测姿模块对系统进行测试与验证。三轴多功能转台试验结果表明,ADIS16445内置陀螺仪与加速度计性能合格,满足系统设计硬件要求;卡尔曼滤波融合模型精准有效,倾角静态测量误差精度为0.15°,动态测量精度典型值为0.3°,最大测量误差为0.5°。田间作业试验结果表明,自适应模型能保证农机具姿态倾角测量系统在不同工况下的测量精度,更稳定可靠,测量平均误差为0.55°。该文研究的农机具姿态倾角测量系统可满足农机装备精准作业要求。     

基于无线传感器网络的设施农业车辆定位系统设计与试验

为解决目前设施农业机械定位系统稳定性差、定位精度低和成本高等问题,该文设计了一套基于Nano PAN5375模块的无线传感器网络(wireless sensor network,WSN)定位系统。该定位系统的3个信标节点负责和定位节点的无线测距,安装有定位节点的车辆构成的移动节点负责无线测距和定位坐标的计算。WSN节点采用的是基于Nano PAN5375的WD5032N模块。Nano PAN5375模块通过串行外设接口和微处理器进行通信,实现无线通信和无线测距的功能。设计了WD5032N模块的供电底板电路,满足其微处理器和Nano PAN5375模块的供电要求,以及通过串口和液晶显示屏模块通信实时显示定位坐标X和Y。节点软件以Keil MDK为开发环境,采用单片机C语言开发,实现节点数据采集与处理、无线传输和串口通信等功能。在定位节点上,采用基于线性调频扩频技术的对称双向双边测距算法来计算定位节点到各个信标节点之间的距离,并使用三边质心定位算法计算出未知节点的坐标位置信息,最后使用卡尔曼滤波算法对目标状态的观测值进行迭代,解决因为测量噪声对于定位精度造成的影响。在WD5032N上分别采用3DB天线和5DB天线进行室内和室外测距和定位试验,结果表明,基于Nano PAN5375的WSN定位系统稳定性好,定位精度高,在3个信标节点组成的合适的等边三角形3条边线范围内定位精度能达到1 m左右,而在接近三角形边线外侧的位置定位精度是1~2 m左右,可以满足一般设施农业车辆的定位精度要求。该文为农业机械精确定位的深入研究提供了参考。