农机INS/GNSS组合导航系统航向信息融合方法

为解决农机自动导航系统在田间作业过程中因防风树林等对卫星信号产生遮挡与干扰,导致其难以准确获取航向信息等问题,采用惯性导航系统(INS)和全球导航卫星系统(GNSS)航向信息融合方法进行了试验与研究,结合自适应卡尔曼滤波算法构建了综合滤波模型,提出了一种以GNSS信号品质与航向角变化幅度信息为指导的INS/GNSS航向信息融合策略,通过仿真试验以及实际应用测试对航向信息融合效果进行了验证。试验结果表明:以双天线GNSS航向角测量值作为参考基准,在直线行驶过程中,融合航向数据的平均绝对误差为-0.02°,标准差为0.50°;在转向行驶过程中,融合航向数据的平均绝对误差为0.62°,标准差为2.42°;融合后的航向输出结果明显提升了单独使用INS或GNSS时航向数据的精度,且在滤除GNSS航向角测量噪声的同时提高了GNSS航向角解算值的更新速率。该航向角融合算法能够增强农业机械自动导航系统航向角测定的准确性,可为导航系统实际田间作业情况下的抗环境扰动能力提供服务。     

GNSS/MIMU/DR的农业机械组合导航定位方法

为解决实际农田环境中农业机械自动导航系统的位姿信息易受跟踪卫星数动态变化、天线遮挡、数据传输错误等因素影响,造成定位精度和稳定性变差的问题,采用全球导航卫星系统（GNSS）、微机械惯性测量单元（MIMU）及航位推算（DR）相融合的组合导航定位系统,建立了农业机械两轮运动学定位模型,针对系统状态噪声不稳定的因素,提出了一种根据当前估计值与预测值的偏差自适应地调节系统状态协方差阵的扩展卡尔曼滤波算法,并分别基于静止状态和直线导轨运动状态进行了试验验证。试验结果表明,在静止状态和直线导轨运动状态下,采用自适应滤波算法的航向角平均值绝对偏差分别为0.0014°、0.0245°,标准差分别为0.0474°、0.2511°;位置距离平均偏差分别为0.0037m、0.0076m,标准差分别为0.0010m、0.0044m,与固定值滤波算法相比,自适应滤波算法的各项评价指标得到了明显改善,进一步验证了算法改进的必要性和优越性。     

轮式丘陵山地拖拉机扭腰姿态调整装置设计与试验

针对目前姿态调整式丘陵山地拖拉机只能实现静态调平和差高调平、调平精度低等问题,设计了一种轮式丘陵山地拖拉机扭腰姿态调整装置,该装置通过调整前后车身的相对转动来实现丘陵山地拖拉机对复杂路面的适应。首先,根据丘陵山地特殊作业要求,对拖拉机坡地作业稳定性进行研究,设计了扭腰姿态调整装置;然后,对扭腰姿态调整装置进行动力学仿真,建立轮式拖拉机模型并进行多工况动力学仿真分析,仿真试验结果显示,扭腰姿态调整装置最大转动角为15.2°,拖拉机纵向坡行驶保持稳定的最大倾角为23.2°,横向坡行驶保持稳定的最大倾角为16.8°;最后,进行了样机田间试验,田间试验结果表明,扭腰姿态调整装置平均转动角为15.03°,拖拉机最大纵向爬坡角为25.6°,最大横向爬坡角为16.2°;在坡度为15°的地面上,旋耕作业平均生产率为0.65hm2/h,犁耕作业平均生产率为0.36hm2/h,该拖拉机能够较好地适应丘陵山地环境,满足丘陵山地正常作业需求。     

直线型植保无人机航姿UKF两级估计算法

针对直线型植保无人机航姿测量受磁场干扰严重、磁力计校准动态性能差、航姿估计精度低等问题,提出了一种基于磁力计实时校准的无人机航姿两级解算方法。依据地磁场矢量变化小的特点,利用列文伯格-马夸特（Levenberg-Marquardt,LM）算法和磁力计误差模型,建立磁力计实时校准模型,实时计算磁力计误差参数。考虑运动加速度、电机磁场以及环境磁场干扰,采用无迹卡尔曼滤波器（Unscented Kalman filter,UKF）融合陀螺仪和加速度计实现一级航姿估计,通过四元数精准解析出横滚角和俯仰角姿态信息;然后融合磁力计实时校准数据和陀螺仪修正航向角完成二级航姿估计,最终实现无人机姿态和航向的精准估计。试验结果表明,在外部磁场干扰高达30.97μT时,实时校准算法仍可快速计算出磁力计校准参数,模长均方根误差为0.59μT,减小了航向观测信息噪声。本文的航姿测量系统姿态角均方根误差不大于0.75°,航向角均方根误差为1.40°,较互补滤波算法,姿态角精度提高约0.6%,航向角估计精度提高1.38°;动态飞行试验中,姿态估计算法大幅减弱了磁干扰影响,航姿跟踪准确,航向角快速收敛,稳态精度更高。     

基于自校准变结构Kalman的农机导航BDS失锁续航方法

针对农机自动导航作业过程中存在的BDS信号失锁导致系统突然失控的问题,提出了一种适用于轮式农机的基于自校准变结构Kalman滤波器的农机导航BDS失锁续航方法。依据4自由度农机运动学模型,设计了BDS/INS信息融合Kalman滤波器;进行INS导航定位误差不确定度分析,并设计了基于自回归模型的航向校准方法、INS传感器角速率测量零偏实时校准方法,结合上述方法设计了自校准变结构滤波器,进行位姿信息处理,结合导航跟踪控制方法实现失锁续航功能。根据分米级精度要求,进行了机器人直线、矩形路径失锁续航试验和农机田间直线续航试验。机器人续航试验结果表明:行驶速度为1 m/s时,与运用未校准滤波器的续航系统相比,该方法实际平均横向偏差减小34%,横向偏差达到20 cm时机器人在路径上的平均行驶距离提高80%。农机田间续航试验结果表明:行驶速度为1 m/s时,在实际偏差小于20 cm的条件下,农机在路径上的行驶平均距离达到16. 65 m。     

基于ARMA的插秧机田间行驶姿态预测

为减小水田不平度对农业机械精准作业品质的影响,进一步提高农机装备工作效率,从系统控制角度出发,提出将预测算法应用于农机具的姿态补偿控制。在分析自回归滑动平均模型（Auto regressive and moving average,ARMA）建模原理和适用性的基础上,对车载GPS/INS组合导航系统采集的插秧机田间行走侧倾角序列进行ARMA建模及提前预测,单次预测时长为1s和2s,预测总时长为30s;对GPS/INS组合导航系统所采集的原始值以2Hz、5Hz和10Hz 3种频率输出,以比较不同频率的数据建模对姿态预测精度的影响。结果表明：ARMA模型可有效预测插秧机未来1~2s内的姿态变化趋势;对于同一频率的样本,提前2s预测精度均低于提前1s预测精度,但差异不明显;以3种频率数据分别作样本时5Hz样本预测效果最好,其提前1s预测均方根误差和误差标准差分别为0.6567°、0.6565°,提前2s预测均方根误差和误差标准差分别为0.6712°、0.6769°。     

农机自动导航系统在我国的发展与展望

自动导航系统是农机智能化的关键性控制技术,也是智慧农业发展的基础.当前社会上开展的无人农机作业演示,基本上都是在自动导航系统上融合传感器、人工智能等技术加以改进实现的.根据不同的理论基础,农机自动导航系统有多种类型,如基于全球导航卫星系统(GNSS)的卫星定位导航系统,以及基于视觉、激光、电磁、机械、超声波、触觉等技术...     

四轮独立驱动高地隙无人喷雾机轨迹跟踪自适应控制

针对高地隙喷雾机在自主导航作业中因侧滑影响而导致轨迹跟踪精度降低的问题,提出一种基于四轮独立驱动(4WID)高地隙无人喷雾机的自适应控制方法。首先,建立4WID高地隙喷雾机的运动学模型;然后基于运动学几何约束和速度约束,引入两个表征侧滑效应的参数构建改进位姿误差模型;最后将参数自适应与反步控制方法结合,设计自适应控制律实时估计并补偿侧滑效应。以典型的U形作业路径为例,在考虑和不考虑侧滑的情况下分别进行了仿真和试验验证。仿真结果表明：本文提出的控制算法在喷雾机出现侧滑的情况下可以保证较高的轨迹跟踪精度;水田试验表明,当喷雾机在常规作业速度3.6km/h时,与不考虑侧滑的轨迹跟踪控制算法相比,喷雾机轨迹跟踪的横向平均绝对误差减小至0.041m,标准差减小至0.059m;纵向平均绝对误差减小至0.018m,标准差减小至0.015m;航向平均绝对误差减小至2.56°,标准差减小至3.57°。     

丘陵地区剪叉式甘蔗转运车调平控制系统设计与试验

针对丘陵地区甘蔗转运车在田间作业操作难、转运过程易发生侧翻事故等问题,设计了一种剪叉式甘蔗转运车调平控制系统。通过搭建甘蔗转运车试验平台,基于状态测量单元、单片机嵌入式系统、液压系统,实现甘蔗在转运前车身姿态自动调平功能;保持车身状态处于安全范围内,对车厢进行提升、翻转等控制,完成甘蔗转运过程所需动作。为研究影响车身稳定的因素,在试验平台负载质量120kg工况下,分别选取车身侧向角为0°、2°、4°、6°、8°,支撑结构侧向跨距为490、650、730mm的状态参数进行负载作业临界试验。并采用“追逐式”调平策略进行自动调平试验,验证系统平稳控制的可靠性。结果表明:车身侧向角和底盘支撑结构跨距对其稳定性具有显著影响,730mm为支撑结构最佳侧向跨距;支撑结构侧向跨距490mm且车身初始侧向角6°时为危险临界状态,甘蔗转运过程存在较大安全隐患。设计的调平控制系统在20s内调平,精度可达到0.3°;当车身通过调平安全检测后,可在35s内平稳完成车厢提升转运等卸蔗动作,满足60s内完成安全转运卸蔗的设计要求,提高了丘陵地区甘蔗转运车作业的安全性和工作效率。     

基于GNSS/MIMU/DR的农业机械组合导航定位方法

为解决实际农田环境中农业机械自动导航系统的位姿信息易受跟踪卫星数动态变化、天线遮挡、数据传输错误等因素影响,造成定位精度和稳定性变差的问题,采用全球导航卫星系统(GNSS)、微机械惯性测量单元(MIMU)及航位推算(DR)相融合的组合导航定位系统,建立了农业机械两轮运动学定位模型,针对系统状态噪声不稳定的因素,提出了一种根据当前估计值与预测值的偏差自适应地调节系统状态协方差阵的扩展卡尔曼滤波算法,并分别基于静止状态和直线导轨运动状态进行了试验验证。试验结果表明,在静止状态和直线导轨运动状态下,采用自适应滤波算法的航向角平均值绝对偏差分别为0.001 4°、0.024 5°,标准差分别为0.047 4°、0.251 1°;位置距离平均偏差分别为0.003 7 m、0.007 6 m,标准差分别为0.001 0 m、0.004 4 m,与固定值滤波算法相比,自适应滤波算法的各项评价指标得到了明显改善,进一步验证了算法改进的必要性和优越性。     

基于改进纯追踪模型的农机路径跟踪算法研究

为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。     

农机BDS/INS组合导航算法研究

针对农机在环境干扰情况下BDS失调、INS单独导航误差大的不足,以BDS/INS两者间位置、速度差值为模型,提出蜂群算法优化BP神经网络辅助卡尔曼滤波的算法组合导航,精准定位农机位置速度信息。BDS有效时,BDS/INS组合导航结合卡尔曼滤波,校正INS的位置、速度偏差,BP神经网络进行训练模式;BDS失调时,BP神经网络转化为预测模式,代替BDS对INS进行校正反馈,输出精确位置信息。同时,改进人工蜂群的搜寻方式与选择概率,提出改进的蜂群算法优化BP神经网络,使速度误差小于0.6 m/s,位置误差小于30 m,改善对农机位置速度的定位精确度。     

基于DGPS与双闭环控制的拖拉机自动导航系统

以东方红X-804型拖拉机为平台,设计了一种基于RTK-DGPS定位和双闭环转向控制相结合的自动导航系统,研究提高农业机械导航控制精度的方法。阐述了导航系统整体设计方案,以RTK-DGPS和AHRS500GA分别提供位置信息和辅助修正信息实现准确定位,以电控液压转向系统实现转向控制。分析了整体控制的策略,建立了路径跟踪的传递函数模型,阐述了双闭环转向控制算法的建立过程,以及控制器的硬件实现。试验结果表明:GPS定位数据经过校正后,平均偏差降低至0.031 m;双闭环控制算法提高了自动转向系统性能,稳态时方波信号以及正弦波信号的跟踪误差平均值为0.40°;在拖拉机田间作业跟踪过程中,路径跟踪误差平均值不超过0.019 m,转向轮偏角跟踪误差平均值为0.43°,标准差不超过0.041 m。     

基于EKF的农机智能体自主导航算法研究

为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明：滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。     

基于多传感器融合的拖拉机侧滑量估计方法及其验证

针对丘陵山地中拖拉机的侧滑估计,提出了一种融合机器视觉与全球卫星导航定位系统（Global navigation satellite system,GNSS）的多传感器信息融合算法。首先提出了简化的拖拉机运动学模型,再阐述基于GNSS与机器视觉技术的侧滑量估计方法。并通过CarSim和Simulink的联合仿真验证侧滑估计方法的可行性。引入卡尔曼滤波和权重函数对传感器数据进行融合和动态调节。搭建模拟丘陵山地实验平台,在不同的地面倾角、GNSS遮挡条件以及路面条件下进行了实验。实验结果表明,在干燥路面且GNSS遮挡条件下,拖拉机在9°、18°路面条件下行驶时最终融合后的总侧滑量分别为0.322m和0.432m,相对误差分别为7.86%和6.00%,即在GNSS信号遮挡的情况下依然能够准确地估计出拖拉机的侧滑量。研究可为拖拉机的精确横向控制提供新的方法和实验基础。     

农机自动导航控制决策方法与软件系统

为实现农机自动导航控制，兼顾系统成本和作业效率，对农机自动导航控制决策方法进行了研究，并设计开发了一种导航软件系统。首先，系统根据获取的农田边界、农田形状及作业需求进行路径规划。其次，采用简化二轮车运动学模型，采用模糊控制进行导航决策控制，模糊控制器的输入参数为农机横向偏差和航向偏差，输出参数为前轮转角信息。最后，导航系统根据转角信息，由PLC控制器控制方向盘转动，从而实现导航控制。导航软件采用模块化设计思想，由串口数据通讯、数据分析与处理、数据与图形显示和数据存储4个模块构成，基于C++/MFC语言编写实现。系统还可在导航结束后，对导航偏差数据进行保存，便于试验后进行误差分析。试验结果表明：农机自动导航控制决策方法可以实现较好的控制精度，软件系统界面友好、通讯稳定、功能较为齐全，满足农机田间自动导航作业的需求。     

基于组合导航的整平机定位系统的设计与试验

无人驾驶是农用机械车辆未来的发展趋势。为此,选择GPS/INS组合导航的定位方式对整平机进行速度控制和精确定位。首先,利用卡尔曼滤波算法将惯性导航中的高精度惯性传感器与磁力计进行数据融合,由解算出的航向角可得到整平机的偏航信息;然后,利用扩展卡尔曼滤波算法将惯性导航与GPS输出的导航参数进行融合。实验表明:组合导航输出的导航参数能够精确跟踪整平机实际的位置和速度信息,输出的姿态角精度满足实际要求。     

基于模糊Stanley模型的农机全田块路径跟踪算法研究

为实现农业机械全田块高效自主作业,提出一种增益系数自适应的Stanley模型路径跟踪算法。以横向偏差和航向偏差为输入变量构建隶属度函数,设计模糊推理和解模糊化过程实时确定控制模型增益系数,提高Stanley模型对不同曲率路径的自适应能力。为验证所提算法有效性,以移动小车为平台开展联合收获机回字形全田块自主作业路径跟踪试验,结果表明所提算法显著改善Stanley模型路径跟踪精度,直线作业速度2.5m/s、转弯速度1m/s时,直线段和曲线段最大跟踪误差均小于3cm。大初始横向偏差路径跟踪试验表明,模糊Stanley模型较Stanley模型大幅度减小路径跟踪上线距离,满足农业机械全田块高效自动导航作业要求。     

基于控制器的农用无人机导航自动控制系统研究

农用无人机在自主作业时,导航精度对作业性能的影响较大,如果导航精度不高,农机在行驶过程中会产生横向误差和纵向误差,从而降低农机的作业质量.为了提高农用无人机导航的精度,采用滑模控制方法建立了导航线追踪和主从系统车速协同的控制模型,并通过虚拟仿真验证了控制器的控制效果.仿真结果表明:采用滑模控制方法可以有效降低导航的误差...