农用轮式铰接车辆滑模轨迹跟踪控制算法

针对农用轮式铰接车辆驾驶员工作条件恶劣的问题,该文提出了一种应用于无人驾驶系统的滑模变结构控制铰接车精确轨迹跟踪的方法。首先推导出了铰接车的运动学模型,根据该模型建立实际行驶轨迹与参考轨迹偏差的模型,之后针对偏差模型设计滑模变结构路径跟踪控制器,该控制器使用Ackermann公式设计,控制律采用指数趋近律使系统有较快的响应和较小的抖振,同时,为了进一步抑制滑模控制器固有的抖振问题,将趋近律中的符号函数替换为连续函数,以避免趋近律数值产生阶跃变化,并用Lyapunov函数证明了其稳定性,最后在硬件在环仿真中验证了控制器的实时性和路径跟踪质量。结果表明,该控制器在硬件在环仿真环境下可将横向位置偏差、航向角偏差、曲率偏差分别控制在0.21 rad(12°)、100 mm、0.17rad(1°)、0.005 m-1附近,各向偏差均在10 s内达到平衡,且误差控制在5%以内,铰接车能有效跟踪参考路径。该研究为农用轮式铰接车辆实现无人驾驶提供参考。     

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。     

基于速度自适应的拖拉机自动导航控制方法

针对速度因素对拖拉机自动导航系统稳定性的影响,提出了基于横向位置偏差和航向角偏差的双目标联合滑模控制方法,在建立两轮拖拉机-路径动力学模型和直线路径跟踪偏差模型的基础上,应用Matlab/Simulink进行整体系统仿真,验证了控制方法的可靠性;以雷沃TG1254拖拉机为载体搭建了自动导航控制系统田间试验平台,分别在定速和变速条件下,进行了拖拉机直线路径跟踪控制的田间试验;分析了不同速度条件下的动态跟踪控制效果,验证了设计的自动导航控制系统的稳定性和控制精度。试验结果表明:在拖拉机田间作业常见的定速直线行驶工况下,采用基于速度自适应的双目标联合滑模控制方法,拖拉机直线路径跟踪控制的横向位置偏差最大值为10.60 cm,平均绝对偏差在3.50 cm以内;航向角偏差最大值为3.87°,平均绝对偏差在1.70°以内;在进入稳态以后,前轮转向角最大摆动幅度为3°,摆动标准差为0.80°。结论表明,该文提出的基于速度自适应的拖拉机自动导航控制系统,能基本实现不同速度下的直线路径自动跟踪控制。     

履带式花生联合收获机路径跟踪控制方法与试验

为提高无人驾驶履带式花生收获机沙地作业路径跟踪精度，以4HBL-2型自走式花生联合收获机为研究对象，开展了履带式收获机无人驾驶路径跟踪控制研究。建立了履带式收获机运动学模型与虚拟转向角函数关系；以航向偏差值作为观测量、阿克曼模型推算角速度作为测量值，设计卡尔曼融合算法，获得基于阿克曼模型的虚拟转向角度；根据虚拟转向角度对PID路径跟踪算法进行改进，提出了基于预瞄跟踪的双PID路径跟踪控制方法；通过脉冲宽度控制器实现了履带式花生收获机路径跟踪精准控制。仿真试验结果表明：基于预瞄跟踪双PID的路径跟踪控制方法能够进行路径跟踪控制，具有控制平滑和稳态误差小等特点。田间试验表明：花生收获机在沙地以0.6m/s的速度作业时，系统直线跟踪平均绝对误差为2.23 cm，最大偏差为4.14 cm，相对于PD路径跟踪控制器分别提高了56.12%和66.07%。上线试验中，初始偏差分别是0.5、1.0和1.5 m时，上线时间分别为11.00、12.92和13.78 s，上线距离为6.60、7.75和8.26 m；最大超调量分别为5.68%、5.84%和8.06%，相较于轮式收获机，上线距离分别减小了1.9...     

线性时变模型预测控制器提高农业车辆导航路径自动跟踪精度

为提高农业车辆导航路径自动跟踪精度,提出一种基于线性时变模型预测控制的路径跟踪方法。该方法将农业车辆非线性运动学模型线性化和离散化处理,作为控制器预测方程;建立以系统控制增量为状态量的目标函数,为防止无可行解,引入松弛因子;设计系统控制量、控制增量和状态量约束条件,并将目标函数求解转为带约束的二次规划问题;采用内点法进行求解,将求得的控制输入增量第一个元素作用于系统;重复以上过程,实现优化控制。基于Matlab/Simulink平台进行了模型预测控制器设计,并分别进行了导航坐标系下的直线和圆形路径跟踪试验。结果表明,所设计的控制器能够实现直线路径的完全跟踪(误差始终为0);跟踪圆形路径时,1 m/s时的横向平均跟踪误差为7.5 cm,3 m/s时的横向平均跟踪误差为10 cm;整个跟踪过程,前轮转角始终被限定在约束范围内。不同控制器参数下的仿真结果表明,增大预测时域和控制周期能够减小跟踪误差和前轮转角变化幅度,控制时域的变化对控制器路径跟踪响应速度影响较小。同时基于设计的模型预测控制器进行了场地试验。结果表明,试验小车以1m/s的速度跟踪直线路径时,横向最大误差均值为1.622 cm,横向平均误差均值为0.865 cm;跟踪圆形路径时,当行走速度低于1 m/s时,横向最大误差小于10 cm。     

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。     

垄耕模式的无人四驱四转移动作业平台路径跟踪控制

为了提高垄耕模式的无人四驱四转（four-wheel independent driving and four-wheel independent steering，4WID-4WIS）移动作业平台路径跟踪控制精度和稳定性，该研究提出一种基于非线性干扰观测器(nonlinear disturbance observer，NOB)的路径跟踪控制策略。考虑到转弯区域跟踪误差较大，引入原地转向数学模型，设计基于原地转向的航向角PI控制与纯追踪控制的切换控制策略，以实现转弯路径精准跟踪。在此基础上，根据横向偏差和路径弯曲度，设计基于前视距离函数的纯追踪算法及模糊比例补偿器，构建基于NOB的前馈补偿器，以减小上线距离和位置超调。最后对所设计的跟踪控制策略进行仿真和试验验证，结果表明：与传统纯追踪控制相比，所设计的路径跟踪控制策略在3种初始横向偏差下，上线距离、超调、全线平均绝对误差分别减小了32.2%～43.4%、0～42.4%和27.7%～49.5%，且曲线区域平均绝对误差减小33.7%～39.5%；在颠簸硬石板、草地、农田翻耕路况下的稳态区平均绝对误差分别减小了6.25%、33.3%和41.7%。该路径跟踪控制策略有效提高了系统鲁棒性和作业路径跟踪精度，可为垄耕模式的无人四驱四转农业机械导航系统开发提供创新思路和技术参考。     

雷沃ZP9500高地隙喷雾机的GNSS自动导航作业系统设计

为减少农药喷雾作业对人体造成的化学损害,该研究以雷沃高地隙喷杆喷雾机为平台,基于GNSS开发了自动导航作业系统,实现喷雾机在极少人工干预情况下的自动导航作业。通过对平台的机-电-液改造,实现了喷雾机作业系统的电气化控制。基于简化的二自由度车辆转向模型设计了以位置偏差和航向偏差为状态变量的直线路径跟踪控制算法,基于纯追踪模型设计了曲线路径跟踪控制算法。根据喷雾机田间作业需要设计了喷雾机一体化自动导航作业控制方法,使系统能够自动控制喷雾机完成直线、地头转弯行驶和喷雾作业,油门调节以及车辆启停控制。在1.3 m/s左右的前进速度条件下,分别在水泥路面、旱田、水田环境中进行了试验,测试结果表明:水泥路面车身横滚在–1.6?~1.5?范围,直线路径跟踪误差最大值为3.9 cm,平均值为-0.15 cm,标准差为1.0 cm;旱田地块车身横滚在–1.4?~3.3?范围,跟踪误差最大值为9.8 cm,平均值为1.3 cm,标准差为3.3 cm;水田环境车身横滚在–2.4?~5.2?范围,跟踪误差最大值为17.5 cm,平均值为2.2 cm,标准差为4.4 cm。试验数据表明,所设计的自动导航作业系统初始上线快速、地头转弯对行平顺、各设计功能执行可靠;导航系统具有良好的稳定性和控制精度,能够满足水田、旱田环境下的喷雾作业要求。     

改进AOA模式的大田农机无人驾驶导航参数检测系统设计

卫星导航、视觉导航和雷达导航的成本昂贵、系统构成复杂和适用作业场景有限,在生产特征呈现区域化、适度小规模和分布零散的国内南方水田难以实现便捷跨区域作业和无法适用多农业场景。针对上述问题,该研究以大田环境下无人驾驶农机的牛耕式往复作业路径模式为背景,提出了改进AOA(信号到达角度,Angle-of-Arrival)模式的农业机械无人驾驶导航参数检测系统。该系统采用UWB(超宽带通信,Ultra Wide Band)基站-标签作为检测传感器,设计了TBZ(田边双基站-车身纵向双标签)和TBH(田边双基站-车身横向双标签)2种传感器布置方式,实现农业机械无人驾驶过程中导航参数的快速精准检测。静态试验结果表明:对于2种传感器布置方式,在固定的基站间距和标签间距下,随着标签间距或基站间距的增大导航参数检测精度均有所提高,横向偏差检测误差≤8 cm,航向偏差趋近于0,但不大于1°,并通过正交组合试验方差分析明确了2种传感器布置方式的关键参数对横向偏差和航向偏差检测精度影响的显著性,确定了主次因素和较优参数组合。动态试验结果表明:随着车速增大,横向偏差和航向偏差的检测精度有所降低,横向偏差误差均不超过10 cm,航向偏差的检测误差均小于3°,变异系数均小于10%,说明动态环境下自主导航参数检测系统仍具有较高的检测精度,可满足农机大田自主导航作业需求。研究结果可为研制低成本、高精度和便捷的无人驾驶系统提供参考。     

基于GPS/INS和线控转向的农业机械自动驾驶系统

研究旨在设计出一套农用车辆自动导航控制系统,让机器人代替农民进行田间作业,实现农用车辆自动驾驶,从而可以有效提高农业机械的作业精度、生产效率和使用安全性,并且为精细农业研究提供技术支持,改善农业生产的方法。该文通过GPS/INS(global positioning system/inertial navigation system)组合导航技术实时获得载体的导航信息(位置、速度、航向、姿态),根据导航信息与预设轨迹参数计算出载体的目标前轮转向角,并以该目标前轮转向角与当前前轮转角的差值作为控制输入,实现对转向执行电机的精确控制,从而实现载体的路径跟踪控制。同时对整个系统的软硬件进行设计,并对系统控制策略进行仿真和试验验证。最终结果表明,本文所设计的组合导航系统定位精度高,其定位精度可达到0.1~0.5 m;路径跟踪系统误差小,当车速分别为0.5 m/s和1 m/s时,路径跟踪的最大横向误差分别为0.16 m和0.27 m;整个系统响应速度快,可达到0.1s。通过将GPS/INS组合导航技术与线控转向技术相结合,能够实现农用车辆的自动驾驶。     

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。     

电驱动铰接式工程车辆操纵稳定性控制分析

铰接式工程车辆因其铰接转向机构布置,使整车行驶过程中的横向稳定性降低。该文针对电驱动铰接式车辆的结构特点,建立了三自由度整车行驶动态数学模型,利用其各轮可独立控制的特性,提出基于直接横摆力矩(direct yaw-moment control,DYC)的车辆稳定性控制策略。分别以前车体质心侧偏角和横摆角速度、后车体质心侧偏角和横摆角速度为控制变量,建立了2种基于不同控制变量下的铰接式车辆最优直接横摆力矩控制策略。通过对地下35t铰接式自卸车的瞬态响应进行仿真分析,从响应速度、精确性等方面,探讨了2种控制策略下铰接式车辆稳定性的实现与性能。该研究可为电驱动铰接式车辆的稳定性控制提供有益的参考。     

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。     

基于超宽带无线定位的农业设施内移动平台路径跟踪研究

为实现农业设施内车辆自动导航,提出了一种基于超宽带(ultrawideband,UWB)无线定位的路径跟踪方法。运用4个基站组建UWB无线定位系统,采用加权最小二乘法(weighted least squares, WLS)法解超静定方程组,提高了移动标签的定位精度。重新定义前视距离,根据车体航向与前视直线的夹角界定车体偏差程度,并提出基于动态前视距离的改进型纯追踪模型。在MATLAB 2016a软件环境下的仿真说明该文算法优于采用固定视距的传统纯追踪算法,并进行实车试验。结果显示,在UWB定位系统的引导下,车体在不同初始状态下均能很好地收敛到期望直线,当速度为0.5 m/s时,在4种初始状态下进行直线跟踪,稳态偏差为5.4～8.4 cm,稳态偏差均值为6.3 cm。在矩形路径跟踪时,当横向偏差和航向偏差均为0的初始状态下,全程平均偏差为20.6 cm,跟踪偏差主要出现在90°转向处,最大偏差为85.5 cm,说明改进后的纯追踪算法的路径追踪质量均优于采用固定视距的传统纯追踪模型,能满足农业设施内移动平台自动导航的需求。该方法可为农业设施内车辆导航提供新思路。     

基于预瞄追踪模型的农机导航路径跟踪控制方法

农机导航系统的上线性能和复杂路面抗干扰能力影响着农田作业的质量和效率,为提高农机导航系统的上线速度、上线稳定性和对复杂路面的适应性,提出了一种预瞄追踪模型的农机导航路径跟踪控制方法。该方法实质是对农机运动学模型方法的改进,针对农机运动学模型小角度线性化算法中近似条件的缺点,采用预瞄追踪辅助直线引导农机快速稳定跟踪规划路径。该文参考农机运动学模型极点最优配置算法证明过程,分3步证明了该控制方法的可行性,并通过仿真和试验验证了该方法的有效性。仿真结果显示在不同的初始位置偏差和航向偏差条件下该方法都可以迅速消除偏差以稳定跟踪规划路径,位置偏差校正曲线平滑且超调量微小,说明预瞄追踪模型方法对提高农机导航系统的上线性能和抗干扰能力是有效的。田间试验结果:在初始航向偏差为0,初始位置偏差分别为0.5、1、1.5 m条件下,上线时间分别为6.8、8.2、9.4 s,上线距离分别为6.73、8.11、9.33 m,超调量分别为5.2、7.0、8.5 cm;颠簸不平旱地路面直线路径跟踪的最大误差不超过4.23 cm,误差绝对值的平均值为1 cm,标准差为1.25 cm。数据表明采用该文提出的控制方法具有良好的上线和直线路径跟踪效果,满足农业机械的导航作业要求。     

基于DM642的高地隙小车的田间路径识别导航系统

为了实现智能小车在各种不同的路径下稳定高效的进行图像导航,该文以自主设计了满足于设施农业用的四轮独立驱动的高地隙小车作为平台,采用TI公司的TMS320DM642高性能数字多媒体处理器为核心处理器,建立了识别路径的视觉检测系统,实现了对多种路径标识的实时采集和图像显示,提出了用于实际路径检测的图像处理的改进算法,包括利用2G-R-B颜色特征识别绿色植物、中心线法提取路径、双折线拟合的Hough变换提取路径、多折线拟合的Hough变换提取路径等,以实现小车的自主导航。试验结果表明所开发的路径识别与跟踪控制系统能对不同颜色的标识线、绿色植物与裸露地面的分界线等一系列路径进行识别和导航控制,系统适应性好、抗干扰能力强,稳定性高、实时性好,满足无人控制的农田作业需求,节省劳动力,提高生产效率。该研究可为应用于田间作业的高地隙小车的路径识别与跟踪控制系统设计提供参考。