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。     

高地隙施药机自动驾驶系统研制与试验

针对农业自动导航、电动自动转向、农机自动控制、精量施药控制等关键技术的集成应用问题,该研究以高地隙喷杆喷雾机为平台,基于机电液一体化控制与软硬件标准化,研制了用于高地隙施药机的自动驾驶系统。根据底盘机构和工作原理设计了电控执行机构,实现发动机启停、转向、油门调节、车速调节、液泵启停、喷杆伸缩的自动控制。设计了基于CAN总线的整车通信控制网络,实现手动遥控和自动导航2种模式的自由切换。设计了基于姿态测量的定位误差校正方法,补偿导航定位过程中因机体倾斜造成的位置测量误差,提出地头转弯过程中的直线作业路径规划方法,以提高调头的准确性并保证邻接行的上线精度。在验证自动操控机构和通信控制网络稳定性的基础上进行了手动遥控和自动导航的对比试验。结果表明:作业速度3.6km/h时,遥控操作和自动导航2种模式下横向偏差最大值分别为20.81和8.84 cm,航向偏角最大值为7.86°和2.48°、横向偏差的均方根误差最大值为7.47和4.66 cm。该研究设计的高地隙施药机自动驾驶系统能够实时准确执行手动遥控和自动导航2种模式下的操作指令,自动导航模式下的路径跟踪精度较高,满足田间施药作业需求。     

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。     

基于双目视觉的香蕉园巡检机器人导航路径提取方法

为实现移动机器人香蕉园巡检自动导航,研究提出了一种基于双目视觉的香蕉园巡检路径提取方法。首先由机器人搭载的双目相机获取机器人前方点云,进行预处理后对点云感兴趣区域进行二维投影并将投影结果网格化,得到网格地图;然后采用改进的K-means算法将道路两侧香蕉树分离,其中初始聚类中心通过对网格地图进行垂直、水平投影以及一、二阶高斯拟合确定;最后基于最小包围矩形提取导航路径,将道路两侧网格以最小矩形框包围,提取两包围框中间线作为期望导航路径。测试结果表明,改进的K-means算法聚类成功率为93%,较传统方法提高了12%;导航路径提取平均横向偏差为14.27 cm,平均航向偏差为4.83°,研究方法可为香蕉园巡检机器人自动导航提供支持。     

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。     

基于LIO-SAM建图和激光视觉融合定位的温室自主行走系统

为解决传统导航方案在温室内无法应对光照变化大、作物行间距窄、接收GPS信号差等问题,该研究提出了基于即时定位与地图构建技术的激光视觉融合式自主导航算法。该系统利用三维激光雷达VLP-16(Velodyne LiDAR,VLP-16)和惯性测量单元获取温室环境信息,采用基于紧耦合的雷达惯导定位建图（tightly-coupled lidar inertial odometry via smoothing and mapping,LIO-SAM）算法构建导航地图,基于轮式里程计和视觉里程计采用扩展卡尔曼滤波器算法实现局部定位,融合激光点云配准算法和自适应蒙特卡洛定位算法实现全局定位。同时,在自主行走系统应用A*算法规划全局路径和动态窗口算法规划局部路径,从而实现自主导航。试验结果表明,LIO-SAM算法构建的温室导航地图最大相对误差、最大绝对误差和均方根误差分别为9.9%、0.081和0.063 m,在温室内改进后的定位算法横向偏差小于0.020 m,纵向偏差小于0.090 m;当自主行走系统以0.15、0.30和0.50 m/s的速度运行时,横向偏差、纵向偏差和航向偏角的平均值分别小于0...     

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。     

农机具自动调平控制系统设计与试验

为了使农机具在田间作业时保持水平,该文设计了一种农机具自动调平控制系统。采用拖拉机横向倾角卡尔曼滤波算法融合加速度计和陀螺仪2个传感器数据获得拖拉机实时倾斜角度,直线位移传感器测量调平液压油缸伸长量并建立农机具和拖拉机的相对倾斜角度转换函数,通过控制电磁换向阀实现农机具水平控制。在三轴多功能转台上对拖拉机倾角实时测量算法进行了测试,并在田间对农机具自动调平系统进行了试验,结果表明,拖拉机横滚角传感系统能在动态条件下准确地测量拖拉机实时倾角,在转台上测量角度平均绝对误差≤0.15°,均方根误差≤0.18°,在水田激光平地机作业时测量角度平均绝对误差0.40°;自动调平控制系统能较好地实现平地铲调平控制,平地铲倾斜角度平均绝对误差0.52°,均方根误差0.24°,最大误差1.15°,相对于原水田激光平地机水平控制系统控制精度提高了0.5°。该研究为农机具水平自动调平提供了方法,能够提升农机具作业质量。     

双激光雷达温室运输机器人导航系统研制

为解决机器人在温室环境下的自主导航问题,该研究研制了基于双激光雷达的温室运输机器人导航系统,实现温室环境下的地图构建、路径规划和定位导航。融合激光雷达与编码器信息,使用cartographer算法及时定位与地图构建。根据地图与检测点信息,采用Dijkstra算法规划全局路径,使用动态窗口算法规划局部路径,完成自主导航。试验表明,车载系统分别以0.2、0.5和0.8 m/s速度运行时,实际导航路径与目标路径的横向平均偏差小于13 cm,标准差小于5 cm;导航目标点处横向偏差、纵向偏差的平均值不超过9 cm,均方根误差不超过11.2 cm,标准差小于5 cm,航向偏差的平均值小于10°,均方根误差小于12°,标准差小于6°,满足机器人温室运输作业的导航精度需求。     

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...     

电动方向盘插秧机转向控制系统设计

电动方向盘作为农机导航系统的转向执行机构在中小型旱地拖拉机上已有应用,但在水田农业机械等转向阻力大的农机上的适应性尚有待研究。该文以井关PZ-60型水稻插秧机为平台,采用电动方向盘作为转向执行机构,对插秧机自动转向控制进行了研究。构建了插秧机转向机构的系统模型,采用系统辨识试验获得了系统模型参数。设计了基于PID的嵌套转向控制算法,采用Simulink仿真模型验证了算法的可行性。分别进行了幅值10°的正弦波、水田小角度转向(直线行驶跟踪)和水田大角度转向(调头)控制性能试验,试验结果表明:插秧机正弦波转向跟踪平均绝对误差为0.301 5°,平均延时0.3 s;在泥底层平坦和不平坦的水田中直线行驶时的转向角跟踪平均绝对误差分别为0.354°和0.663°,平均延迟时间均为0.6 s,角度跟踪偏差最大分别为1.4°和3.6°,深泥脚转向阻力大时有1.4 s的控制滞后;插秧机以28°转向角调头时调节时间为2.5 s,稳态误差为0.6%。研究表明,电动方向盘转向系统具有较好的动态响应和控制稳定性,适用于插秧机作业的自动转向控制,满足插秧机自动导航作业要求。     

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。     

高地隙折腰式水田多功能动力底盘设计与试验

针对目前水田农用底盘通用性差、转弯半径大、离地间隙低、田间行驶及爬坡越埂稳定性差等问题,结合东北地区水稻种植模式和农艺要求,该文设计了一种高地隙折腰式水田多功能动力底盘,阐述分析了底盘整体结构、传动系统与工作原理.在静态弯曲和扭转工况下进行了有限元分析,得到了满载量化状态下车架载荷分布和薄弱部位,有限元分析表明:在满载弯曲工况下,车架所受最大应力发生在平衡装置摇摆轴处为130.70 MPa,最大位移发生在后车架发动机安装梁处为1.56 mm;在满载扭转工况下,车架所受最大应力发生在右后悬架与纵梁连接处为255.44MPa,最大位移发生在车架左纵梁与后横梁连接处为9.44 mm,为后续开展车架薄弱区域的改进与轻量化设计提供重要依据.在此基础上,对动力底盘的转向性能、行驶性能和越埂性能进行了理论分析,并以行驶速度、最小转弯半径、最大爬坡角和最大越埂高度为试验指标,进行了田间性能试验.试验结果表明:多功能动力底盘田间道路行驶速度范围为1～14 km/h,水田行驶速度范围为1～6 km/h,水田行驶最小转弯半径为3 200mm,最大爬坡角为56°,最大越埂高度为533mm,整机工作性能满足田间管理作业要求,提高了水田综合作业的高效性和适用性,实现动力底盘的一机多用.该研究可为水田田间管理作业的有效实施提供综合应用平台和技术支撑.     

拖拉机转向轮转角位移式和四连杆式间接测量方法对比试验

针对车轮转角直接测量法在工程实践中角度传感器安装困难且转轴易断裂的现象,结合车轮转向过程,提出了位移式间接转角测量法和四连杆式间接转角测量法。依据位移式和四连杆式2种间接测量方法原理,分别建立转角测量模型,以雷沃M800型拖拉机为基础,构建自动导航试验平台,通过转角测量试验、沥青路面与农田环境下的导航精度对比试验,分析四连杆式间接测量法、位移式间接测量法和直接测量法3种方法的应用效果。转角测量对比试验结果表明,3种方法的角度值最大误差为0.081°,平均误差分别为0.061°、0.014°和0.017°,小于传感器的测量精度0.088°,3种测量方法测量的测量精度一致。通过沥青路面与农田环境2种地况试验测试,沥青路面上和农田环境下,3种方法的横向偏差平均值的最大值分别为0.235 9、0.364 5、0.498 4 cm,试验表明3种测量方法的导航精度一致。相对于位移式间接转角测量法和直接测量法,在沥青路面上和农田环境下,四连杆式间接测量法导航精度标准差最小,分别为0.890 4和1.297 5 cm。四连杆式间接转角测量法所采用的四连杆式角度传感器安装简便、易于防护,无摩擦损耗,可代替直接转角测量法,应用于实践中。     

最小二乘法与SVM组合的林果行间自主导航方法

为了提高作业装备在果园与树林行间的自主导航性能,该研究提出一种基于最小二乘法与支持向量机(Support Vector Machine,SVM)融合的树行识别与导航方法。研究采用履带式小型喷雾机为作业平台,通过低成本的单线激光雷达获取果园或树林环境点云数据,融合姿态传感器进行数据校正,利用最小二乘法拟合识别树行,结合SVM算法,预测果园行间中心线,作为作业平台的参考导航线。在桃园、柑橘园、松树林3种不同的行间环境对导航算法进行了测试验证,并以松树林导航为例进行分析。试验结果表明:该导航算法最大横向偏差为107.7 mm,横向偏差绝对平均值不超过17.8 mm,结合作业平台的行驶轨迹,说明该导航算法能够保证作业平台沿树行行间中心线自主导航行驶,能够满足作业装备在果园与树林行间自主导航作业的需求。     

联合收获机单神经元PID导航控制器设计与试验

针对联合收获机在田间直线跟踪作业中在维持高割幅率条件下易产生漏割的问题,设计了一种基于单神经元PID(Proportion Integration Differentiation)的联合收获机导航控制器。以轮式联合收获机为平台,通过对原有液压转向机构进行电控液压改装,搭载相关传感器构建了导航硬件系统。开展了常规PID控制和单神经元PID控制的仿真以及实地对比试验,仿真结果表明单神经元PID控制具有超调小和进入稳态快等特点;路面试验表明,当收获机速度为0.7 m/s时,单神经元PID控制最大跟踪偏差为6.10 cm,平均绝对偏差为1.21 cm;田间试验表明,收获机速度为0.7 m/s时,单神经元PID控制田间收获最大跟踪偏差为8.14 cm,平均绝对偏差为3.20 cm。试验表明所设计的联合收获机导航控制器能够满足自动导航收获作业要求,为收获作业自动导航提供了技术参考。     

基于CAN总线的分布式插秧机导航控制系统设计

为了提高插秧机自动导航系统的可靠性,设计了一种基于CAN总线的分布式控制系统。系统由1个主控节点和3个从节点组成。主控节点采用AT91SAM9261 ARM处理器,负责根据RTK GPS数据和电子罗盘数据决策适当的控制指令;3个从节点选用C8051F040单片机,分别实现转向控制、变速控制以及插秧机具升降控制;并根据CAN2.0总线协议,制定了插秧机自动导航系统主从节点数据传输通信协议。控制系统在久保田SPU－68型插秧机上进行了道路跟踪试验和田间作业试验,结果表明,采用基于CAN总线的嵌入式分布式导航控制系统保证了数据实时传输,插秧机能够自主完成路径跟踪、转向、变速以及插秧等操作。其中道路直线跟踪误差小于0.05 m,田间作业试验直线跟踪误差不大于0.2 m,插秧行距为30 cm,能基本满足水田插秧作业要求。     

基于触觉感知的稻田苗带区域杂草密度等级评估

针对水田背景干扰、稻株叶冠遮挡主流视觉感知方法难以准确测定苗带区域杂草密度问题,该研究提出触觉感知方法实现杂草密度等级评估。利用自制的触觉感知器获取苗带区域触感数据,联合时域和梅尔频谱倒数对触感数据进行特征表达,通过主成分分析和特征维度优选,组建杂草密度评估特征向量,基于神经网络方法构建杂草密度等级评估模型。根据水田作业实况,选择触觉感知器与杂草的接触速度和接触部位进行田间性能试验。结果表明：茎秆低位接触感测模式下,随机具行进速度增大,杂草密度评估准确率和稳定性降低;叶冠高位接触感测模式下,随机具行进速度增大,评估准确率有所提高,但稳定性下降。当行进速度为0.5 m/s,感测模式为低位茎秆接触时综合性能最优,杂草密度评估准确率为85.33%,变异系数为2.73%。研究结果可为除草剂的定量施用提供决策基础。