农用轮式移动机器人灰色预测控制

提出了一种对机器视觉导航的轮式移动机器人进行横向控制的灰色预测控制算法,根据从传感器处获得的偏差建立灰色预测模型,以预测的偏差代替严重滞后的机器视觉采样偏差,并设计了系统最优控制器。仿真结果表明,该算法有效地克服了因非结构化农田自然环境视觉识别延迟过长所引起的控制系统性能下降的问题,改善了控制效果和自适应能力。     

基于改进粒子群优化模糊控制的农业车辆导航系统

以采用机器视觉导航的农业车辆为研究对象,提出了一种基于改进粒子群优化自适应模糊控制的农机导航控制方法。建立了车辆2自由度转向模型和视觉预瞄模型,对车辆横向控制进行状态描述。对粒子群算法进行了改进,提高了粒子群算法的收敛速度,降低了算法计算时间。构建了自适应模糊控制器,在模糊控制器中引入加权因子,以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数,通过粒子群算法计算得到最优加权因子,进而调整控制规则实现导航车辆的自适应控制。仿真和导航试验结果表明,提出的控制方法可以迅速消除横向误差,具有超调量小、响应速度快等特点,既保留了模糊控制算法的优点,又提高了系统控制品质。在相同参数条件下,与常规模糊控制相比,改进模糊控制算法导航精度显著提高。当车速为0.8/s时,直线路径跟踪最大横向偏差不超过4.2 cm,曲线路径跟踪最大横向偏差不超过5.9 cm,能够较好地满足农业车辆导航作业要求。     

果园移动机器人曲线路径导航控制

为实现移动机器人在果园非结构化环境下的自动行走,对果园移动机器人在复杂环境中的导航控制进行了研究。利用激光扫描获取果树位置信息,提出了一种果园环境下曲线导航路径的拟合算法;构建了以横向偏差和航向偏差为输入的模糊控制器;实现了移动机器人在曲线路径中的自动行走。机器人以0.54 m/s的速度沿正弦曲线行走,最大横向偏差为0.40 m,平均偏差为0.12 m。试验结果表明该系统路径拟合和导航控制算法性能良好。     

基于机器视觉的农业车辆路径跟踪

简述了一种基于机器视觉的农业车辆自动导航系统.提出了直线检测算法,显著降低了内存需求和时间消耗;以横向偏差和航向偏差作为输入量,构建了二维模糊决策器,对期望前轮转角进行决策;构建了基于PID的转向控制器,实现前轮转向控制,并采用简化的两轮车运动学模型进行了仿真.仿真和实验结果表明,该导航系统可以有效地实现直线路径跟踪.当车速为0.3m/s时,最大跟踪横向偏差不超过5cm,平均偏差不超过2cm;当车速为0.6m/s时,最大跟踪横向偏差不超过8cm,平均偏差不超过4cm.     

田间轮式机器人的导航控制系统设计

设计了一种基于预瞄准纯追踪模型及模糊控制的轨迹追踪控制算法、基于液压系统及PID算法的自动转向控制系统。为测试轨迹追踪控制算法和自动转向控制系统的效果,以田间作业轮式机器人为试验平台,进行农机轨迹跟踪和转向控制试验。结果表明：轨迹追踪试验中车速为0.6m/s时,横向偏差最大为0.07m,平均横向偏差为0.05m左右;转向控制试验中,转向角响应时间不超过1.5s,超调量小于5%。     

农用轮式移动机器人视觉导航系统

从整体组成、农田环境中跟踪路径识别、机器人相对于跟踪路径位姿计算、系统实时性和鲁棒性改善、横向控制等几个方面对农用轮式移动机器人视觉导航系统进行了比较全面的研究。基于通用小型四轮拖拉机研制了农用轮式机器人实验原型样机,用人工绿篱模拟农作物行开展了初步实验,结果显示,原型样机在纵向速度为0．27m／s和0．94m／s时都能较好地跟踪绿篱边缘。     

给定速度需求的移动机器人路径跟踪控制与实验

针对轮式移动机器人给定速度需求的非连续路径跟踪控制问题,将其转换为满足速度约束的轨迹规划和轨迹跟踪控制。首先,针对给定速度需求的路径跟踪问题,以运行时间和能量为优化目标,给定的路径和速度为约束条件,采用五次Bezier样条方法优化得到了满足需求的连续光滑轨迹。其次,利用轮式移动人系统的微分平坦特性,采用微分平坦方法设计前馈控制器;然后,将轮式移动机器人运动学模型在前馈控制的平衡点处进行一阶泰勒展开,得到了线性时变的误差模型,并通过定义新的状态变量,设计了具有Lyapunov稳定性的误差反馈控制器。结合前馈控制和反馈控制得到了二自由度轨迹跟踪控制器。同时将泰勒展开的高阶项考虑为有界的扰动输入,在输入到状态稳定性框架下证明了控制系统的鲁棒稳定性;最后,通过Pioneer 3-dx轮式移动机器人进行了实验验证,实验结果表明,提出的算法能够满足给定速度需求的非连续路径的跟踪控制需求。     

一种稻田自主播种机的路径跟踪方法的研究

为了克服自主式水稻播种机在水田应用中的障碍，基于一种高精度的路径跟踪算法，结合侧向偏差和航向角偏差作为反馈，建立了非线性转向控制模型，对在泥泞不平的水田中直线行驶时的转向控制进行路径跟踪，且为了避免倾斜引起的位置误差，考虑了车辆倾斜时侧倾角和俯仰角对位置坐标的影响。田间试验表明：该算法的平均绝对横向偏差小于2.9cm,航向角偏差小于0.03°,能将横向偏差减小到0.5m以内的短距离，且超过95%的测量横向偏差绝对值小于0.01m,能够满足我国水田自主式水稻播种机的精度及农艺要求。     

基于多传感器融合的水稻行识别与跟踪导航研究

水稻生产田间管理机械自动跟踪水稻行是提高水稻生产田间管理自动化程度的关键。为避免田间管理机械碾压水稻行,本文融合机器视觉和2D激光雷达信息识别水稻行,并进行水稻行跟踪导航控制。首先分别利用机器视觉和激光雷达提取水稻行中心点,并统一空间坐标和目标区域,再采用稳健回归算法拟合水稻行中心线,获取导航基准线并计算出导航参数。然后设计了预瞄追踪PID控制器,最后搭建了水稻行跟踪导航试验平台并进行试验研究。试验结果表明,跟踪模拟水稻行的曲线导航试验标准差为27.51 mm;跟踪机械移载的水稻行导航试验横向偏差标准差为43.03 mm,航向偏差标准差为3.38°。     

基于模型预测算法的智能车辆横向控制研究

针对智能车辆的横向控制问题,采用3自由度车辆模型,设计了一种基于模型预测算法的车辆横向控制策略。将非线性的3自由度车辆模型进行线性化和离散化,得到线性离散的车辆模型。以前轮转角为控制量,横摆角偏差和横向位移偏差为输出量推导出车辆预测模型,并且建立目标函数和约束条件。最后通过驾驶员在环仿真实验验证,所提出的控制策略能有效实现智能车辆的横向控制。     

基于强化学习的农业移动机器人视觉导航

以强化学习为基础,结合模糊逻辑理论研究了农业移动机器人通过自主学习获取导航控制策略的方法。首先使用机器视觉检测环境障碍并获取障碍物相对于移动机器人的方向和距离信息。然后应用强化学习设计了机器人自主获取导航控制策略方法,使机器人能够不断适应动态变化的导航环境。最后基于模糊逻辑离散化连续的障碍物方向和距离信息,构建了离散化的环境状态,并据此制定了自主导航学习Q值表。在自制的轮式移动机器人平台上开展了试验,结果表明机器人可以在实际导航环境中自动获取更优的导航策略,完成预期的导航任务。     

温室机器人道路识别与路径导航研究——基于红外测距

针对温室内移动机器人的应用需求,提出了一种基于红外线测距的温室机器人自主导航算法,并使用模糊算法对导航误差进行控制,实现了温室机器人的精确自主移动功能。温室机器人导航过程中,当红外线接收管接受到红外线信号时,会产生一个光强电流,电流放大后可以输出一个模拟电压;根据电压值,通过编程计算,利用电压和距离的对应关系,可以得到机器人和标志物的距离误差;距离信息通过串口传输到PC机上,PC机利用模糊控制原理对距离误差进行判断,发出控制指令。实验测试发现:机器人导航的距离偏差平均值为-1.28cm,均方差为2.68,超调较小,可以实现较为精确的导航。     

基于粒子群算法改进的轮式收获机纯追踪模型的路径跟踪研究

为满足轮式收获机地头收获路径跟踪精度要求，本研究提出了一种基于粒子群改进的带有预测特性的纯追踪路径跟踪算法。建立了轮式收获机运动学模型，推导了基于轮式收获机运动学模型的纯追踪路径跟踪算法。以收获机航向误差和横向误差为基础，构建了带有预测特性的隶属度函数，采用权重系数自适应方法，通过粒子群优化（PSO）算法，实现了实时动态确定最优前视距离。以玉米收获机为试验平台，开展了直线路径跟踪路面试验与“8”字曲线路径跟踪路面实验，试验结果表明：在1.5m/s速度时，直线路径跟踪的最大横向误差为4.39cm，最大航向误差为2.31°。在1m/s时，曲线路径跟踪的最大横向误差为5.24cm，最大航向误差为2.41°。试验结果表明本文设计改进的路径跟踪算法对直线路径及曲线路径都具有良好的路径跟踪效果，满足轮式收获机田间作业要求。     

轮式AGV沿葡萄园垄道行驶避障导航算法与模拟试验

针对轮式AGV沿葡萄园垄道循迹受到障碍物阻碍的问题,应用滚动优化原理提出了基于超声波测距与航向角检测的AGV防碰避障导航算法。采用交叉布置的8路超声波传感器检测垄道边界与障碍物,提出了同一障碍物匹配与类型判据及动态障碍物轨迹预测模型。以AGV横向位置偏差和航向偏角作为模糊控制器输入,获得AGV前轮期望导向角,为AGV绕行障碍物提供参考航向角。基于滚动优化原理提出了调节绕行偏角和调节车速的避障导航策略,设计了AGV绕行静态障碍物、减速或停车避让动态障碍物的导航算法。试验系统的上位机采用Lab VIEW开发的避障导航算法程序,实时将导航数据发送到下位机PLC来控制AGV转向。模拟试验结果表明,该导航算法实现AGV沿垄道预设路径纠偏行驶的同时,可导引AGV避免与垄道上的障碍物发生碰撞,验证了防碰避障导航算法的有效性,可为无人化轮式拖拉机等前轮导向车辆沿垄道循迹的防碰预警与避障技术提供参考。     

农业机器人视觉导航中多分辨率路径识别

针对非结构化的农田自然环境，提出农业机器人视觉导航时的多分辨率路径识别算法。首先探讨了用于路径识别的适宜的彩色特征，然后基于小波变换分析了多分辨率边缘检测过程，最后结合跟踪路径的特点融合了多分辨率检测结果。油菜地图像的处理结果表明了该算法的有效性。     

Navigation Method for a Mobile Robot via Sonar-based Crop Row Mapping and Fuzzy Logic Control

A navigation method, which employs sonar-based mapping of crop rows and fuzzy logic control-based steering, is described for a wheeled mobile robot in an agricultural environment. Crop rows are exploited for automatic navigation of a mobile robot without the need to construct artificial landmarks. The crop row map is constructed from the sonar readings and is transferred to the fuzzy logic control system, which steers the robot along the crop row. Three experiments concerning crop row mapping, fuzzy logic control, and their combination, were conducted using the experimental robot in a simulated maizefield. The errors found in evaluating the performance of these techniques were as follows: the position and directional standard errors in the mapping tests were 12·7 mm and 2·4°; those in the steering tests 16·3 mm and 2·2°; and in the overall tests 33·6 mm and 3·2°.     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性,切换到模糊控制律。采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明:该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性, 切换到模糊控制律。 采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明：该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

温室环境监测机器人路径跟踪算法与试验

为了实现温室环境与作物信息的采集与监测,设计了可实现环境全方位移动监测的机器人。以机器人为研究对象,通过对机器人结构分析,建立了运动学模型;提出了基于航向角误差算法的路径跟踪控制方法,以实现对机器人转向和速度控制,使其按照期望路径运动,达到路径跟踪目的。仿真结果表明:所提出的路径跟踪控制算法,能使机器人较稳定快速地收敛于期望路径。试验结果表明:当机器人跟踪稳定后,直线路径跟踪横向误差范围为±8mm,圆弧路径跟踪横向误差范围为±11mm。本研究可为温室环境监测机器人路径跟踪控制提供参考。