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。     

基于履带式联合收获机转向特性的局部跟踪路径规划

为降低履带式联合收获机导航路径跟踪转向控制频率和提高控制系统的稳定性,提出了一种预瞄-切线局部跟踪路径动态规划算法。规划的局部跟踪路径由平滑连接的两段弧线组成,第1段圆弧由收获机当前位姿与1/2横向偏差线上的预瞄点确定,第2段圆弧由收获机在1/2横向偏差线的实际位姿与期望路径的几何关系确定;基于收获机实际转向运动特性建立了相适应的转向控制模型,左转、右转控制模型拟合的决定系数R2分别为0.978、0.980。田间直线导航跟踪对比试验表明：当前进速度为0.4、0.8m/s时,横向偏差的标准差分别为0.0489、0.0507m,航向偏差的标准差分别为3.94°、4.66°,转向控制次数分别为19、12次;与传统纯追踪算法相比,横向偏差的标准差分别减小19.04%、31.30%,航向偏差的标准差分别减小25.94%、9.16%,转向控制次数分别减少47.22%、42.86%。本研究可为履带式农机车辆导航控制器设计提供参考。     

基于虚拟雷达模型的履带拖拉机导航路径跟踪控制算法

为提高传统果园广泛使用的小型履带式拖拉机导航路径跟踪控制精度和行驶稳定性,提出了一种基于虚拟雷达模型的导航路径跟踪控制算法。该算法借鉴人对车辆的驾驶经验,参考雷达扫描原理和图像识别原理,构建了虚拟雷达模型,生成虚拟雷达图,使用该图描述车辆与路径的位置关系;经深度神经网络分类生成对应的履带拖拉机行驶操作指令;以果园作业典型的U形路径为例进行了仿真验证试验和实车试验。仿真结果表明：本文提出的算法能够精准实现导航路径跟踪控制。果园实车试验表明：当车速为0.36、0.75m/s时,该算法路径跟踪的最大横向偏差分别为0.150、0.191m,平均横向偏差分别为0.031、0.051m,标准差分别为0.025、0.036m;与模糊控制算法相比,最大横向偏差分别减小了15.73%、36.33%,平均横向偏差分别减小了27.91%、19.05%,标准差分别减少了21.88%、28.00%。研究表明,基于虚拟雷达模型的导航路径跟踪控制算法具有更高的路径跟踪精度和行驶稳定性,满足果园实际作业需求。     

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。     

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。     

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。     

履带式油菜播种机模糊自适应纯追踪控制器设计与试验

针对在丘陵山区小田块中大型农业机械运移不便、作业效率不高和田头调头操作受限等问题,设计了一种针对轻简履带式车辆的基于运动学模型和几何模型的模糊自适应纯追踪控制器。以轻简履带式油菜播种机为研究平台,结合北斗RTK构建了一套自动导航作业系统,根据播种作业需求采用有限状态机设计了田间自动导航作业控制策略。开展了模糊自适应纯追踪控制器与纯追踪控制器的仿真及实地对比试验。仿真结果表明,与纯追踪控制器相比,模糊自适应纯追踪导航控制器具有上升时间短和超调小等特点。水泥路面试验表明,当行驶速度为0.8m/s时,模糊自适应纯追踪控制器最大跟踪偏差为0.039m,平均绝对偏差为0.018m。在旱田路面前进速度0.5、0.8、1.2m/s下,直线导航跟踪最大跟踪偏差分别不大于0.082、0.086、0.092m,平均绝对偏差分别不大于0.031、0.032、0.034m。并对自动导航作业系统进行试验,试验结果表明,所设计的导航控制器直线跟踪稳定,满足丘陵山区小型田块油菜播种要求。     

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Kalman滤波和纯追踪模型的农业机械导航控制

以KUBOTA SPU-68水田插秧机为试验平台,以RTK-DGPS为主要导航方式,辅以航向姿态参考系统AHRS500GA-227,研究提高农业机械导航控制精度的方法.在重点对GPS倾斜误差校正的基础上,设计了Kalman滤波器对定位数据进行平滑处理,同时实现磁航向传感器偏移误差的在线辨识与航向校正.采用纯追踪模型实现农业机械直线跟踪控制,基于ITAE优化准则,仿真研究了最佳前视距离的确定方法.试验结果表明:GPS倾斜误差校正和Kalman滤波后的导航参数可以更真实地反映插秧机水田实际运动状态;纯追踪模型可以用于插秧机田间作业直线导航,当行进速度0.6m/s时,直线跟踪最大误差小于0.17m,平均误差小于0.02m.     

基于AMESim的电动车辆线控液压转向控制策略研究与试验分析

为研究并优化电动车辆线控液压转向系统的控制策略,文章基于AMESim软件进行仿真分析并开展台架验证试验。提出电动车辆线控液压转向控制系统整体设计方案,分别就工作原理、整体结构、液压系统设计、路感加载系统进行分析。基于AMESim建立电动车辆线控液压转向控制系统仿真数学模型,就路感数学模型、液压系统数学模型、执行机构动力学数学模型、传动比数学模型进行阐述,设计P参数自适应调整的PID控制器,并在此基础上进行系统响应性、抗干扰性能分析,研究系统时域状态下的可靠性、稳定性。仿真结果表明,系统阶跃及正弦响应偏差在3°以下,抗干扰能力较强。基于试验台架设计了响应性及稳定性验证试验,结果表明,自适应PID控制器实际响应性较好,快速转向下系统跟随响应偏差在4°以下。     

农用车辆自主导航控制系统设计与试验

集成软硬件系统搭建了一套农用车辆自主导航系统并进行了试验研究。硬件系统包括传感器、执行器和CAN-Bus通信网络;软件系统基于Windows操作系统、Visual Studio 2005开发环境,采用多线程编程技术开发。依据运动学规律建立了车辆运动模型,依据转向机构闭环响应曲线辨识了转向系统闭环模型,综合2个模型确立了航向与横向控制系统开环传递函数,基于PID理论设计了航向与横向控制器。试验结果表明:软硬件系统运行稳定;初始航向偏差在-86°与84°时,调节时间均在2 s以内,稳定后航向跟踪的精度均在1°以内;初始横向偏差在0.7 m和1.2 m时,横向偏差的最大值分别为10.4 cm与9.2 cm,横向偏差平均值分别为6.4 cm与3.5 cm,横向偏差标准差分别为2.6 cm与1.7 cm,横向控制器能够使系统平滑稳定地跟踪期望路径,跟踪精度在厘米级。     

农业机器人自主导航改进自适应滤波控制器研究

为提高导航精度与控制精度,对农业机器人的自主导航控制进行研究。结合Sage-Husa自适应滤波与强跟踪卡尔曼滤波两种算法优点,利用严格收敛判据,设计了改进的自适应卡尔曼滤波算法。新算法保证了系统的实时性和稳定性,且具有更好的滤波精度。利用变结构切换方法来阻止PID控制器积分饱和现象,有效解决了控制器过饱和问题。将改进的自适应滤波算法与变结构PID控制器相结合,可提高导航系统的稳定性和精度。对所提理论进行仿真与试验,结果表明该方法大幅度提高了滤波器抑制发散的能力和导航的控制精度。     

基于机器视觉的农业机械避障导航算法研究

【目的】机器视觉技术已经成为一种重要的农业机械导航线路提取技术,但农业机械避障导航的自动提取容易受到自然条件的影响,其实时性要求还需进一步改进。【方法】笔者提出了一种基于机器视觉的农业机械避障导航算法,首先,利用改进之后的避障导航算法对CCD提取的彩色农田图像进行灰度化处理,呈现出图像信息;其次,利用改进之后的Otsu算法对避障系统获取的图像信息进行分割,得出新的图像,再利用滤波、腐蚀、膨胀等算法模式去除避障中的不良信息;最后,在避障信息的基础上提取出针对性的骨架,再对导航进行模拟,计算得出最后的偏差,并采用速度分别为0.5 m/s、1.0m/s的慢速实验对田间农作物中的障碍物进行检测。【结果】仿真结果表明,笔者提出的障碍物探测方法能够在不同的车速情况下,对障碍物的方向和形状进行精确识别,具有很好的适用性。【结论】1）基于机器视觉的农业机械避障导航算法能够较好地克服农业种植过程中出现的障碍物干扰,准确地提取出农田中的作物行驶方向和距离,并为以后的处理打下了良好的基础。2）目前对于障碍物的检测只考虑了静态障碍物和离航向最近的障碍物为有效障碍物的情况,在后续的研究中应对田间多障碍、动态障碍...     

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。     

基于最优控制的导航拖拉机速度与航向联合控制方法

为提高自动导航拖拉机工作效率和作业质量,以自动变速系统和自动转向系统为硬件支撑,结合最优控制理论,设计了基于速度和转向角的双参数最优控制算法.针对耙地作业要求,设计了直线路径跟踪与地头转弯路径跟踪控制器,运用Matlab软件对所设计的控制器进行了仿真分析,通过田间试验对所设计的控制器进行了验证.试验结果表明:控制器的横向偏差小于0.12m,航向偏差小于1.1°,速度偏差小于0.2 m/s,满足自动导航作业要求.     

RTK—DGPS融合惯性传感器的车辆导航参数计算方法

为实现农用车辆精确导航,提出一种RTK-DGPS融合惯性传感器的导航参数计算方法。横向偏差是利用惯性传感器采集的姿态角经几何变换补偿系统中存在的杆臂效应再进行计算得到的。试验结果表明,系统存在俯仰和侧倾时,此方法平均补偿了0.08 m的横向偏差,通过提高系统的定位精度得到了更精准的横向偏差。由于惯性传感器难以适用于磁场干扰较大的环境,为此,提出仅利用RTK-DGPS计算航向偏差的方法,即利用最小二乘法拟合RTK-DGPS动态定位点形成车辆行驶路径并进行计算。试验结果表明,车辆直线行驶、做圆周运动与沿任意曲线行驶时,惯性传感器与RTK-DGPS计算的航向偏差之间的平均误差分别为0.963 6°、3.641 8°与2.756 2°,验证了利用RTK-DGPS计算航向偏差的可行性。     

双导航模式果园运输机器人设计与试验

为解决果园苹果采后运输设备自主导航模式单一、无法在任意点起步或停车等问题,设计了一种双导航模式小型果园运输机器人,可根据需求选择行人引领导航或定点导航。根据选择的导航模式,采用基于OpenPose人体姿态识别的目标跟踪控制方法或基于RTK-GNSS(Real time kinematic-global navigation satellite system)的距离-方向控制方法,实现果园环境下的行人引领导航和定点导航。该运输机器人以额定负载为200 kg、速度为0.5 m/s的条件参数在果园自主作业时,行人引领导航模式下目标跟踪误差平均值小于9 cm,其标准差小于4 cm;定点导航模式下到达目标点的相对误差小于13 cm,其标准差小于1.5 cm,绝对误差小于7 cm,其标准差小于0.5 cm;定点导航模式下机器人急停避障的行驶路径与理想行驶路径间的横向偏差小于56 cm,航向偏差小于8°。试验结果表明,该机器人能满足果园自主运输和安全避障的需求。     

计算机视觉技术在拖拉机行进控制上的应用

自动导航可以降低农业机械操作人员的劳动强度,提高土地利用效率,是农机智能化的重要体现。计算机视觉和卫星定位是应用较为普遍的农机导航技术。为此,基于计算机视觉技术,设计了拖拉机行进控制系统。系统对环境图像进行计算机视觉分析,选用合适的处理方式和算法获得导航路线,同时减少了计算量;然后,根据机械的初始状态参数调整方向,使拖拉机沿着导航路线行进。试验结果表明:安装该系统的拖拉机以不同速度行驶时,路线偏差迅速减少,并保持在很小的范围内;系统处理单幅图像耗时少于0. 1s,可以满足实时控制的要求。     

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°。