XDNZ630型水稻插秧机GPS自动导航系统

以XDNZ630型水稻插秧机为试验平台,采用RTK-GPS定位技术,进行农业机械自动导航试验.增加了插秧机转向机构、变速机构和栽插机构的电控功能,实现了自动控制.根据GPS接收机与车载传感器获取车辆姿态信息,采用PID控制方法,构建转向闭环控制系统,实现插秧机的自动对行导航及地头转向,并进行了插秧机路面与田间导航跟踪试验.试验结果表明,在插秧机对行导航作业中,车辆行进速度不大于0.6m/s时,对行跟踪误差小于10cm,完全可以满足插秧作业精度要求.     

基于MPC算法的无人驾驶插秧机控制系统研究

针对水稻插秧机无人驾驶需求,以井关PZ60型插秧机为试验平台,采用RTK-GPS北斗定位技术获取插秧机无人驾驶所需的高精度位置信息,以华测领航员NX300电动方向盘为执行元件实现无人驾驶插秧机转向操作。基于CAN总线设计了插秧机无人驾驶系统,通过CANOPEN协议与电动方向盘、上位机等进行通信,对待作业地块进行路径规划,用直线段与拐弯段填充作业路径,建立插秧机运动学模型。同时,提出了一种基于线性时变模型预测控制的路径跟踪算法,控制插秧机按规划路径进行直线追踪和地头转弯,实现了插秧机无人驾驶。进行插秧机无人驾驶田间试验,结果表明：基于MPC算法的控制器能够使无人驾驶插秧机车速1m/s时,有效跟踪预定义路线,直线段跟踪误差最大2.02cm,满足插秧机无人驾驶精度要求。     

基于有限状态机的农机导航多任务调度研究

为了解决总线式农机导航控制系统中的事件响应及数据延迟问题,将农机导航控制功能划分成不同优先级的多个子任务模块,将有限状态机理论引入作为导航控制系统多任务调度的理论基础。基于有限状态机理论和实际导航控制过程建立导航事件与导航控制任务的关联关系,并对每个任务设有优先级,实现了对导航控制事件的快速分级响应。最后,采用基于本文提出的多任务调度方法的插秧机自动导航控制系统进行了实车路径跟踪实验。实验结果表明:本文所提调度方法可以很好地完成导航控制任务,直线路径平均跟踪误差为3.28cm,曲线路径平均跟踪误差为5.0 4 cm。     

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.     

基于模糊自适应纯追踪模型的农业机械路径跟踪方法

为了提高农业机械自动导航控制系统的精度,提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法.该方法基于纯追踪模型进行农业机械路径跟踪控制,结合农业机械运动学模型来确定车轮期望转向角;采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离,提高了路径跟踪的精度.农业机械的路径跟踪实验结果表明,路径跟踪的最大误差不超过10 cm,平均误差小于5 cm,完全满足农业机械的作业要求,验证了提出方法的可行性和有效性.     

基于MPC的插秧机路径跟踪控制算法研究

针对国内自动驾驶插秧机路径跟踪精度不高的现象，提出一种基于线性时变模型预测控制的路径跟踪方法。将建立的非线性插秧机运动学模型进行线性化和离散化处理，并基于此模型进行模型预测路径跟踪控制；建立以控制增量为状态量的目标函数；考虑系统控制量和控制增量的约束条件，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，将所得控制序列第一个元素作用于系统，并且不断重复以上过程实现最优控制。在MATLAB/Simulink环境下，搭建上述模型预测控制器系统仿真，并与路径跟踪效果良好的Stanley控制算法对比，结果表明，上述模型预测控制器优于Stanley控制算法。采用卫星信号接收机、电动方向盘和转角传感器，改造井关PZ60型插秧机，搭建插秧机自动驾驶试验平台，进行田间试验，试验结果表明，基于线性时变模型预测控制器能够使自动驾驶插秧机车速1 m/s时，有效进行路径跟踪，直线段跟踪误差最大2.02 cm，满足插秧机自动驾驶路径跟踪精度要求。     

基于优化人工势场法的插秧机绕障策略研究

针对水田中存在的壕沟、田埂、石块、电线杆等障碍物使得插秧机无法保证作业连续性和插秧直线性等问题，设计了基于优化人工势场法的插秧机绕障路径规划策略。通过增加插秧机实时位置与目标作业点的相对距离作为判断条件来动态改变势场大小，同时设立了虚拟局部目标点来弥补传统人工势场法目标点不可达和局部最小点的算法缺陷；将插秧机简化为二轮车模型，建立插秧机转向系统数学模型，得出插秧机速度、行驶航向角和前轮转角表达式，以横向偏差与航向偏差作为评判路径优化效果的因素。转向控制器以复合模糊PID算法控制插秧机的转角，不断减小理想前轮转角与实际转角的偏差，实现转角最优化；采用超声波传感器实时检测道路障碍物并结合RTK-GPS实时更新位置坐标，设计出插秧机绕障转向控制策略。通过Matlab对优化的人工势场法的避障路径控制策略进行仿真，仿真结果表明，当障碍物不在影响范围内，插秧机直线追踪的最大横向位置偏差为5cm,平均偏差约为2cm，最大避障横向偏差小于0.5m，优化后的算法具有较好的控制精度，可避免目标点不可达的问题。基于洋马VP6E插秧机作为实验平台进行了实车实验，实验结果表明，当插秧机以速度0.5、1.0、1.5m/s行驶时，左侧绕障的最大横向偏差均不大于1.2218m，航向偏差最大值为30.1491°，绕障前后直线追踪的平均横向偏差为0.025m，平均航向偏差为3.12°；右侧绕障的最大横向偏差均不大于1.2459m，航向偏差最大值为25.2294°，绕障前后直线追踪的平均横向偏差为0.023m，平均航向偏差为3.36°，所设计的避障方法可满足插秧机在农艺作业过程中的避障要求，具有很好的可行性与鲁棒性。     

久保田插秧机的GPS导航控制系统设计

将计算机技术、传感器技术、GPS技术和数据通讯技术等集成和融合,在久保田插秧机上开发了基于DGPS和电子罗盘的导航控制系统.论述了导航控制系统的结构和工作原理,提出了一种利用航向跟踪实现路径跟踪的控制方法.仿真和试验结果表明,该控制方法简单有效,导航控制系统可以控制插秧机按预定的路线行走.速度为0.75 m/s,直线路径跟踪时,平均误差0.04 m,最大误差0.13 m;速度为0.33 m/s,圆曲线路径跟踪时,平均误差0.04 m,最大误差0.087 m.     

拖拉机自动驾驶转向轮角检测方法

以雷沃M904-D型轮式拖拉机为研究平台,采用WYH-3型无触点角度传感器,研究了轮式拖拉机转向轮角的标定和检测方法。介绍了拖拉机转向轮角度传感器的安装方法;采用带标度的转盘标定了角度传感器与拖拉机转向轮角之间的关系,标定结果表明,两者线性关系显著,相关系数超过0. 99。对轮角测试中存在的误差进行分析,提出基于最小二乘原理的转向轮角零位偏差估计方法,以估计车轮相对零位偏差。路径跟踪试验结果表明,其横向跟踪偏差的绝对值极值为2. 74 cm,偏差绝对值的平均值为0. 49 cm,标准差为0. 58 cm。提出的轮式拖拉机转向轮角测量模型在路径跟踪控制应用中表现出较好的效果,验证了转向轮角测试方案的可行性与准确性。     

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.