基于高斯混合模型的履带拖拉机转弯半径控制方法

履带拖拉机采用差速转向,转向可控性差,影响自动导航性能,为提高履带拖拉机自动导航的性能,以液压传动控制行星差速转向履带拖拉机为研究对象,建立履带拖拉机转弯半径数学模型。构建每个控制量下转弯半径均值和方差计算方法,建立基于卡尔曼滤波和局部加权回归的转弯半径均值和方差更新方法。分别针对直线路径跟踪和掉头建立基于高斯混合模型的履带拖拉机转弯半径控制方法。采用纯跟踪算法分别以不同的初始位置偏差进行自动导航仿真试验,得到导航轨迹、位置偏差和角度偏差。以农夫NF-702型履带拖拉机为平台,分别以不同车速进行导航试验,试验结果表明,在初始航向角为0,车速分别为1.0、1.5m/s时,导航平均误差分别为-0.62cm和0.28cm,导航误差绝对值极值分别为10.14cm和8.10cm,导航误差绝对值均值分别为2.34cm和2.57cm,导航均方根误差分别为3.77cm和3.99cm。本文提出的基于高斯混合模型的履带拖拉机转弯半径控制方法可应用到液压传动控制行星差速转向履带拖拉机自动导航领域,满足实际田间作业需求。     

基于卡尔曼滤波融合算法的深松耕深检测装置研究

为提高实时检测耕深的准确性,设计了基于超声波传感器和红外传感器以及卡尔曼滤波融合算法的耕深检测装置,采用超声波传感器通过渡越时间法测量耕深,采用红外传感器通过三角测距法测量耕深,通过卡尔曼滤波融合算法滤除两传感器检测数据中的杂波,并进行融合。室内试验表明,在平整地面,红外传感器检测效果优于超声波传感器;在秸秆覆盖地面,超声波传感器检测效果优于红外传感器。经卡尔曼滤波融合后的数据能充分利用两传感器在不同环境中检测的有效数据。在设定耕深为30 cm和40 cm的田间试验中,超声波传感器滤波数据的平均值分别为29.51 cm和38.79 cm,深松深度变异系数分别为2.51%和3.10%;红外传感器滤波数据的平均耕深分别为32.06 cm和41.52 cm,深松深度变异系数分别为2.41%和2.76%;而经卡尔曼滤波融合后的数据平均耕深分别为30.06 cm和39.95 cm,深松深度变异系数分别为1.07%和1.00%,说明采用滤波融合后的检测数据比单个传感器更能准确检测耕深和反映耕深变化趋势。     

基于改进纯追踪模型的农机路径跟踪算法研究

为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。     

基于EnKF和随机森林回归的玉米单产估测

为了提高玉米的估产精度,以河北省中部平原为研究区域,采用CERES-Maize模型模拟2013—2018年8个典型样点玉米整个生育期的叶面积指数(LAI),将遥感反演的LAI与CERES-Maize模型模拟的LAI相结合,通过集合卡尔曼滤波(En KF)同化算法实现2013—2018年玉米主要生育时期旬尺度LAI的同化,运用随机森林回归法计算同化和未同化的LAI权重,进而建立玉米单产估测模型,对2015年53个县(区)的玉米进行单产估测和精度评价,并分析2013—2018年玉米的单产时空分布特征。结果表明,采用En KF算法对8个研究样点进行单点同化,同化LAI更符合玉米实际生长情况;将样点LAI同化值从单点尺度扩展到区域尺度,同化LAI图像减少了相邻像素间LAI陡升陡降的现象,其效果优于遥感反演的LAI;与未同化LAI构建的估测模型相比,应用同化的LAI所建的估测模型精度明显提高,R2提高了0.024 5;在2015年河北中部平原53个县(区)估产结果中,总体平均相对误差为12.11%,RMSE为371 kg/hm2,NRMSE为6.18%;河北中部平原玉米单产估测结果呈现个别年份波动、总体呈先减少后增加的年际变化特点,并呈现西部地区最高、北部和南部地区次之、东部地区最低的空间分布特征。     

基于同步整流的光伏水泵数字控制

根据光伏水泵无刷直流电动机驱动实际需要,提出一种数字控制器解决方案.为降低控制器续流损耗,基于同步整流技术采用MOSFET代替体二极管续流,并可降低控制器温升,提高系统可靠性.研究了改进的无差拍控制策略,采用自适应无轨迹卡尔曼滤波方法(Adaptive UKF)在线辨识、修正系统参数,以改善力矩电流控制效果.仿真和实验结果表明,该方案易于数字实现,参数辨识有效,电流控制精度高.提高了系统运行性能.     

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...     

基于BLE的室内指纹定位优化技术

针对RSSI的室内定位技术的功耗高和精度低的问题,采用蓝牙4.0作为节点,应用具有低功耗、远距离和成本低等优点的BLE技术,通过在离线阶段采用高斯-均值算法对指纹数据库进行优化和在现阶段改进的跳变自适应卡尔曼算法进行数据滤波研究,并且通过蓝牙4.0无线网络系统进行试验。结果表明,优化后的指纹库和自适应卡尔曼定位算法,在复杂的环境中比传统的定位算法更加稳定和准确。     

基于EKF的智能拖拉机组合导航系统研究

针对智能拖拉机的导航系统在长时间工作状态中经常会出现定位精度低的问题,提出一种采用扩展卡尔曼滤波法(EKF)设计BDS/DRS组合导航,利用MATLAB软件建立EKF模型,并对BDS/DRS组合导航系统进行仿真验证,结果表明与传统的单独导航相比,设计的组合导航能够明显提高定位精度,同时也证明了EKF方案具有良好的数据融合效果。     

农业机器人视觉导航的预测跟踪控制方法研究

农用拖拉机的视觉导航技术可以帮助人员远离某些高温、高湿以及有毒害的作业环境，提高作业的自动化智能化程度，还能实现精确定点作业以促进农业可持续发展等。该文首先分析了轮式拖拉机跟踪引导路径的行为特点，建立起相应的非线性随机数学模型。而后，基于卡尔曼滤波的思想融合了各传感器的观测值给出预测跟踪控制方法。避免了视觉系统为主的计算耗时导致状态反馈滞后而产生的不利影响，改善了导航控制的鲁棒性和精度。仿真和初步试验结果都表明了此方法的有效性。     

基于卡尔曼滤波算法的间接胎压监测方法

为了提高现有间接胎压监测系统的性能,把数字信号处理方法与间接胎压监测系统相结合,提出了车辆纵向和侧向两个动力学模型,利用卡尔曼滤波方法得出了轮胎相对半径与胎压之间的关系.在该模型下(除模糊状态以外),可以监测到任何一种胎压降低的情况,并且不受车速和转向的影响,改善了现有间接胎压监测系统的准确性和可靠性.该方法只需要ABS系统自带的轮速传感器和一个陀螺仪,硬件开支小,软件实现简单,有很强的工程实用价值.