田间作业车辆外部加速度辨识与姿态测量系统研制

复杂田间作业环境与精细作业效果要求农机装备具备实时精准感知农机具姿态的能力,田间作业时普遍存在的车辆外部加速度对此带来挑战。为进一步提高农机装备作业质量,该文以6轴微惯性传感器为硬件传感器,以方向余弦矩阵法进行姿态解算,基于一阶外部加速度模型设计卡尔曼滤波融合算法,实现动态情况下田间作业车辆外部加速度辨识与姿态精准估计。分别采用Innova 2100型摇床与装配有MTi300航向姿态参考模块的高地隙喷雾机对系统进行试验验证。摇床试验结果表明:在外部加速度小于10g情况下,系统对外部加速度辨识误差小于0.214 m/s2;田间作业高地隙喷雾机试验结果表明,相比于MTi300,横滚角最大误差为0.23?,俯仰角最大误差为0.39?。说明该文研制姿态测量系统可准确辨识外部加速度与测量姿态,研究结果可为满足精细农业作业要求的姿态测量系统研发提供依据。     

基于预瞄追踪模型的农机导航路径跟踪控制方法

农机导航系统的上线性能和复杂路面抗干扰能力影响着农田作业的质量和效率,为提高农机导航系统的上线速度、上线稳定性和对复杂路面的适应性,提出了一种预瞄追踪模型的农机导航路径跟踪控制方法。该方法实质是对农机运动学模型方法的改进,针对农机运动学模型小角度线性化算法中近似条件的缺点,采用预瞄追踪辅助直线引导农机快速稳定跟踪规划路径。该文参考农机运动学模型极点最优配置算法证明过程,分3步证明了该控制方法的可行性,并通过仿真和试验验证了该方法的有效性。仿真结果显示在不同的初始位置偏差和航向偏差条件下该方法都可以迅速消除偏差以稳定跟踪规划路径,位置偏差校正曲线平滑且超调量微小,说明预瞄追踪模型方法对提高农机导航系统的上线性能和抗干扰能力是有效的。田间试验结果:在初始航向偏差为0,初始位置偏差分别为0.5、1、1.5 m条件下,上线时间分别为6.8、8.2、9.4 s,上线距离分别为6.73、8.11、9.33 m,超调量分别为5.2、7.0、8.5 cm;颠簸不平旱地路面直线路径跟踪的最大误差不超过4.23 cm,误差绝对值的平均值为1 cm,标准差为1.25 cm。数据表明采用该文提出的控制方法具有良好的上线和直线路径跟踪效果,满足农业机械的导航作业要求。     

基于GNSS航向微分和MEMS陀螺仪的农机轮角测量方法

【目的】设计一种农机前轮转角测量方法,代替安装复杂的连杆式轮角传感器。【方法】采用GNSS天线测量航向和速度,MEMS陀螺仪测量车身和车轮的合转动速率,计算MEMS陀螺仪与GNSS航向微分差值,获得车轮转动速率;设计自适应卡尔曼滤波器进行信息融合和校正,获得车轮转向角,并进行性能验证和田间应用试验。【结果】与连杆式轮角传感器测量结果对比,轮角测量方法的拖拉机在偏离航线2.5和1.5 m进行上线时,平均绝对误差(MAE)分别为1.13°和0.87°,均方根误差(RMSE)分别为0.90°和0.68°,上线时间分别为29.4和23.5 s;以4 km/h田间导航应用时,MAE为0.44°,RMSE为0.87°,满足拖拉机旱地作业要求。【结论】GNSS航向微分和MEMS陀螺仪轮角测量方法与连杆式轮角传感器测量性能相当,能够替代轮角传感器用于较低速农业机械导航。     

收获机与运粮车纵向相对位置位速耦合协同控制方法与试验

针对主从导航收获协同卸粮作业过程中作业车辆纵向相对位置控制需求以及拖车驱动系统非线性度较高的问题,该研究设计了一种适用于主从导航协同收获卸粮作业的纵向相对位置协同控制方法。根据协同系统几何关系获得纵向相对位置偏差的平行协同模型,基于动力学原理和位速耦合控制方法设计了纵向相对位置控制器;通过面积辨识方法获取车速系统传递函数,基于传递函数构建仿真模型进行控制器参数全因子仿真优化试验,并与传统PD方法进行仿真对比试验,结果表明该研究方法的最优参数适应性优于传统PD。不同初始偏差的纵向协同田间空载试验结果表明,在主机速度为1 m/s时,3、7和10 m初始纵向偏差下,系统响应平均调节时间分别为7.73、17.2和23.2 s,9组试验的平均稳态绝对偏差为0.091 8 m,平均相对速度稳态误差为0.012 3 m/s,表明该方法具有较好的初始偏差适应性;田间协同收获作业表明,在主机速度为1 m/s时,平均稳态纵向相对位置偏差绝对值为0.077 8 m,标准差为0.091 3 m,协同精度能够满足收获协同卸粮的作业要求。研究结果可为自主收获作业系统研究提供支持。     

基于RTK-GNSS和MEMS陀螺仪的车辆航向角测量技术

【目的】更好地满足车辆自动驾驶时航向角测量的精度要求。【方法】提出卡尔曼滤波算法,把实时动态–全球导航卫星系统(RTK-GNSS)测量出来的经纬度和高程经过高斯投影转换为高斯平面坐标,和微电子机械系统(MEMS)陀螺仪测得的累积航向角进行融合处理,最终得到车辆更为精准的航向角。【结果】融合后的航向角度曲线既保持了GNSS航向的整体变化趋势,也保持了陀螺仪航向的细部变化趋势,且较GNSS和陀螺仪所得曲线更为平滑,可以跟踪车辆180°调头的转弯动作。【结论】卡尔曼滤波算法可以实时在线且精准地测得车辆航向角数据,精度较GNSS测量结果提高80%以上。