基于直流电机与全液压转向器直联的自动转向系统研究

针对农机装备电控液压自动转向系统生产成本高及电动方向盘自动转向系统中控制力矩小、存在自由行程的问题,设计了基于直流电机与全液压转向器直联的自动转向机构及其电控系统,该系统主要包括自动转向执行机构、自动转向控制器和液压转向机构等。自动转向执行机构与原车液压转向机构连接实现自动转向功能,考虑了底盘阿克曼角的自动转向控制器实现车轮转向的精确控制,通过在转向驱动电机输出轴安装电磁离合器和转向柱扭矩传感器实现人工驾驶模式和自动驾驶模式的自动切换。试验结果表明,车轮转角响应平均稳态误差小于0.1°,最大稳态误差为0.158°,±20°阶跃信号最快响应时间达1.2 s,超调量小于1%,可以满足对各种轮式农机的自动导航辅助驾驶转向系统性能的要求。     

玉米行间导航线实时提取

针对高地隙植保机底盘玉米田间植保作业压苗严重的现象,该研究提出了基于车轮正前方可行走动态感兴趣区域(Region of Interest,ROI)的玉米行导航线实时提取算法。首先将获取的玉米苗带图像进行像素归一化,采用过绿算法和最大类间方差法分割玉米与背景,并通过形态学处理对图像进行增强和去噪;然后对视频第1帧图像应用垂直投影法确定静态ROI区域,并在静态ROI区域内利用特征点聚类算法拟合作物行识别线,基于已识别的玉米行识别线更新和优化动态ROI区域,实现动态ROI区域的动态迁移;最后在动态ROI区域内采用最小二乘法获取高地隙植保机底盘玉米行间导航线。试验表明,该算法具有较好的抗干扰性能,能够很好地适应较为复杂的田间环境,导航线提取准确率为96%,处理一帧分辨率为1 920像素×1 080像素图像平均耗时97.56 ms,该研究提出的算法能够为高地隙植保机车轮沿玉米垄间行走提供可靠、实时的导航路径。     

基于动态网格和分区域聚类的玉米苗带识别算法研究

针对基于计算机视觉的玉米苗带中心线提取受自然环境干扰严重的问题,提出基于6×6动态网格与分区域特征点聚类的玉米行定位算法。首先将获取的玉米苗带图像进行像素归一化,采用改进的过绿特征和最大类间方差法分割玉米苗带与土壤背景,得到二值图像;然后通过动态网格扫描二值图像,获取候选玉米苗带特征点,并对候选玉米苗带特征点采用分区域聚类算法,得到玉米苗带特征点;最后通过最小二乘法对特征点进行线性拟合得到玉米苗带中心识别线。田间试验表明,该算法具有较好的抗干扰性能,能够很好的适应较为复杂的田间环境。玉米苗带识别准确率为93.4%,处理一幅分辨率为1 920像素×1 024像素的图像平均耗时320 ms。     

拖拉机机组无人作业协同控制系统设计与试验

为提高拖拉机作业机组无人作业的智能化水平,实现机组横向运动、纵向运动和机具提升作业的协同控制,设计了无人作业协同控制系统。以播种作业机组为研究对象,将拖拉机机组无人作业协同控制系统划分为规划层、决策层和执行层。规划层结合播种农艺要求和机组运动学特性,采用经/纬度坐标规划作业路径,为了同时满足直线作业区域与转向曲线区域的路径跟踪,提出自适应预瞄路径跟踪控制算法。决策层制定了拖拉机机组无人作业联合控制策略,实现拖拉机-播种机联合作业精准控制。执行层对拖拉机转向机构、机具提升机构、油门踏板、制动器、离合器等机构进行硬件线控设计。在此基础上,分别开展无人播种作业仿真与田间试验,仿真结果验证了拖拉机播种机组无人作业协同控制系统的可行性。田间试验表明：拖拉机转向器、油门踏板、离合器、制动器、机具提升机构严格根据规划层与决策层制定的控制指令协同动作。试验过程车轮转向平均误差0.45°,直线段横向误差均值为0.035 m,转向段横向误差最大值为0.11 m;机具提升响应时间为1.2 s、机具提升转角超调量小于1.5°;油门踏板、制动器、离合器均根据决策指令完成操纵动作。无人作业协同控制系统满足拖拉机机...