农用轮式铰接车辆滑模轨迹跟踪控制算法

针对农用轮式铰接车辆驾驶员工作条件恶劣的问题,该文提出了一种应用于无人驾驶系统的滑模变结构控制铰接车精确轨迹跟踪的方法。首先推导出了铰接车的运动学模型,根据该模型建立实际行驶轨迹与参考轨迹偏差的模型,之后针对偏差模型设计滑模变结构路径跟踪控制器,该控制器使用Ackermann公式设计,控制律采用指数趋近律使系统有较快的响应和较小的抖振,同时,为了进一步抑制滑模控制器固有的抖振问题,将趋近律中的符号函数替换为连续函数,以避免趋近律数值产生阶跃变化,并用Lyapunov函数证明了其稳定性,最后在硬件在环仿真中验证了控制器的实时性和路径跟踪质量。结果表明,该控制器在硬件在环仿真环境下可将横向位置偏差、航向角偏差、曲率偏差分别控制在0.21 rad(12°)、100 mm、0.17rad(1°)、0.005 m-1附近,各向偏差均在10 s内达到平衡,且误差控制在5%以内,铰接车能有效跟踪参考路径。该研究为农用轮式铰接车辆实现无人驾驶提供参考。     

在线重力补偿下工程机器人自主作业轨迹跟踪性能分析

工程机器人自主作业时,工程机器人动臂举升、前臂摆动重心上升过程中需要克服自身重力做功,而在工程机器人动臂下降、前臂摆动重心下降过程中,自身重力要参与做功,影响工程机器人的运动速度,进而影响工程机器人自主作业的轨迹跟踪效果。针对这一问题,建立了工程机器人动臂、前臂的动力学模型,探讨采用最小二乘拟合法辨识动力学参数,进行工程机器人动臂、前臂的在线重力补偿,以消除在自主作业过程中重力做功对轨迹跟踪的影响。最后,在工程机器人试验台上进行了试验。试验结果表明,在线重力补偿可有效地补偿工程机器人自主作业过程自身重力,消除工程机器人动臂和前臂在运动过程中重力做功对自主作业轨迹跟踪过程的影响,有利于减小轨迹跟踪误差,提高工程机器人自主作业轨迹跟踪的性能。     

基于三目视觉的自主导航拖拉机行驶轨迹预测方法及试验

为了实现自主导航拖拉机离开卫星定位系统时能够持续可靠工作,该文提出了基于三目视觉的拖拉机行驶轨迹预测方法。该方法将三目相机分解为长短基线2套双目视觉系统分时独立工作。通过检测相邻时刻农业环境中同一特征点的坐标变化反推拖拉机在水平方向上的运动矢量,并通过灰色模型预测未来时刻的运动矢量变化,最终建立不同速度下的前进方向误差模型。试验结果表明:拖拉机行驶速度为0.2 m/s时,46.5 s后前进方向误差超过0.1 m,对应行驶距离为9.3 m。行驶速度上升到0.5 m/s时,该时间和行驶距离分别降低到17.2 s和8.6 m。当行驶速度上升到0.8 m/s时,该时间和距离分别快速降低至8.5 s和6.8 m。行驶速度越高,前进方向误差增速越高。该方法可用于短时预测拖拉机的行驶轨迹,为自主导航控制提供依据。     

基于模糊双曲正切模型的车辆路径跟踪算法

为了实现铰接式车辆无人驾驶技术。针对路径跟踪问题,该文提出了基于模糊双曲正切模型的铰接式车辆路径跟踪控制算法。首先根据实地试验测得铰接式车辆的横向偏差、横向偏差变化率、航向角偏差、航向角偏差变化率和转向角的样本数据,建立其模糊双曲正切模型。在此基础上,采用改进的自适应反向传播(back propagation,BP)神经网络对模型进行参数辨识,并推导了基于Cauchy鲁棒误差估计器的权系数调解率公式。然后设计基于极点配置方法的控制器,得到转角的反馈控制率。从试验数据可以看出:车辆横向位置偏差、航向角偏差、转角控制量分别控制在0.008 m、0.07 rad(0.5°)、0.21 rad(12°)附近,各向偏差均稳定,误差控制在1%以内。该种路径跟踪控制算法的研究可为铰接式车辆无人驾驶提供参考。     

基于超宽带无线定位的农业设施内移动平台路径跟踪研究

为实现农业设施内车辆自动导航,提出了一种基于超宽带(ultrawideband,UWB)无线定位的路径跟踪方法。运用4个基站组建UWB无线定位系统,采用加权最小二乘法(weighted least squares, WLS)法解超静定方程组,提高了移动标签的定位精度。重新定义前视距离,根据车体航向与前视直线的夹角界定车体偏差程度,并提出基于动态前视距离的改进型纯追踪模型。在MATLAB 2016a软件环境下的仿真说明该文算法优于采用固定视距的传统纯追踪算法,并进行实车试验。结果显示,在UWB定位系统的引导下,车体在不同初始状态下均能很好地收敛到期望直线,当速度为0.5 m/s时,在4种初始状态下进行直线跟踪,稳态偏差为5.4～8.4 cm,稳态偏差均值为6.3 cm。在矩形路径跟踪时,当横向偏差和航向偏差均为0的初始状态下,全程平均偏差为20.6 cm,跟踪偏差主要出现在90°转向处,最大偏差为85.5 cm,说明改进后的纯追踪算法的路径追踪质量均优于采用固定视距的传统纯追踪模型,能满足农业设施内移动平台自动导航的需求。该方法可为农业设施内车辆导航提供新思路。     

立体坡面农业四足移动平台姿态控制策略与试验

针对农业四足移动平台在田间行走时的姿态稳定性、负载平稳性差等问题,提出一种立体坡面姿态控制向量策略,在建立四足移动平台运动学模型基础上,通过对一维俯仰、二维横滚坡面姿态姿态向量变化分析,得出立体坡面机身运动姿态角与各腿关节转角的变换方程,而后运用欧拉动力学方程、SLIP理论及次优支撑三角形内稳定裕度理论对四足移动平台平面Trot与坡面Walk步态进行规划。根据Matlab/Sim Mechanics的坡面姿态仿真试验,对所提出的控制策略进行研究,选择俯仰、横滚姿态变化的限定最小角度;Matlab-Adams虚拟样机仿真试验,验证立体坡面姿态变换方程及其步态规划的可行性,得到四足移动平台在俯仰、横滚均为10°的立体坡面行走时,其俯仰与横滚角变化范围在-2°~2°。通过四足移动平台物理样机进行机身姿态角与关节转角变化关系测试和立体坡面姿态行走试验,试验结果与仿真基本一致,验证立体坡面姿态变换方程及其步态规划的合理性;实现了四足移动平台坡面运动姿态保持水平的目的,提高了立体坡面行走的稳定性;负载平稳性能试验结果表明:该文提出的坡面姿态控制策略,在上、下坡及立体坡面行走时,其负载平稳性与无姿态控制器相比分别提高了15.8%,16.2%和16.0%,增强四足移动平台作为农业移动辅助平台的作业性能,为现代农业移动平台运动姿态控制的设计提供了参考。     

基于头尾定位的群养猪运动轨迹追踪

猪的头/尾位置直观反映了猪的进食、饮水、争斗、追逐等日常活动。从群养猪俯视视频中有效分割粘连的猪个体,找出猪的头/尾部,并以头/尾坐标实现较精准的运动轨迹追踪有着较大的难度。该研究采用改进分水岭分割算法分割视频图像帧中的粘连猪个体;对分割后的猪体提取头/尾轮廓,分别用类Hough聚类和圆度识别算法识别每头猪的头/尾,用运动趋势算法修正头/尾识别的误差,生成以头/尾部为定位坐标的运动轨迹。运算结果和人工标记对比证明类Hough聚类和圆度识别算法的头尾识别正确率分别为71.79%和79.67%;经过运动趋势修正后,以头部为定位坐标生成的运动轨迹与人工标记生成运动轨迹吻合良好;对比头/尾轨迹和质心轨迹可以发现,头/尾轨迹能够更多获取猪个体和群体活动、运动信息。该研究对于实现自动记录和分析猪个体和群体的活动行为提供新的思路和方法。