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。     

基于模糊Stanley模型的农机全田块路径跟踪算法研究

为实现农业机械全田块高效自主作业,提出一种增益系数自适应的Stanley模型路径跟踪算法。以横向偏差和航向偏差为输入变量构建隶属度函数,设计模糊推理和解模糊化过程实时确定控制模型增益系数,提高Stanley模型对不同曲率路径的自适应能力。为验证所提算法有效性,以移动小车为平台开展联合收获机回字形全田块自主作业路径跟踪试验,结果表明所提算法显著改善Stanley模型路径跟踪精度,直线作业速度2.5m/s、转弯速度1m/s时,直线段和曲线段最大跟踪误差均小于3cm。大初始横向偏差路径跟踪试验表明,模糊Stanley模型较Stanley模型大幅度减小路径跟踪上线距离,满足农业机械全田块高效自动导航作业要求。     

山地履带拖拉机坡地等高线作业土壤压实应力研究

山地履带拖拉机（配备姿态调整机构）具有良好的稳定性和越障性能,特别适宜在丘陵山区坡地作业,然而由于坡地角的存在导致拖拉机两侧履带下的应力分布极不均匀,使得拖拉机附着性和通过性均降低。本文针对山地履带拖拉机坡地等高线行驶/作业时,坡地土壤内部应力分布规律不明确以及如何提高应力均匀性缓解土壤压实等问题,在深入分析坡地工况下履带最大接地比压与应力传递基本规律的基础上,采用EDEM-RecurDyn耦合方法进行了仿真试验,并采取土压力盒埋设法分别开展了基于小型坡地土槽的静态试验和坡地试验田的动态试验;其中,静态试验探究了不同深度土壤在含水率、初始紧实度、加载质量及坡地角等影响下的垂直应力分布规律;动态试验探究了山地履带拖拉机坡地等高线行驶/旋耕作业时履带下方土壤应力随作业速度、车身状态（调平/未调平）及牵引负载的变化规律;并分析了履带张紧力对土壤垂直、水平应力分布的影响。试验结果表明：履带下垂直应力在各支重轮的轴线处呈现一个应力峰值;水平应力在各支重轮轴线的前、后方分别出现一个应力峰值;适当增大作业速度,可减小土壤内部垂直和水平应力峰值,拖拉机速度由0.5 km/h增加到1.5 km/h,垂直...     

自动驾驶拖拉机轨迹跟踪研究

为解决自动驾驶拖拉机的轨迹跟踪问题,本文以东风954拖拉机为原型,建立二自由度运动学模型,推导出线性化自动驾驶拖拉机跟踪误差模型,提出一种基于模型预测控制的轨迹跟踪方法。通过Matlab对轨迹跟踪进行仿真,并在现场对系统进行试验。仿真结果表明AB线的入线性能良好,入线后直线度偏差较小。现场试验表明前进和倒车时,与参考轨迹线距离相同时,速度越快,入线米数越远。在不同车速、车身与参考轨迹成不同角度时,入线后跟踪轨迹与参考轨迹的偏差都在1 cm以内,证明该控制器可行,具有良好的精确性和稳定性。     

基于变前视距离的四轮同步转向农机改进纯跟踪控制

路径跟踪控制是提高自主导航系统控制精度的关键。针对在复杂农田作业环境下转弯时纯跟踪算法跟踪精度不高的问题,本文提出了一种基于改进纯追踪模型的四轮同步转向农机路径跟踪控制算法。建立了基于四轮同步转向农机的运动学模型和纯跟踪模型,在此基础上考虑航向误差得到改进纯跟踪模型,进行RTK定位坐标修正,根据量化误差的评价函数搜索前视区域最优目标点,得到最优前视距离。本文算法能实时确定四轮同步转向农机改进纯跟踪模型中的前视距离,使航向误差和横向误差最小化,实现目标点的自适应优化。仿真结果表明,本文方法转弯时平均绝对横向误差减至0.035m,平均绝对航向误差减至0.212°;水田实验结果表明,当四轮同步转向农机作业速度为3.6km/h时,四轮转向农机轨迹跟踪平均绝对横向误差减至0.109m,平均绝对航向误差减至2.799°,转弯跟踪精度显著提高。     

基于粒子群算法改进的轮式收获机纯追踪模型的路径跟踪研究

为满足轮式收获机地头收获路径跟踪精度要求，本研究提出了一种基于粒子群改进的带有预测特性的纯追踪路径跟踪算法。建立了轮式收获机运动学模型，推导了基于轮式收获机运动学模型的纯追踪路径跟踪算法。以收获机航向误差和横向误差为基础，构建了带有预测特性的隶属度函数，采用权重系数自适应方法，通过粒子群优化（PSO）算法，实现了实时动态确定最优前视距离。以玉米收获机为试验平台，开展了直线路径跟踪路面试验与“8”字曲线路径跟踪路面实验，试验结果表明：在1.5m/s速度时，直线路径跟踪的最大横向误差为4.39cm，最大航向误差为2.31°。在1m/s时，曲线路径跟踪的最大横向误差为5.24cm，最大航向误差为2.41°。试验结果表明本文设计改进的路径跟踪算法对直线路径及曲线路径都具有良好的路径跟踪效果，满足轮式收获机田间作业要求。     

基于模型预测的插秧机路径跟踪控制算法

为了提高自动驾驶插秧机路径跟踪更高频的控制,本文提出一种基于模型预测的路径跟踪控制方法。以模型预测算法为基础设计自动驾驶控制器,通过简化农机车辆模型、线性化运动学方程、制定约束量,实现以当前状态量p=(x,y,θ)预测下一时刻的车辆状态,控制自动驾驶插秧机沿参考路径行走。通过在Matlab中建立仿真模型验证控制器的可行性,结果表明：直线路径跟踪横向偏差小于0.02m,航向偏差小于0.08°,曲线路径横向偏差平均值为0.022m、航向偏差平均值为0.699°,可用于实车试验。另外,以水稻插秧机为试验平台,通过设置不同车速验证算法的鲁棒性,直线路径跟踪平均横向、航向偏差分别为0.021m、6.187°,曲线路径跟踪平均横向、航向偏差分别为0.450m、10.107°,可满足自动驾驶插秧机路径跟踪精度及实时性需求,为农机路径跟踪控制研究提供了参考。     

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。     

花生收获机自动驾驶作业系统设计与试验

为提高花生收获机的智能化水平,设计了花生收获机自动驾驶作业系统。以东泰机械4HBL-2型自走式花生联合收获机为平台,针对花生收获机操作台、变速机构和作业机构设计了具有CAN总线接口的手自一体化电控系统,采用PD控制算法和Bang-Bang控制算法实现了行走和作业系统的控制。针对花生收获作业农艺要求,设计了花生收获机联合作业策略、自动导航路径规划和路径跟踪控制方法。以行驶速度0.25m/s在水泥路面和沙质土壤花生地进行了自动驾驶收获作业试验。水泥路面试验结果表明,花生收获机直线跟踪平均绝对偏差为4.34cm,最大偏差为9.30cm;沙质土壤田间试验结果表明,花生收获机直线跟踪平均绝对偏差为5.12cm,最大偏差为12.20cm,满足花生联合收获作业要求。     

基于最优控制的导航拖拉机速度与航向联合控制方法

为提高自动导航拖拉机工作效率和作业质量,以自动变速系统和自动转向系统为硬件支撑,结合最优控制理论,设计了基于速度和转向角的双参数最优控制算法.针对耙地作业要求,设计了直线路径跟踪与地头转弯路径跟踪控制器,运用Matlab软件对所设计的控制器进行了仿真分析,通过田间试验对所设计的控制器进行了验证.试验结果表明:控制器的横向偏差小于0.12m,航向偏差小于1.1°,速度偏差小于0.2 m/s,满足自动导航作业要求.     

拖拉机自动导航单因子控制系统设计

针对当前拖拉机自动导航转向控制系统结构复杂、算法繁琐及对上位所检测机位置姿态信息要求较高等特点,设计了一种基于51单片机为中央控制载体的拖拉机自动导航执行系统。本系统在不改变原车的液压转向控制系统的前提下,通过加装以步进电机为动力的驱动装置带动方向盘转动实现前轮转向;同时利用角度传感器不断检测前轮转角,为系统在进行转向决策时提供反馈,并且在执行过程中采用涡轮电机控制齿轮啮合与分离。控制系统采用单因子补偿控制算法,通过判断当前车辆的横向偏差走势判断当前的车身偏角。为验证程序算法以及结构设计的可行性,以TN954为实验对象,构建了转向系统和车身偏角的数学模型,运用Matlab/Simulink进行仿真。结果表明:拖拉机以3 km/h作业速度行驶时,在初始横向轨迹偏差设定在5 cm的调整过程中,稳态误差达到2%,单因子补偿控制算法所需的平均调整时间为1. 4 s,满足当今拖拉机自动驾驶控制实时性的要求。     

农田平地机导航侧滑估计与自适应控制方法

针对农田平地机在无人驾驶作业时因受地面侧滑影响而导致路径追踪控制精度降低的问题,提出一种基于牵引式农田平地机的导航侧滑估计与自适应控制方法。根据路径追踪时平地铲与拖拉机的位置关系,建立了牵引式农田平地机的运动学模型;基于运动学模型,提出了一种侧滑估计器,用来预测导航控制中车轮因侧滑产生的侧滑角,并计算出拖拉机的前轮转角控制率;采用改进的非线性函数构造方法对PID控制器的参数KP、KI、KD进行实时整定,实现了农田平地机自适应导航控制。田间试验表明,该方法使平地铲路径追踪的平均绝对偏差减小了6.78 cm,标准偏差减小了10.1 cm。与无侧滑估计和参数自适应的导航控制相比,本文方法提高了农田平地机的路径追踪精度,增强了导航控制系统对平地机的适应性和鲁棒性。     

基于虚拟雷达和两级神经网络的割草机路径跟踪算法

为提高果园内小型双电机驱动履带式割草机恶劣路面下路径跟踪精度，提出了一种基于虚拟雷达路径感知和两级深度神经网络的路径跟踪控制算法。首先搭建了两级串联的人工深度神经网络，一级深度神经网络通过虚拟雷达路径感知算法，计算得到履带式割草机与目标路径的相对位置关系。二级深度神经网络根据履带式割草机跟踪偏差、航向角、横向偏差影响因子、折算履带滑转率以及履带式割草机与目标路径的相对位置关系，计算得到两侧驱动电机的控制转速，实现路径跟踪控制。在灌溉翻浆的果园路面，开展了履带式割草机U形路径跟踪实车试验，当车速分别为0.4、0.8 m/s时，该算法路径跟踪的最大横向偏差分别为0.064、0.072 m,平均横向偏差分别为0.026、0.033 m。与传统的纯追踪控制算法相比，最大横向偏差分别减小31.18%、20.88%,平均横向偏差减小35.00%、29.79%。基于虚拟雷达和两级深度神经网络的路径跟踪控制算法可有效提升履带式割草机在恶劣路面下的路径跟踪精度。     

一种履带拖拉机自动导航转向控制方法

针对由于转向机制不同导致的自动导航系统无法在轮式与履带式拖拉机上通用的问题,提出了一种基于履带转速与虚拟驱动速度和虚拟转向角转换模型的控制方法。通过对轮式车辆中性转向二轮模型和履带车辆转向模型的分析,推导出履带车辆两侧履带卷绕速度与虚拟转向角和虚拟驱动速度的表达式,为自动导航驾驶系统构建完整的反馈控制。进行实车转向试验,采集数据,对提出的转换模型进行验证。结果显示,该转换模型下理论值与实际参考值具有很好的对应关系,该转向控制方法可行。      

基于运动特性的农机导航控制方法

农业机械（农机）运动学模型的精度影响导航控制精度和稳定性,为提高农机路径跟踪控制器精度,提出了一种基于运动特性的农机导航控制器设计方法。该方法主要是对传统二轮车运动学模型建模方法进行改进,针对传统二轮车模型小角度近似替代（方向角等于横摆角）的缺点,采用加入侧偏角的方法优化农机运动学建模过程。采用相同的控制方法（状态反馈控制）和不同的运动学模型设计控制器进行对照实验。直线路径跟踪时,侧偏角对模型精度影响较小,引入侧偏角可以在一定程度上影响农机的跟踪精度;曲线路径跟踪时,侧偏角对方向角的变化影响较大,可以大幅影响路径跟踪精度。以安装有自动导航设备的拖拉机为实验平台进行实地实验,结果表明：直线行驶的最大横向误差平均值为0.0454m,绝对平均误差平均值为0.0149m,标准差平均值为0.0119m;曲线行驶的最大横向误差平均值为0.1613m,绝对平均误差平均值为0.0688m,标准差平均值为0.0434m;基于本文提出的优化模型设计的路径跟踪控制器对直线路径跟踪有一定提升,对曲线跟踪精度有大幅提升。     

基于多模型迭代的车辆状态融合估计方法

为了提高车辆行驶状态估计的可靠性,提出一种基于多模型观测器误差补偿与迭代的车辆状态融合估计方法。基于三自由度车辆动力学模型设计了车辆状态强跟踪滤波估计算法;同时,根据四轮轮速耦合关系,考虑到数据扰动和病态矩阵的影响,设计了车辆状态的岭估计算法。为进一步提高估计系统的可靠性,提出了动力学模型观测器与运动学模型观测器补偿与迭代的估计方式,设计了模糊控制器,根据实时的质心侧偏角和滑移率的伪量测值,判断强跟踪滤波器和岭估计器估计结果所占权重,利用闭环估计系统的迭代与融合提高估计性能。仿真和道路实验结果表明,所提出的车辆状态融合估计方法能够兼顾强跟踪滤波算法与岭估计算法的优势,根据车辆纵向滑移和质心侧偏角动态调节强跟踪估计与岭估计结果的权重系数,从而在保证估计精度的同时提高了估计系统的多工况适应能力。     

拖挂式大载荷特种车辆导航控制系统设计与试验

针对拖挂式大载荷特种车辆作业自动化以及高精度安全作业需求,以大载荷牵引车为对象,设计了一套拖挂式机组自主导航控制系统。车载程控系统采用模块化分布式系统,通过CAN总线实现系统内各模块间通信,远程运管平台与车载程控终端之间采用TCP协议进行数据通信,实现远程运管平台与车载程控系统间信息交互。建立拖挂式特种车辆的运动学模型,分析牵引作业时被牵引机具的牵引状态和最小转弯半径。针对传统纯追踪算法中固定前视距离缺陷,本文根据当前牵引车实时速度、追踪路径曲率、航向等信息动态计算前视距离,将固定前视距离改进为动态前视距离追踪,由单参数变为多参数进行优化控制参数,显著提高了轨迹追踪精度;使用随机森林算法对轨迹追踪数据进行特征提取,根据各个特征重要性指标权重,修改算法参数。在试验场地为水平倾斜度最大为2°的空旷的水泥跑道上,牵引车质量2t,被牵引机具质量10t、长22m,且牵引机组设计要求最大行驶速度为6km/h、最大横向偏差为50cm。根据复杂路径试验与数据分析,系统纠偏响应时延最大为84ms,牵引机组绝对横向误差最大为37.14cm,平均绝对误差为14.91cm,满足大载荷拖挂作业中的实际应用要求。     

扰动下农用运输车辆路径跟踪控制器设计与试验

为提高农用运输车辆路径跟踪的鲁棒稳定性,基于线性模型预测控制结合农用运输车辆特点设计了路径跟踪控制器。该方法首先将农用运输车辆的运动学模型进行离散化求解,推出误差模型作为控制器预测方程,为使农用运输车能够克服在田间行驶时的各种干扰,通过构建李雅普诺夫函数重点分析了该模型的鲁棒稳定性,得到控制周期约束条件,然后建立目标函数并引入松弛因子,最后把预测模型代入目标函数进行优化求解,重复以上过程,实现优化控制。Matlab仿真表明：当前轮转角扰动不大于15°及横向扰动不大于1.5m时,控制器可以迅速起到调节作用,使车辆快速回到参考轨迹上行驶。对应的场地试验结果表明：试验小车以2m/s的速度跟踪参考路径时,直线路段跟踪效果良好,最大横向偏差为10.57cm,均值为8.49cm;添加扰动路段的跟踪偏差较大,最大横向偏差为23.89cm,最大纵向偏差为62.53cm,但在控制器的控制作用下可以实现对路径的有效跟踪。由此可见,该控制器在速度小于等于2m/s的情况下,可以满足农用运输车辆对路径跟踪的精度与鲁棒稳定性要求。     

高地隙植保机辅助驾驶系统设计与试验

针对高地隙植保机作业时驾驶员视野较差导致压苗伤苗的问题,提出了一种辅助驾驶方法。以某高地隙植保机为研究对象,设计了一套人机辅助驾驶系统。首先详细阐述了辅助驾驶系统的液压系统设计方案,在此基础上进行了转向系统结构改进;其次基于预瞄算法和二自由度车辆转向模型,进行转向系统前轮转角控制研究;最后基于Lab VIEW软件创建了辅助驾驶控制系统。在0. 5 m/s的速度条件下,分别在水泥路面和玉米田间环境下进行了试验,试验结果表明,水泥路面条件下,辅助驾驶系统直线路径跟踪偏差均值为5. 2 cm、标准差为3. 4 cm;玉米田间行驶条件下,辅助驾驶系统的跟踪偏差均值为6. 8 cm、标准差为4. 8 cm;设计的辅助驾驶系统在宽行种植作物中具有良好的实用性。