一种与行驶速度无关的农机路径跟踪方法

针对智能农机自主作业中的路径跟踪控制问题,提出了一种与行驶速度无关的农机路径跟踪方法,该方法对农机行驶速度的变化具有鲁棒性。首先建立了空间参数驱动的非线性相对运动学模型,并证明了基于该模型进行控制方法设计的合理性和可行性。然后对此模型进行反馈线性化和最优控制设计,得到了一种与速度无关的农机路径跟踪控制律。最后进行了实车的路径跟踪实验,实验结果表明该方法的直线路径跟踪精度为4 cm,曲线路径跟踪精度为7 cm,且跟踪精度不受速度变化的影响,验证了该方法的有效性和对速度变化的鲁棒性。     

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。     

多农机重复路径协同作业下的导航路径迭代学习控制

在农作物从种到收多个作业环节中,多农机大都按同一参考路径(存在实时干扰)协同作业。针对"重复路径行驶"特点和借鉴"迭代学习"思想,可以逐渐提高协同作业时的农机导航路径跟踪精度,因此提出一种基于迭代学习控制的农机导航路径跟踪方法。首先,建立了离散的车辆运动学非线性模型;然后,设计了开闭环迭代学习控制律,并进行了收敛性分析;最后,进行了直线和圆形路径跟踪仿真实验。结果表明:迭代学习控制能够实现农机导航路径的完全跟踪;相同迭代次数下,与开环、闭环控制仿真结果比较,开闭环迭代学习控制收敛速度更快,路径跟踪误差逐渐趋近于0。     

基于自校准变结构Kalman的农机导航BDS失锁续航方法

针对农机自动导航作业过程中存在的BDS信号失锁导致系统突然失控的问题,提出了一种适用于轮式农机的基于自校准变结构Kalman滤波器的农机导航BDS失锁续航方法。依据4自由度农机运动学模型,设计了BDS/INS信息融合Kalman滤波器;进行INS导航定位误差不确定度分析,并设计了基于自回归模型的航向校准方法、INS传感器角速率测量零偏实时校准方法,结合上述方法设计了自校准变结构滤波器,进行位姿信息处理,结合导航跟踪控制方法实现失锁续航功能。根据分米级精度要求,进行了机器人直线、矩形路径失锁续航试验和农机田间直线续航试验。机器人续航试验结果表明:行驶速度为1 m/s时,与运用未校准滤波器的续航系统相比,该方法实际平均横向偏差减小34%,横向偏差达到20 cm时机器人在路径上的平均行驶距离提高80%。农机田间续航试验结果表明:行驶速度为1 m/s时,在实际偏差小于20 cm的条件下,农机在路径上的行驶平均距离达到16. 65 m。     

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。     

农机导航自校正模型控制方法研究

针对运动学模型中的近似条件对模型控制方法曲线路径跟踪精度的影响,提出了一种农机导航自校正模型控制方法。该方法采用模型控制方法设计控制律,并采用模糊控制方法自适应地在线调节模型控制律的控制量。农业机械的路径跟踪实验结果表明,该方法既保留了模型控制方法在直线路径跟踪方面的优点,又弥补了模型控制方法在曲线路径跟踪方面的缺陷。当速度为1.0 m/s时,直线路径跟踪最大横向偏差小于0.064 9 m,曲线路径跟踪的最大横向偏差小于0.185 7 m。     

基于状态空间建模的智能农机模型辨识与柔化控制

农机行驶速度切变通常会导致自动导航系统控制精度和稳定性下降、导向轮摆动幅度增大、影响作业效果等问题。本文从建模和控制的角度对上述问题进行了研究改进,设计了智能控制器、转角传感器、RTK基准站等关键设备,建立包含横摆动力学的状态空间模型,实现了能够适应较大速度变化的状态反馈控制器。并以东风DF1004-2型轮式拖拉机为实验平台,进行了智能化改装和实验验证。智能农机路径跟踪控制一般假设速度为常数,基于运动学模型设计反馈控制或者追踪控制,由于没有对横摆角速率状态加以利用,偏差纠正收敛较慢,偏差较大,且速度发生切变时,导向轮调整幅度变大,精度和稳定性均会下降。通过对农机进行系统辨识,建立农机横摆运动的动力学模型,然后运用辨识出的动力学模型设计基于LQR算法的柔化反馈控制,较好地解决了上述问题。在农田中实验结果表明,农机自主导航系统在无速度切变时控制精度达到0.03m,速度发生切变时为0.05m,未发生失稳现象,能够满足农机日常生产工作需求。     

水稻直播机自动驾驶模糊自适应控制方法

为了提高在水田等恶劣环境下作业的自主导航水稻直播机的性能,提出了一种利用模糊逻辑推理自适应调整PD控制器参数Kd的最优控制方法。首先根据水稻直播机的运动学模型,建立链式空间状态模型;然后基于链式空间状态模型,设计了PD控制器,并根据现场实验确定了参数Kp、Kd的取值范围,通过仿真得出了Kp和Kd的值,以及两者比值对系统稳定性和响应速度的影响;最后,提出了模糊自适应控制方法。仿真结果表明,相对于固定参数的PD控制器,模糊自适应控制方法超调较小、上线速度更快、稳定性较好。实地实验结果表明,该方法在水泥路面上平均绝对横向偏差小于0.021 m,水田直线跟踪平均绝对偏差小于0.040 m,与传统的PD控制和纯追踪控制相比,能够有效提高自主导航控制系统的稳定性和快速性。     

基于模糊快速滑模的农用牵引车辆直线路径跟踪控制

为解决无人驾驶牵引式农机在非结构化环境中作业时直线跟踪精度低、上线速度慢、抗干扰能力差等问题,提出了一种基于模糊快速滑模控制的农用牵引式车辆直线路径跟踪控制方法。首先利用车辆运动学模型与参考路径建立牵引车辆直线路径跟踪误差模型,并提出一种基于模糊参数整定的快速滑模直线路径跟踪方法,解决了滑模控制算法的控制器抖振与机具快速上线问题。通过Lyapunov稳定性分析可知,所设计控制方法可保证牵引机具跟踪参考路径,同时铰接角收敛至零。最后,基于Simulink仿真与实车试验对该控制方法的有效性与优越性进行测试。田间实车试验表明,使用本文控制方法时,拖车和挂车最大路径跟踪横向误差分别为0.11、0.12 m,拖车和挂车跟踪误差方差分别为0.001 3、0.001 5 m²;相较于传统基于等速趋近律设计的滑模控制器,上线时间提升约58%,最大跟踪误差减小约66%。     

改进纯追踪模型的插秧机导航路径跟踪算法

关于纯追踪模型跟踪算法的研究很多,但大都集中在直线路径跟踪方面。由于插秧机田间行驶路径包括直线作业段和地头曲线转弯段,因此需要对传统的纯追踪算法进行改进,使其满足曲线路径跟踪。本研究以约翰迪尔Starfire3000型接收机、GS2630型显示器和ATU200型电动方向盘为主要硬件设备,针对给定的曲线路径,提出了一种路径跟踪控制算法,并通过模型仿真和田间试验相结合的方法,对该导航控制算法进行了验证分析。该导航控制算法的具体步骤如下:首先根据车辆速度和路径弯曲程度来动态调整前视距离,其次在利用预见控制求得车辆目标点的基础上,利用改进的纯追踪算法设计控制器,最后按照插秧机作业时的路径进行仿真和试验。试验结果为:车辆以1m/s的速度行驶且在转弯半径为0.9m时,最大误差可控制在16cm以内。     

含斜坡扰动的轮式拖拉机路径跟踪控制方法

针对部分地区横向斜坡农田地形导致路径跟踪控制算法精度下降的问题，提出了一种包含路面坡度扰动的动力学模型与跟踪误差模型结合的轮式拖拉机行驶动态过程的控制模型，并基于此模型通过线性模型预测控制方法得到控制律，由于预测模型包含了坡度的影响，使得反馈校正能够提前补偿，有效改善了农机在坡地上的路径跟踪性能。考虑到农机在不同行驶阶段对于误差和稳定程度需求的不同，提出了自适应的模型预测方法，令Q、R值随动变化以应对不同的需求(随动变化指的是两者相对大小的变化而非绝对数值)。进行了预测区间与控制区间选择的试验，而后基于简单运动学模型的模型预测控制进行了有无自适应Q、R的对比试验，最后分别在固定斜坡角的横向斜坡路面上和在斜坡角连续变化的横向斜坡路面上进行了本文方法与基于简单运动学的模型预测控制方法对比试验。试验结果表明：自适应能显著提升控制效果；本文方法在横向斜坡路面上的路径跟踪表现明显优于基于简单运动学模型的方法，此外稳态时的稳定程度也有较大的提升。     

自动导航插秧机路径跟踪系统稳定性模糊控制优化方法

为了提高自动导航插秧机路径跟踪系统的稳定性,提出了一种利用模糊控制调整纯追踪模型前视距离的路径跟踪方法。在考虑自动转向系统一阶惯性环节的情况下,建立插秧机运动学模型,分析了在跟踪直线时纯追踪模型的稳定性条件;基于此稳定性条件,以速度和横向偏差为输入,以前视距离为输出,建立模糊控制模型实时调整纯追踪模型的前视距离;以洋马VP6E型水田插秧机为实验平台对所提出方法进行了实验验证,结果证明,该方法能有效提高路径跟踪系统的稳定性。     

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。     

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。     

基于干扰观测器的直播机路径跟踪快速终端滑模控制

针对农田中存在不确定性干扰时,会导致建立的无人水稻直播机运动学模型精确度不高,从而使路径跟踪收敛时间长,跟踪效果较差等问题,提出由直播机运动学模型建立相应的非线性干扰观测器从而实现对不确定性复合干扰的精确观测。将观测到的干扰值补偿到运动学模型中以提高模型的精度,降低滑模控制的抖振。为了控制直播机沿指定路径作业并提高路径跟踪收敛时间,设计了一种快速终端滑模控制算法。基于李雅普诺夫判据检验了算法闭环系统的稳定性。使用Matlab/Simulink建立了农机运动学仿真模型,仿真结果表明,非线性干扰观测器能精确观测出系统的不确定性干扰。与不带干扰观测器的滑模控制算法相比,本文控制算法可有效减少收敛时间,抑制干扰带来的抖振。无人直播机水田作业实验表明,采用本文所提出的算法以1.2m/s的速度高效作业时,横向平均绝对偏差为0.0247m,均方差为0.0311m。并且转弯收敛速度快,无超调,路径跟踪精度满足实际作业要求。     

基于模糊自适应纯追踪模型的农业机械路径跟踪方法

为了提高农业机械自动导航控制系统的精度,提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法.该方法基于纯追踪模型进行农业机械路径跟踪控制,结合农业机械运动学模型来确定车轮期望转向角;采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离,提高了路径跟踪的精度.农业机械的路径跟踪实验结果表明,路径跟踪的最大误差不超过10 cm,平均误差小于5 cm,完全满足农业机械的作业要求,验证了提出方法的可行性和有效性.     

基于模糊控制的插秧机LQR曲线路径跟踪控制器优化方法

为了提高无人插秧机地头转向时的曲线路径跟踪精度,针对传统的误差权重矩阵固定的线性二次调节器（Linear quadratic regulator,LQR）路径跟踪控制器对插秧机的纵向速度、横向偏差以及航向角偏差的变化适应性较差的问题,基于车辆二自由度动力学模型,提出了一种通过模糊控制实时调整LQR控制器误差权重矩阵的路径跟踪控制器优化方法。该方法以纵向速度、横向偏差、航向角偏差为输入,以横向偏差和航向角偏差对应的误差权重为输出,建立模糊控制模型实时调整LQR控制器的误差权重矩阵。为了验证所提出算法的曲线路径跟踪控制精度和可行性,以改装后的洋马VP6E型无人插秧机为对象,进行Carsim和Simulink联合仿真试验以及实车试验。仿真试验结果表明,控制插秧机跟踪半径为2m的1/4圆弧路径时,所提出算法控制下的横向偏差绝对值均值为0.014m,最大值为0.032m,小于0.04m的占100%,航向角偏差绝对值均值为1.67°,最大值为4.94°,相较于传统引入前馈控制的LQR控制器,横向偏差绝对值均值降低50%,航向角偏差绝对值均值降低23%。实车试验结果表明,在插秧机跟踪半径为2m的1/4圆弧路径时,所提出算法控制下横向偏差绝对值均值为0.027m,最大值为0.048m,小于0.04m的占62%,航向角偏差绝对值均值为1.86°,最大值为4.94°,相较于传统引入前馈控制的LQR控制器,横向偏差绝对值均值降低40%,航向角偏差绝对值均值降低4.1%。该方法提升了无人插秧机曲线路径跟踪控制精度,为无人插秧机曲线路径跟踪控制提供了参考。