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。     

基于模糊控制的农用车辆路线跟踪

构建了自动导航模糊控制器,并详细阐述了基于模糊控制的自动转向方法.在改装的电瓶车上,开发了基于DGPS、电子罗盘和角度传感器的自动导航控制系统,并论述了其结构和工作原理,提出了直线跟踪和曲线跟踪的方法,使用简化的二轮车运动学模型进行了仿真,并进行了直线跟踪和曲线跟踪试验.仿真和试验结果表明,此导航控制系统可以有效地控制电瓶车按预定的路径行走.当速度为1m/s,直线路径跟踪时的最大偏差为0.19m;当速度为0.8m/s,曲线路径跟踪时的最大偏差为0.26m.     

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。     

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。     

联合收获机大曲率路径视觉导航方法

针对联合收获机大曲率路径难检测的问题,在旋转投影直线检测的基础上提出了双切线大曲率路径转弯半径估计算法。基于简化的二轮车运动学模型,在联合收获机机器视觉导航试验平台上,设计了智能控制器,以便根据不同路径选择不同的控制方式。路面与麦田试验结果表明：双切线转弯半径估计算法能够有效地检测曲线路径转弯半径;在小麦正常收获速度下,联合收获机能够跟踪转弯半径大于10m的曲线路径,路面曲线跟踪误差最大值为0.19m,田间曲线边界跟踪过程中割幅变化范围最大为0.29m。     

基于虚拟雷达模型的履带拖拉机导航路径跟踪控制算法

为提高传统果园广泛使用的小型履带式拖拉机导航路径跟踪控制精度和行驶稳定性,提出了一种基于虚拟雷达模型的导航路径跟踪控制算法。该算法借鉴人对车辆的驾驶经验,参考雷达扫描原理和图像识别原理,构建了虚拟雷达模型,生成虚拟雷达图,使用该图描述车辆与路径的位置关系;经深度神经网络分类生成对应的履带拖拉机行驶操作指令;以果园作业典型的U形路径为例进行了仿真验证试验和实车试验。仿真结果表明：本文提出的算法能够精准实现导航路径跟踪控制。果园实车试验表明：当车速为0.36、0.75m/s时,该算法路径跟踪的最大横向偏差分别为0.150、0.191m,平均横向偏差分别为0.031、0.051m,标准差分别为0.025、0.036m;与模糊控制算法相比,最大横向偏差分别减小了15.73%、36.33%,平均横向偏差分别减小了27.91%、19.05%,标准差分别减少了21.88%、28.00%。研究表明,基于虚拟雷达模型的导航路径跟踪控制算法具有更高的路径跟踪精度和行驶稳定性,满足果园实际作业需求。     

基于履带式联合收获机转向特性的局部跟踪路径规划

为降低履带式联合收获机导航路径跟踪转向控制频率和提高控制系统的稳定性,提出了一种预瞄-切线局部跟踪路径动态规划算法。规划的局部跟踪路径由平滑连接的两段弧线组成,第1段圆弧由收获机当前位姿与1/2横向偏差线上的预瞄点确定,第2段圆弧由收获机在1/2横向偏差线的实际位姿与期望路径的几何关系确定;基于收获机实际转向运动特性建立了相适应的转向控制模型,左转、右转控制模型拟合的决定系数R2分别为0.978、0.980。田间直线导航跟踪对比试验表明：当前进速度为0.4、0.8m/s时,横向偏差的标准差分别为0.0489、0.0507m,航向偏差的标准差分别为3.94°、4.66°,转向控制次数分别为19、12次;与传统纯追踪算法相比,横向偏差的标准差分别减小19.04%、31.30%,航向偏差的标准差分别减小25.94%、9.16%,转向控制次数分别减少47.22%、42.86%。本研究可为履带式农机车辆导航控制器设计提供参考。     

基于CAN总线的拖拉机导航控制系统设计与试验

为提高农业机械导航控制的准确性,在东方红-X804型拖拉机平台上设计了一种基于CAN总线的导航控制系统,该系统包括导航控制器、GPS定位系统、转向系统以及CAN通信模块。上位机节点采用嵌入式ARM处理器AT91SAM9261,以双闭环PID控制算法实现转向控制,并基于收发控制芯片SN65HVD1050D设计了CAN接口电路。功能节点分别实现转向控制、油门开度控制、制动控制、角速度测量以及机具升降控制。根据CAN2.0总线协议制定了主动节点和从动节点的数据传输通信协议。进行了CAN通信试验以及田间作业试验。结果表明,CAN总线系统能保证信号及命令传输,东方红拖拉机能按照规划路径进行行驶、转向、变速等操作。其中,转向系统的方波信号角度跟踪稳态时平均误差0.41°,跟踪时间为1.32s;拖拉机田间试验过程中,直线行驶的横向跟踪误差平均值为0.021m,地头转向的横向跟踪误差平均值为0.016m。     

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。     

变速条件下农业机械路径跟踪稳定控制方法

为提高农业机械(农机)路径跟踪控制在不同速度条件下的稳定性和鲁棒性,提出了基于链式系统模型和小范围稳定性分析优化的直线路径跟踪控制方法。首先,根据几何约束建立农机非线性运动学模型,并基于链式系统模型将其转换为线性链式系统,进而对系统的误差项进行线性组合,得到农机路径跟踪控制方法;然后,基于控制方法在平衡位置小范围的稳定性分析,对控制方法进行优化,使得农机路径跟踪控制在平衡位置小范围的稳定性与行驶速度无关;最后,以水稻穴直播机为实验平台开展了直线跟踪对比实验和农机作业实验。结果表明,相比于PID控制方法,本文控制方法在3种不同速度下均能保持直线跟踪控制的稳定性,并且具有较高的控制精度。同时,本文路径跟踪控制方法的稳定性与行驶速度无关,农机作业的行驶速度在0. 4～2. 0 m/s范围内均能实现稳定控制,平均绝对误差均值为0. 047 m,最大绝对误差为0. 128 m。     

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。     

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。     

高地隙四轮独立驱动喷雾机路径跟踪模型预测控制

针对传统燃油驱动、前轮转向的高地隙喷雾机传动效率低、碳排放高、环境污染、智能化水平低、灵活性差等问题,本研究提出了一种适用于无人驾驶的高地隙四轮独立驱动（Four Wheel Independent Drive,4WID）喷雾机。其采用混合动力、前后双转向桥的4WID,转向半径小,前后轮的运行轨迹高度一致,能够减少田间植保作业时的压苗现象。考虑水田极端作业环境下驱动轮的滑移、陷坑等问题,基于喷雾机线性时变的运动学模型（LTV）,构建了考虑驱动轮滑移的分层路径跟踪控制。上层模型预测控制（Model Predictive Control,MPC）器根据预期路径、车辆当前位置,获得喷雾机的转向角和运动速度,实现路径跟踪。下层以模糊控制和积分分离PID控制构建驱动轮滑移控制器,从而实现路径跟踪、运动速度、驱动轮滑移的有效控制,提高了喷雾机在复杂作业环境中的稳定性和路径跟踪精度。采用Adams/Matlab的联合仿真结果表明,在复杂的工况条件下,喷雾机驱动轮的滑移率依然控制在±20%之内,防止驱动轮发生过度滑移对车速和转向角产生不良影响,有利于喷雾机稳定性的提升。本喷雾机能够快速准确地跟踪期望路径,与未考虑驱动轮滑移的控制相比,能够适应更加复杂的工作环境,跟踪精度有明显提升。     

基于EKF的农机智能体自主导航算法研究

为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明：滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。     

基于时间序列分析的卡尔曼滤波组合导航算法

GPS广泛用于农业机械导航研究中,其定位误差信号一般存在明显的自相关性,不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此,建立了GPS定位误差AR模型,结合卡尔曼估计结果来预测和修正GPS定位误差,再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明,无论GPS接收机是在静止还是在运动条件下,处理后的定位误差信号自相关性都明显降低,近似为白噪声;目标路径直线时的最大跟踪误差约为0.15 m,为曲线时,最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。     

基于DGPS与双闭环控制的拖拉机自动导航系统

以东方红X-804型拖拉机为平台,设计了一种基于RTK-DGPS定位和双闭环转向控制相结合的自动导航系统,研究提高农业机械导航控制精度的方法。阐述了导航系统整体设计方案,以RTK-DGPS和AHRS500GA分别提供位置信息和辅助修正信息实现准确定位,以电控液压转向系统实现转向控制。分析了整体控制的策略,建立了路径跟踪的传递函数模型,阐述了双闭环转向控制算法的建立过程,以及控制器的硬件实现。试验结果表明:GPS定位数据经过校正后,平均偏差降低至0.031 m;双闭环控制算法提高了自动转向系统性能,稳态时方波信号以及正弦波信号的跟踪误差平均值为0.40°;在拖拉机田间作业跟踪过程中,路径跟踪误差平均值不超过0.019 m,转向轮偏角跟踪误差平均值为0.43°,标准差不超过0.041 m。