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。     

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。     

基于领航-跟随结构的联合收获机群协同导航控制方法

面向联合收获机群协同导航作业需求,提出一种基于领航-跟随结构的收获机群协同导航控制方法。该方法在建立收获机群运动学模型的基础上,结合反馈线性化及滑模控制理论设计了渐进稳定的路径跟踪控制律和队形保持控制律。为验证所提模型及方法的有效性,以4台收获机组成的收获机群为试验平台,进行了机群协同导航控制试验。当速度为1.0 m/s时,领航者的平均跟踪误差为5.81 cm,跟随者的平均跟踪误差为5.93 cm,与单台收获机的导航控制精度相近,验证了所提方法的可行性和有效性。     

轮式谷物联合收获机视觉导航系统设计与试验

为提高联合收获机收获质量与效率,构建了轮式谷物联合收获机视觉导航控制系统,结合OpenCV设计了谷物收获边界直线检测算法识别水稻田间已收获区域与未收获区域边界,经预处理、二次边缘分割和直线检测等得到联合收获机视觉导航作业前视目标路径,并根据前视路径相对位置信息进行田间动态标定获得联合收获机满幅收获作业状态;提出了一种基于前视点的直线路径跟踪控制方法,通过预纠偏控制实现维持满割幅的同时防止作物漏割,以相对位置偏差值和实时转向后轮转角作为视觉导航控制器的输入,并根据纠偏策略对应输出转向轮控制电压大小。稻田试验结果表明,该导航系统实现了轮式联合收获机田间相对位置姿态的可靠采集及目标直线路径跟踪控制的稳定执行,在田间照度符合人眼正常工作的情况下,收获边界识别算法检测准确率不低于96.28%,单帧检测时间50 ms以内;以不产生漏割为前提的视觉导航平均割幅率为94.16%,随作业行数增多,割幅一致性呈提高趋势。本研究可为联合收获机自动导航满割幅作业提供技术支撑。     

联合收获机视觉导航控制系统设计与试验

设计了联合收获机机器视觉导航控制硬件系统,提出了基于直方图的导航路径融合算法,在简化的二轮车运动学模型的基础上,设计了模糊PD控制器.麦田试验结果表明:旋转投影算法配合直方图融合算法能够有效地检测收获与未收获边界线,提高了控制系统的准确性与抗干扰性;在正常小麦收获速度挡位下,割幅变化范围在0.18m以内,在有外界扰动下(人为方向盘扰动),能在2～5s内回到正常的跟踪误差范围内.     

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。     

联合收获机前进速度的模型参考模糊自适应控制系统

以切纵流联合收获机为研究对象,设计了一种基于联合收获机前进速度的模型参考模糊自适应控制系统,建立了融合多个变量的自适应控制参考模型和模糊控制规则。研制了联合收获机前进速度控制装置,并进行了田间水稻收获试验。试验表明,与普通模糊控制相比,所设计的模型参考模糊自适应控制系统可以实现对联合收获机的自适应控制,能够有效地降低操作人员的作业强度,提高田间收获效率。     

履带式油菜播种机模糊自适应纯追踪控制器设计与试验

针对在丘陵山区小田块中大型农业机械运移不便、作业效率不高和田头调头操作受限等问题,设计了一种针对轻简履带式车辆的基于运动学模型和几何模型的模糊自适应纯追踪控制器。以轻简履带式油菜播种机为研究平台,结合北斗RTK构建了一套自动导航作业系统,根据播种作业需求采用有限状态机设计了田间自动导航作业控制策略。开展了模糊自适应纯追踪控制器与纯追踪控制器的仿真及实地对比试验。仿真结果表明,与纯追踪控制器相比,模糊自适应纯追踪导航控制器具有上升时间短和超调小等特点。水泥路面试验表明,当行驶速度为0.8m/s时,模糊自适应纯追踪控制器最大跟踪偏差为0.039m,平均绝对偏差为0.018m。在旱田路面前进速度0.5、0.8、1.2m/s下,直线导航跟踪最大跟踪偏差分别不大于0.082、0.086、0.092m,平均绝对偏差分别不大于0.031、0.032、0.034m。并对自动导航作业系统进行试验,试验结果表明,所设计的导航控制器直线跟踪稳定,满足丘陵山区小型田块油菜播种要求。     

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。