插秧机导航路径跟踪改进纯追踪算法

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。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。试验结果表明,车辆以1 m/s的速度行驶且在转弯半径为0.9 m时,最大跟踪误差可控制在0.159 m以内。     

基于计算机网络控制的插秧机自动路径规划研究

首先,对插秧机导航控制原理进行了分析,建立了插秧机行驶模型;然后,通过确定矩形地块边界、直线和转弯路径规划实现了基于计算机网络控制的插秧机自动路径规划系统。系统采用Ω式转弯式覆盖方法,可以较大程度提高作业覆盖率。试验结果表明：插秧机在进行直线行驶的路径和仿真路径一致,只有在转弯时才会出现较小偏差,证明控制系统能够满足实际应用需求。     

3DMAX应用下的智能插秧机外观优化

为进一步提高智能插秧机的结构布局协调性与感染力水平,利用3 DMAX应用平台进行插秧机外观优化研究.考虑土壤湿润程度对插秧刀具的影响等因素,结合插秧机分插机构传动部件与插植臂等执行部件的相互关系与约束条件,以偏心齿轮啮合传动特性,建立用于智能插秧机外观优化的数学模型,得到关键部件与机构的三维物理模型与无缝装配模型.从结...     

基于CNC技术的插秧机运动学分析与研究

为深入了解插秧机的运动学机理,基于CNC智能控制技术对其进行分析与讨论。在充分理解插秧机结构组成与工作原理的基础上,融入SOPC嵌入导航控制,建立插秧机分插部件秧针的位移运动学模型;利用CNC控制与设计加工需求的关联度,建立插秧机关键运动部件线性回归方程;进行了插秧机核心部件参数设计优化与加工试验。结果表明:对数控加工过程中的关键参数建立最佳控制函数,得出最优解,效果明显。插秧机关键部件实现智能加工,可在保证加工精度与要求的前提下迅速完成算法迭代,且轨迹路径完成较为符合实际,可为其他农用机械相关运动规律分析提供参考。     

基于势场蚁群算法的移动机器人全局路径规划方法

针对移动机器人路径规划蚁群算法收敛速度慢和人工势场法易陷入局部最优的问题,提出一种以栅格地图为环境模型,在蚁群算法搜索过程中加入针对具体问题的人工势场局部搜索寻优算法,将人工势场法中力因素转换为局部扩散信息素,使蚁群倾向于具有高适应值的子空间搜索,减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁迷失数量,提高了蚁群对障碍物的预避障能力。对不同参数组合下2种算法及其它改进算法仿真结果做了比较,验证了基于势场蚁群算法的全局路径规划能够加快寻优过程且具有较强的搜索能力,收敛速度提高近1倍。     

一种网络算法下的自动插秧机可行性设计

为实现自动插秧机工作过程的可行性,基于网络算法设计一种能够进行前视距离追踪的插秧机自动导航算法。通过建立插秧机运动过程数学模型,建立插秧机直线跟踪过程稳定条件,并以速度和插秧机行走偏差数据为输入参数,以插秧机前视距离为输出参数,建立插秧机前视追踪距离控制算法模型。试验验证表明:该插秧机前视距离追踪控制算法能够有效提高插秧机导航追踪系统稳定性,为自动插秧机的稳定导航可行性提供参考依据。     

基于PLC的智能插秧机监控系统研究

智能插秧机具有作业效率高、插秧质量高等优点,逐渐取代传统人工插秧作业,但传统的智能插秧机在作业工程中仍然需要人工监控,以便及时处理插秧机出现的故障问题.为此,设计了基于PLC的智能插秧机监控系统,完成了监控系统总体结构的设计,通过硬件选型和软件设计,确定了合理可靠的功能模块.该监控系统能够实时监测智能插秧机的工作状态,...     

智能插秧机核心装置的软件架构设计研究

为进一步提升我国插秧机的智能化控制水平,以软件架构精准监控角度为切入点,针对其核心装置进行设计.在理解智能插秧机组成结构与工作机理的基础上,建立适用于智能插秧机核心装置的软件架构控制模型,并依据软件架构数据通信作业流程设计相匹配的架构控制系统展开仿真试验.试验结果表明:软件架构设计下的智能插秧机,实现了信息的高效传输,...     

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。     

面向对象技术的智能插秧机控制系统设计研究

以插秧机智能控制系统为研究对象，基于面向控制对象技术设计一种无人驾驶插秧机智能控制系统，并在水泥路面和水田两种不同环境中对插秧机进行性能试验测试。试验结果表明：在水泥路面上插秧机行进过程最大横向偏差小于50mm,最大航向偏差小于2°;在水田内插秧机行进过程最大横向偏差小于60mm,最大航向偏差小于3°,表明智能控制系统在使用过程中具有较高的可靠性和稳定性。     

应用于智能插秧机的叶盘数控加工参数优化研究

为进一步提高应用于智能插秧机的叶盘加工质量及插秧机整机工作效率,对叶盘的数控加工参数展开优化研究。选定一型号智能插秧机,在对其核心参数及工作原理深入理解基础上,对插秧机的叶盘进行加工参数优化,通过目标寻优函数建立数学模型,并利用绘图软件UG给出叶盘关键组件的三维物理模型,规划好加工工艺路线进行加工试验。研究表明:依照科学数控加工工序及刀具的合理选择,得出的叶盘加工精度较参数优化前可提升10%左右,加工制造成本可降低3%左右,耐用度和智能插秧机的整机工作效率均有提升,此参数优化研究与试验具有重要的实际应用意义。     

基于邻域正交交叉算子的人工鱼群算法

将邻域正交交叉算子引入到基本人工鱼群算法中,提出了一种基于邻域正交交叉算子的人工鱼群算法.该算法采用动态调整人工鱼视野和步长的方法,较好地平衡了全局搜索能力和局部搜索能力.将人工鱼的邻域极值与该人工鱼进行正交交叉运算,产生少量的具有代表性的较优个体,而新产生的个体不仅利用了本身的有用信息,同时利用了邻域极值的最优信息,加快了算法的收敛速度.增强了算法的寻优能力.仿真结果表明,该算法具有较高的优化性能.     

基于改进蚁群算法的农业机器人路径规划研究

针对农业机器人路径规划实时性和稳定性差的问题,采用人工势场法,并结合Memetic算法与精英排序法优化基本蚁群算法。该算法用势场法获得路径初始化种群,对每代路径进行Memetic算法中的交叉组合操作,将每代蚂蚁产生的路径分别进行优化排序,根据蚂蚁路径的优劣程度,对信息素进行更新;同时,加入精英小组蚂蚁产生的信息素,从而加快了算法的收敛速度,提高了算法的稳定性。实验表明:改进后算法的平均最优路径长度提高了12.56%,收敛代数提高55.86%,算法用时提高了65.3%,最优解百分比增加了40%。本算法能够快速有效地规划出最优路径,提高了农业机器人的工作效率。     

基于改进势场蚁群算法的移动机器人最优路径规划

首先,针对传统人工势场算法存在死锁及局部路径欠优等问题,对其进行改进。利用障碍物检测算法识别出有效障碍物和有效路径中间点,通过引力场和边界条件规划出起点到中间点的局部路径,将中间点置为新的起点进行反复迭代,直至起点与目标点重合则规划完成。其次,针对蚁群算法容易陷入局部最优以及收敛速度较慢等问题,对其进行改进。以改进人工势场算法规划出的路径启发蚁群进行路径搜索,从而避免算法早期由于盲目搜索而导致的路径交叉及收敛速度慢等问题,同时以收敛次数构建负反馈通道,使全局信息素和局部信息素的更新速率跟随收敛次数的变化自适应调节,从而保证了算法全程中收敛速度与全局搜索能力的协调与统一。最后,在Matlab中对本文算法、基本蚁群算法以及文献[23]所述算法分别进行仿真实验。结果表明:在相同的环境模型下,本文算法的收敛速度和搜索能力均优于另两种算法;在给定的简单环境模型下进行路径规划时,本文算法的迭代次数为3次,运行时间为0. 892 s,最优路径长度为28. 627 m;在给定的复杂环境模型下进行路径规划时,本文算法的迭代次数为8次,运行时间为3. 376 s,最优路径长度为31. 556 m,所寻路径对环境的覆盖率为73. 63%。     

基于迭代学习PID算法的苹果采摘机器人设计

为了提高采摘机器人机械手控制系统的精准性和采摘机器人的移动效率,设计出基于迭代学习PID算法的苹果采摘机器人。借助MatLab软件平台进行模型搭建及控制系统仿真测试,实验室条件下进行硬件结构设计,并完成采摘过程测试、路径规划避障测试和采摘果实破损率统计分析。实验验证表明:基于迭代学习PID算法设计的采摘机器人可准确锁定采摘目标,迅速实施稳定的采摘动作,以最佳采摘角度最大程度地保证采摘果实完整性。基于迭代学习PID算法设计的苹果采摘机器人有效提高了采摘的精度和效率,使苹果整体完好率达到98.3%以上,最大限度保证了采摘苹果的质量。     

Multi-Bug全局路径规划算法研究

提出一种基于Multi-Bug思想的非搜索全局路径规划算法。在Multi-Bug算法中,借用传统Bug算法的寻路逻辑,加入遇到障碍物时的爬虫分裂规则及爬虫死亡条件判断规则,直至其中一只爬虫以相对最优路径抵达终点,从而实现多路径并行运算的局部最优寻路策略。利用栅格法对多类障碍物、迷宫类地图等环境进行建模,并与Dist-Bug算法、RRT*和A*算法进行路径长度及运算时间的对比仿真实验,结果表明,采用Multi-Bug算法获得的路径长度和用时都表现得更加稳定;与获得最短路径的A*算法相比,Multi-Bug算法获得的平均路径长度仅增加了16.8%,平均用时减少了86.5%。经理论分析及仿真验证,Multi-Bug算法时间复杂度为O(n),具有路径较短、时效性强、算法通用性和稳定性好的路径规划性能。     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

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。     

基于标记分水岭算法的插秧机器人导航路径检测

针对插秧机器人机器视觉导航路径检测鲁棒性差、受杂草和翻土影响严重的问题,提出一种基于标记分水岭算法的视觉导航路径检测方法.首先,采用灰度化处理、直方图均衡化和中值滤波对目标秧苗列和目标田埂进行预处理;然后,利用标记分水岭算法对识别目标进行图像分割,并通过均值法采集导航路径特征点集;最后,使用最小二乘法将特征点拟合成导航...     

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。