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。     

基于两阶段纯追踪模型的农用车辆路径跟踪算法研究

针对车辆自身加工、装配误差及轮胎侧滑等因素导致理论转向运动模型与实际转向运动模型不一致的情况,基于最小二乘法对车辆进行了转向运动模型辨识,得到了不同设定线速度下的转向运动模型。同时,为解决常规纯追踪算法计算得出的部分控制量无法使车辆转向系统作出响应,造成路径跟踪精度下降问题,提出了一种考虑横向偏差和横偏角的两阶段纯追踪算法,并针对两个阶段的切换提出了设置过渡区滞后切换策略。模拟环境S形路径跟踪实验表明,在行驶速度为0.6 m/s时,固定前视距离的纯追踪算法平均横向偏差为0.523 8 m,两阶段纯追踪算法为0.361 6 m,其跟踪精度提高30.9%,较固定前视距离的纯追踪算法具有更好的路径跟踪性能。采用滞后切换策略将两阶段的切换跳变率从2.18%减至1.16%,抑制效果提升46.8%。     

基于模糊自适应纯追踪模型的农业机械路径跟踪方法

农业机械自动化是当前农业机械智能化的热点问题,而自动控制是其中必不可少的环节。为了解决目前农业机械路径跟踪的计算机软件结构比较烦琐,难以实现多个功能的问题,笔者利用模糊自适应的纯追踪模型,建立了一种新的基于模糊自适应的轨迹跟踪模型。仿真结果表明,该方法对各种初始误差都有一定的鲁棒性和自适应能力,从而使农业机械系统的轨迹跟踪精度得到改善,证明了基于模糊自适应纯追踪模型的农业机械路径跟踪方法的正确性和有效性。     

基于模糊自适应纯追踪模型的农业机械路径跟踪方法

文章发现一种在朦胧自适应纯跟踪模子的农业机器路径跟踪方法以处理农业机器自主导航控制系统的精细度问题。该手法在追踪模子实行农业机械路径追踪把持基础上联合农业机械运动学模子明确车轮期望转向角;用朦胧自适合把持在线自适合地明确纯追踪模子中的前视远近提高了途径追踪的精细度。农业机械的路径追踪实验结果说明,考证了方式的可行和有效。     

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。     

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。     

水稻插秧机路径追踪设计——基于SOPC嵌入式视觉导航

针对水稻插秧机路径追踪问题,利用SOPC嵌入式和视觉导航技术,以FPGA为硬件核心,利用3×3窗口模块、中值滤波、Sobel边缘检测和Hough变换进行移动路径图像信息处理,并结合齐次变换法将图像位姿信息转换到空间坐标系中,为插秧机进行路径导航。同时,通过人工设置标志线对水稻插秧机进行路径导航和追踪试验,结果表明:该系统在一定干扰环境下,水稻插秧机移动路径最大偏差为18cm,平均偏差为6.9m,基本达到预期目标,实现了路径追踪功能,而且可以根据偏差自动进行调整,具有精准度高、灵活性强等优点,应用前景非常广阔。     

基于动态前视距离纯追踪模型的温室农机路径跟踪研究*

为提高温室内智能农机自动导航的路径跟踪精度,提出一种基于粒子群算法的纯追踪模型动态前视距离确定方法及其路径跟踪控制方法。利用超宽带(UWB)模块和电子陀螺获取温室内智能农机的位置偏差和航向偏差;为提高纯追踪模型的自适应能力,对农机位姿偏差进行定量分析并根据位姿偏差程度构建适应度函数,通过粒子群优化(PSO)算法实时确定纯追踪模型中的最优前视距离,为提升算法求解效率对惯性权重系数进行改进;根据农机位姿偏差程度构建速度控制函数对农机进行变速控制。样机试验结果表明:在3种初始状态下的直线路径跟踪时,平均偏差均值为24.4 cm,稳态偏差平均值为4.3 cm,导航时间平均值为13.2 s,稳定距离平均值为318.1 cm。路径跟踪的各项指标均优于同等条件下的恒速固定视距试验。     

基于改进型纯追踪模型的温室AGV运输平台路径追踪

提出了一种基于改进型纯追踪算法的AGV运输平台路径追踪方法。在平台前后安装双排红外反射式光电传感器,以获取车体相对于引导线的横向偏差和航向偏差;根据偏差程度动态确定纯追踪算法的前视距离,提高了路径跟踪的精度;构建了平台运动学模型,将车体的位姿偏差信息最终转化成左右车轮的速度。仿真和实车试验表明:该方法能够解决不同初始状态的移动平台路径追踪问题,在稳定状态下,其偏差在±20mm之间,满足温室内狭窄空间的循迹运输需求。     

基于Kalman滤波和纯追踪模型的农业机械导航控制

以KUBOTA SPU-68水田插秧机为试验平台,以RTK-DGPS为主要导航方式,辅以航向姿态参考系统AHRS500GA-227,研究提高农业机械导航控制精度的方法.在重点对GPS倾斜误差校正的基础上,设计了Kalman滤波器对定位数据进行平滑处理,同时实现磁航向传感器偏移误差的在线辨识与航向校正.采用纯追踪模型实现农业机械直线跟踪控制,基于ITAE优化准则,仿真研究了最佳前视距离的确定方法.试验结果表明:GPS倾斜误差校正和Kalman滤波后的导航参数可以更真实地反映插秧机水田实际运动状态;纯追踪模型可以用于插秧机田间作业直线导航,当行进速度0.6m/s时,直线跟踪最大误差小于0.17m,平均误差小于0.02m.     

基于SVR逆向模型的拖拉机导航纯追踪控制方法

针对行驶过程中轮胎侧滑量、路面性质等不确定性因素导致传统拖拉机二轮运动学模型难以准确描述拖拉机运动轨迹的问题,提出了一种基于SVR(Support vector regression)逆向模型的拖拉机导航纯追踪控制方法。采用粒度支持向量回归(Granular support vector regression,GSVR)方法建立了拖拉机前进航向的逆向模型,实时获得实际转弯曲率与运动学理论转弯曲率的函数关系,逆向模型对纯追踪导航模型输出进行,校正提高了纯追踪导航控制方法的适应性和动态性能。拖拉机导航系统的路径追踪路面试验结果表明:当行驶距离大于125 m、行驶速度为1.2 m/s时,直线追踪最大横向偏差小于0.061 4 m,较常规纯追踪模型导航方法具有更好的直线追踪性能;田间试验结果表明:该导航控制方法适用于2BFQ-6型油菜精量联合直播机自动对行作业。     

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。     

基于改进卷积神经网络算法的路径导航研究

农业机械自主导航技术一直是现代农业发展的关键技术,而已有的机器视觉导航中普遍存在鲁棒性不强、适应性弱等缺点.针对上述问题,提出基于卷积神经网络的田间路径导航算法.根据主流语义分割模型FCNVGG16得到改进分割网络FCNVGG14,用于田间作物行分割任务的预处理,再通过非监督点聚类法进行特征点分类,最后采用改进后的Ho...     

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...     

基于改进纯追踪模型的温室采摘运输自动跟随系统

基于Kinect体感感应技术,设计了一套温室果蔬采摘运输自动跟随平台。通过体感感应系统获取图片上像素点的深度信息,结合图像处理算法,逐行扫描确定人体图像并实时获取人体骨骼信息,计算了人体当前的三维坐标并记录人体走过的路径轨迹。系统采用自调整函数对路径进行优化,避免了剧烈转向行为,并对优化后的路径以模糊算法动态确定纯追踪模型的前视距离,从而实时调整转向和转角,实现了精准跟随和稳定跟随。试验结果表明,该跟随系统能在避免剧烈转向的前提下以较高的精度跟随,横向最大跟踪偏差不超过10.0 cm,最大深度偏差为5.5 cm,且系统性能不受光照条件影响,满足温室采摘运输要求。     

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。     

基于改进A*算法的地下无人铲运机导航路径规划

提出一种基于改进A*算法的铰接式地下铲运机导航路径规划方法。针对地下铲运机的铰接结构,采用按铰接角扩展节点的方法,使扩展节点符合铲运机的轨迹特性;针对巷道狭窄,易于发生碰撞的问题,在估价函数中引入了碰撞威胁代价,避免铲运机与巷道壁发生碰撞。通过仿真试验分析比较了传统A*算法和所提出的改进A*算法的搜索性能,验证了改进A*算法可提高搜索效率。通过多组试验参数比较表明,当碰撞代价加权系数为0.2时,可以得到在避免碰撞情况下的最短路径。最后在实验室环境下实现了无人铲运机的路径规划及轨迹跟踪。跟踪结果表明,采用所提出的算法规划的导航路径,符合铲运机的结构特性,使跟踪误差保持在0.2 m之内,同时也可使铲运机不与巷道发生碰撞,实现安全行驶,验证了所提方法的可行性和实用性。