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。     

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。     

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。     

基于自适应MPC的拖拉机路径跟踪控制方法

针对传统模型预测控制(Model Predictive Control, MPC)无法适应拖拉机田间作业工况复杂性的问题，提出了一种基于自适应时域MPC的路径跟踪控制算法。首先，基于拖拉机运动学建立线性时变车辆误差模型；然后，根据拖拉机实时速度和参考路径曲率，利用模糊控制算法确定当前最优预测时域和控制时域；最后，结合MPC算法控制拖拉机跟踪预先设置好的参考路径。实车试验表明：拖拉机路径跟踪横向误差绝对值均值<0.03m,直线段横向误差绝对值<0.07m,曲线段横向误差绝对值<0.15m,且路径跟踪控制器能够保证拖拉机在5s以内准确、快速地跟踪预先设置的参考路径。     

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。     

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。     

无人驾驶铰接式车辆强化学习路径跟踪控制算法

针对无人驾驶铰接式运输车辆无人驾驶智能控制问题,提出了一种强化学习自适应PID路径跟踪控制算法。首先推导了铰接车的运动学模型,根据该模型建立实际行驶路径与参考路径偏差的模型,以PID控制算法为基础,设计了基于强化学习的自适应PID路径跟踪控制器,该控制器以横向位置偏差、航向角偏差、曲率偏差为输入,以转角控制量为输出,通过强化学习算法对PID参数进行在线自适应整定。最后在实车道路试验中验证了控制器的路径跟踪质量并与传统PID控制结果进行了对比。结果表明,相比于传统PID控制器,强化学习自适应PID控制器能够有效减小超调和震荡,实现精确跟踪参考路径,可以较好地实现系统动态性能和稳态误差性能的优化。     

同步转向高地隙喷雾机模糊自适应轨迹跟踪预测控制

为提高同步转向高地隙喷雾机轨迹跟踪的稳定性与鲁棒性,提出一种基于模型预测控制理论的模糊自适应轨迹跟踪方法。首先,基于刚体运动学以及几何约束推导出喷雾机的非线性运动学模型,并对该运动学模型进行简化;然后,基于简化的运动学模型建立喷雾机的状态预测模型;最后,结合实际工况设计了模糊自适应预测控制器。仿真试验表明：与传统的预测控制器相比,模糊自适应预测控制器的跟踪速度更快、稳定性更好。场地试验表明：在进行初始误差2.5、5m的直线轨迹跟踪以及无初始误差的圆形轨迹跟踪时,其平均误差分别为0.0442、0.0602、0.0901m。本文建立的喷雾机运动学模型可以很好地体现同步转向高地隙喷雾机的运动特点,设计的模糊自适应预测控制器可以保证喷雾机路径跟踪的准确性和鲁棒性。     

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.     

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。     

农田平地机导航侧滑估计与自适应控制方法

针对农田平地机在无人驾驶作业时因受地面侧滑影响而导致路径追踪控制精度降低的问题,提出一种基于牵引式农田平地机的导航侧滑估计与自适应控制方法。根据路径追踪时平地铲与拖拉机的位置关系,建立了牵引式农田平地机的运动学模型;基于运动学模型,提出了一种侧滑估计器,用来预测导航控制中车轮因侧滑产生的侧滑角,并计算出拖拉机的前轮转角控制率;采用改进的非线性函数构造方法对PID控制器的参数KP、KI、KD进行实时整定,实现了农田平地机自适应导航控制。田间试验表明,该方法使平地铲路径追踪的平均绝对偏差减小了6.78 cm,标准偏差减小了10.1 cm。与无侧滑估计和参数自适应的导航控制相比,本文方法提高了农田平地机的路径追踪精度,增强了导航控制系统对平地机的适应性和鲁棒性。     

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。     

扰动下农用运输车辆路径跟踪控制器设计与试验

为提高农用运输车辆路径跟踪的鲁棒稳定性,基于线性模型预测控制结合农用运输车辆特点设计了路径跟踪控制器。该方法首先将农用运输车辆的运动学模型进行离散化求解,推出误差模型作为控制器预测方程,为使农用运输车能够克服在田间行驶时的各种干扰,通过构建李雅普诺夫函数重点分析了该模型的鲁棒稳定性,得到控制周期约束条件,然后建立目标函数并引入松弛因子,最后把预测模型代入目标函数进行优化求解,重复以上过程,实现优化控制。Matlab仿真表明：当前轮转角扰动不大于15°及横向扰动不大于1.5m时,控制器可以迅速起到调节作用,使车辆快速回到参考轨迹上行驶。对应的场地试验结果表明：试验小车以2m/s的速度跟踪参考路径时,直线路段跟踪效果良好,最大横向偏差为10.57cm,均值为8.49cm;添加扰动路段的跟踪偏差较大,最大横向偏差为23.89cm,最大纵向偏差为62.53cm,但在控制器的控制作用下可以实现对路径的有效跟踪。由此可见,该控制器在速度小于等于2m/s的情况下,可以满足农用运输车辆对路径跟踪的精度与鲁棒稳定性要求。     

无人驾驶拖拉机路径跟踪联合控制研究

为实现无人驾驶拖拉机的路径跟踪控制,提高其智能化水平,以中国·徽拖HT1804F型拖拉机为研究平台,建立拖拉机-路径侧向动力学模型,采用滑模控制方法设计了一种基于横向偏差和航向偏差的拖拉机路径跟踪联合控制算法,然后基于CarSim与Simulink设计了联合仿真试验。结果表明,该路径跟踪联合控制算法能够使拖拉机稳定、精确地跟踪目标路径,满足无人驾驶拖拉机路径跟踪控制的要求。     

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。