北斗定位田间信息采集平台运动控制器设计与试验

针对轮式田间信息采集平台在田间复杂环境下定速直线跟踪问题,设计了一种横向纠偏与纵向定速行走的运动控制器。控制系统采用低精度北斗定位模块、电子罗盘、旋转编码器、角度传感器获取田间信息采集平台的状态信息(包括位置、航向、速度、转向角)作为运动控制器的输入,通过构建的横向纠偏模糊控制器和纵向定速PID(proportion integration differentiation)控制器,实现行走过程中的横向纠偏和纵向定速行走。为获取更准确的位置信息,采用3个低精度北斗定位模块以边长1 m的等边三角形方式放置对数据求均值得到中心点定位数据的方法,将北斗接收模块的平均静态定位精度从2.06 m提高到了1.50 m,动态定位精度提高到0.78 m以内。信息采集平台田间试验结果表明:车体系统能按照规划的路径行走,在设定速度0.4 m/s时,纵向速度稳态误差小于7%,在外界扰动下响应调节时间小于3 s;以相同的速度行驶,初始横向偏距分别为1.4、2.0和2.5 m时,稳定跟踪需要的时间分别为11、15和25 s且稳定跟踪后最大横向偏距在0.31 m以内,满足农业田间信息采集的需要。该控制系统实现了信息采集平台在田间的定速直线跟踪和稳定行走,为其高效智能化作业提供了技术参考。     

基于滑模变结构控制的温室喷药移动机器人路径跟踪

为解决作物种植密集,地面障碍与空间障碍并存等非结构化环境因素对温室喷药移动机器人路径跟踪运动控制精度的影响,在建立移动机器人运动学模型的基础上,设计一种基于指数趋近律的滑模变结构控制方法以保证系统对不确定参数及外界干扰的鲁棒性。与此同时,为有效解决滑模控制固有的抖振问题,提出一种加权增益趋近律算法,在该趋近律的积分项中引入负的加权值,可有效避免当系统状态不在滑模切换时的切换增益的增大,使得控制器输出量平滑,并利用Lyapunov函数证明了其稳定性,并采用该文所设计的基于加权积分增益趋近律的滑模控制器对喷药移动机器人进行路径跟踪控制。试验结果表明,该算法可以顺利消除横向偏差,使实际运动轨迹平稳跟随理想作业路线,避免在作业区域产生较严重的重喷和漏喷现象,其研究成果为温室作物实施精准喷药提供了依据。     

基于干扰观测器的直播机路径跟踪快速终端滑模控制

针对农田中存在不确定性干扰时,会导致建立的无人水稻直播机运动学模型精确度不高,从而使路径跟踪收敛时间长,跟踪效果较差等问题,提出由直播机运动学模型建立相应的非线性干扰观测器从而实现对不确定性复合干扰的精确观测。将观测到的干扰值补偿到运动学模型中以提高模型的精度,降低滑模控制的抖振。为了控制直播机沿指定路径作业并提高路径跟踪收敛时间,设计了一种快速终端滑模控制算法。基于李雅普诺夫判据检验了算法闭环系统的稳定性。使用Matlab/Simulink建立了农机运动学仿真模型,仿真结果表明,非线性干扰观测器能精确观测出系统的不确定性干扰。与不带干扰观测器的滑模控制算法相比,本文控制算法可有效减少收敛时间,抑制干扰带来的抖振。无人直播机水田作业实验表明,采用本文所提出的算法以1.2m/s的速度高效作业时,横向平均绝对偏差为0.0247m,均方差为0.0311m。并且转弯收敛速度快,无超调,路径跟踪精度满足实际作业要求。     

四轮独立驱动高地隙无人喷雾机轨迹跟踪自适应控制

针对高地隙喷雾机在自主导航作业中因侧滑影响而导致轨迹跟踪精度降低的问题,提出一种基于四轮独立驱动(4WID)高地隙无人喷雾机的自适应控制方法。首先,建立4WID高地隙喷雾机的运动学模型;然后基于运动学几何约束和速度约束,引入两个表征侧滑效应的参数构建改进位姿误差模型;最后将参数自适应与反步控制方法结合,设计自适应控制律实时估计并补偿侧滑效应。以典型的U形作业路径为例,在考虑和不考虑侧滑的情况下分别进行了仿真和试验验证。仿真结果表明：本文提出的控制算法在喷雾机出现侧滑的情况下可以保证较高的轨迹跟踪精度;水田试验表明,当喷雾机在常规作业速度3.6km/h时,与不考虑侧滑的轨迹跟踪控制算法相比,喷雾机轨迹跟踪的横向平均绝对误差减小至0.041m,标准差减小至0.059m;纵向平均绝对误差减小至0.018m,标准差减小至0.015m;航向平均绝对误差减小至2.56°,标准差减小至3.57°。     

基于改进DeepSORT的群养生猪行为识别与跟踪方法

为改善猪只重叠与遮挡造成的猪只身份编号（Identity,ID）频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面：一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。     

农用无人机移动补给平台自主降落算法与试验

为实现根据无人机作业位置改变中途补充能源或喷洒物的起降地点,增加无人机有效作业时间,提高无人机作业效率,设计了无人机移动补给平台。通过研究农用无人机自主降落过程,提出一种基于模糊逻辑和比例积分微分(Proportional-integral and derivative,PID)分段控制的农用无人机跟踪降落算法,该算法既拥有PID算法的高精度,又兼顾模糊控制算法响应速度快、超调量小、鲁棒性强的优点。目标轨迹跟踪预测由粒子滤波器跟踪算法和轨迹拟合算法相结合进行求解。仿真和现场试验表明,与单一的PID算法和模糊逻辑算法相比,分段控制算法能够把农用无人机对移动补给平台的跟踪误差缩小到6. 7 cm以内,在移动补给平台上的降落精度控制在7. 2 cm以内。     

仿人机器人头部设计与目标跟踪运动控制

针对仿人机器人视觉目标跟踪任务需求,设计了一种高精度、灵巧型仿人机器人头部系统,构建了视觉感知模块与3自由度机械臂运动机构。利用虚拟连杆方法对仿人机器人头部进行运动学建模,将目标跟踪问题转换为机械臂的运动学逆解问题,通过计算机构可操作度与条件数,显示机器人头部对目标跟踪任务具有良好的运动学灵活性。在此基础上,基于梯度投影法建立了目标跟踪运动学逆解与规避关节极限位置的同步优化算式,并针对视觉测量系统带宽较窄、容易造成较大跟踪误差的问题,提出了在两次视觉测量间隔内用轨迹预测的方法获得目标位置的估计值,以提高跟踪精度。仿真与实验结果表明,在测量盲区内采用轨迹预测方法,可将跟踪精度提高约80%,实现高精度目标跟踪。所提出的仿人机器人头部及控制方法,对动态目标具有良好的跟踪性能。     

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。     

多源传感器信息融合的农用小车路径跟踪导航系统

为解决四轮独立驱动农用小车在设施农业和畜牧业的物料运输和信息采集中的导航及控制问题,构建了农用小车导航控制系统,优化配置多个传感器,提出了基于CCD图像传感器、加速度计、电子罗盘及超声波等多传感器信息融合的导航控制方法。通过CCD获取标识路径信息,通过加速度计、电子罗盘获取小车姿态信息,通过超声波传感器判断障碍物,并给出路径特征提取、识别、多源信息融合自主导航控制和超声避障等算法,实现了小车的路径跟踪的导航控制,实验结果表明构建的导航控制系统及导航控制方法正确、有效。     

猪舍场景下的生猪目标跟踪和行为检测方法研究

针对猪舍内光照情况复杂、目标与背景颜色较为接近、相机视角与参数不佳等环境与硬件条件的不足,导致生猪跟踪过程中精度低、稳定性差的问题,充分结合实际场景,提出了一种优化特征提取的压缩感知跟踪算法。优化跟踪窗口为椭圆形,以接近生猪体态;并结合灰度和纹理特征,优化传统压缩感知算法特征提取过程;划分猪舍区域,依据生猪所处位置来判断其当前行为。随机选取猪舍内不同场景、不同光照强度、不同生猪品种的多段视频进行实验,实验结果表明：中心点均方根误差均值为25.44,分别是传统压缩感知算法、模板更新跟踪算法和Camshift跟踪算法的60.32%、33.33%、32.57%;中心点均方根误差方差为70.26,分别是传统压缩感知算法、模板更新跟踪算法和Camshift跟踪算法的7.13%、47.62%、17.16%;跟踪速度达到19.3帧/s。