智能农机多机协同收获作业控制方法与试验

为提高多台无人化智能收获机和运粮车协同作业效率,该研究以2台不同型号水稻收获机和1台运粮车为研究对象,开展了智能农机多机协同收获作业控制方法研究。根据协同作业控制决策约束条件,建立协同收获作业中有限个状态过程的改进型连续时间马尔科夫链模型。以减少非作业时间为优化目标,通过模型预测未来一段时间内每台收获机的卸粮时间,动态更新每台收获机的卸粮顺序和时间。仿真试验结果表明:该研究控制方法相对于仓满后再召唤运粮车的卸粮方式有效减少了作业时间,协同收获任务的农机平均作业时间减少了13.58%。田间试验结果表明:智能农机多机协同作业控制方法实现了2台水稻收获机和1台运粮车协同自主作业,在场景1中,相对于仓满召唤卸粮模式,收获机1和收获机2非作业时间分别减少了71.25%和42%,收获效率提高了6.65%和5.22%;在场景2中,相对于仓满召唤卸粮模式,收获机1和收获机2非作业时间分别减少了77.64%和37.09%,收获效率提高了12.07%和5.78%。该文提出的控制方法可以实现收获-卸粮转运自主作业,减少了收获机的非作业时间,提高了作业效率,可为无人农场智能收获协同作业提供支撑。

履带式花生联合收获机路径跟踪控制方法与试验

为提高无人驾驶履带式花生收获机沙地作业路径跟踪精度,以4HBL-2型自走式花生联合收获机为研究对象,开展了履带式收获机无人驾驶路径跟踪控制研究。建立了履带式收获机运动学模型与虚拟转向角函数关系;以航向偏差值作为观测量、阿克曼模型推算角速度作为测量值,设计卡尔曼融合算法,获得基于阿克曼模型的虚拟转向角度;根据虚拟转向角度对PID路径跟踪算法进行改进,提出了基于预瞄跟踪的双PID路径跟踪控制方法;通过脉冲宽度控制器实现了履带式花生收获机路径跟踪精准控制。仿真试验结果表明:基于预瞄跟踪双PID的路径跟踪控制方法能够进行路径跟踪控制,具有控制平滑和稳态误差小等特点。田间试验表明:花生收获机在沙地以0.6m/s的速度作业时,系统直线跟踪平均绝对误差为2.23 cm,最大偏差为4.14 cm,相对于PD路径跟踪控制器分别提高了56.12%和66.07%。上线试验中,初始偏差分别是0.5、1.0和1.5 m时,上线时间分别为11.00、12.92和13.78 s,上线距离为6.60、7.75和8.26 m;最大超调量分别为5.68%、5.84%和8.06%,相较于轮式收获机,上线距离分别减小了1.92%、4.43%、8.71%,超调量分别减少了8.45%、17.56%、5.17%;接行最大偏差为5.87 cm,平均绝对误差为2.72 cm,接行偏差在±5和±10 cm内的比例分别为97.11%和100%,路径跟踪控制精度能够满足沙地无人驾驶作业要求。

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0.25 m/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4.34 cm,最大偏差为9.30 cm;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5.12 cm,最大偏差为12.20 cm,满足花生联合收获作业要求。

基于多传感器融合的水稻行识别与跟踪导航研究

水稻生产田间管理机械自动跟踪水稻行是提高水稻生产田间管理自动化程度的关键。为避免田间管理机械碾压水稻行,本文融合机器视觉和2D激光雷达信息识别水稻行,并进行水稻行跟踪导航控制。首先分别利用机器视觉和激光雷达提取水稻行中心点,并统一空间坐标和目标区域,再采用稳健回归算法拟合水稻行中心线,获取导航基准线并计算出导航参数。然后设计了预瞄追踪PID控制器,最后搭建了水稻行跟踪导航试验平台并进行试验研究。试验结果表明,跟踪模拟水稻行的曲线导航试验标准差为27.51 mm;跟踪机械移载的水稻行导航试验横向偏差标准差为43.03 mm,航向偏差标准差为3.38°。