基于ASTUKF的分布式农业车辆路面参数辨识方法

针对分布式驱动农业车辆在路面参数辨识过程中,因路面环境变化出现的状态模型误差和时变噪声,导致辨识结果发散的问题,提出了基于自适应强跟踪无迹卡尔曼滤波(Adaptive strong tracking unscented Kalman filter,ASTUKF)的辨识方法。与传统内燃机农业车辆相比,分布式驱动可以直接获取驱动轮的状态信息,结合含有峰值附着系数和极限滑转率的μ-s曲线模型,建立了无迹卡尔曼滤波(Unscented Kalman filter,UKF)辨识算法的状态方程和量测方程。同时,将强跟踪滤波(Strong tracking filter,STF)和自适应滤波(Adaptive filter,AF)引入辨识算法,用以提高对多变环境的识别精度和鲁棒性,并采用奇异值分解(Singular value decomposition,SVD)解决了迭代过程中出现的非正定矩阵的问题。仿真试验结果表明,在突变噪声环境工况下,ASTUKF辨识结果可以快速收敛至目标值附近,且不受突变噪声的影响,各驱动轮峰值附着系数估计结果的平均绝对误差(Mean absolute error,MAE)分别为0.0144、0.0267、0.0144、0.0267,极限滑转率估计结果的MAE分别为0.0025、0.0028、0.0025、0.0028。实车试验表明,在已耕地和未耕地的试验路面上,ASTUKF辨识结果的均值95%置信区间能够匹配测量值,整车的附着系数辨识结果为0.4061(未耕地)、0.3991(已耕地),极限滑转率辨识结果为0.1484(未耕地)、0.3600(已耕地),可为分布式电动农业车辆作业参数感知提供理论参考。

农业车辆传动轴的焊接工艺研究

农业车辆长期在农村田间道路工作,作业时间长、强度大,传动轴易出现变形、断裂等情况,此时需要进行维修和维护。本文分析了常见的传动轴材料、焊接设备和焊接材料等,论述了传动轴焊接工艺和操作技术,分析了传动轴焊接检验技术,以期为提高农业车辆传动轴焊接质量与使用寿命提供参考。

基于电驱动系统的农业车辆牵引负荷车设计与试验

针对传统农业车辆牵引负荷车机械结构复杂、存在加载死区导致无法实现全范围加载,采集系统功能单一无法实时评估被试车辆牵引性能的问题,设计了一种基于电驱动系统的农业车辆牵引负荷车。负荷车以最大加载牵引力150 kN为设计目标,结合对驱动轮的受力分析,完成了其整机关键部件的选型设计,采用集成发动机-电动桥的电驱动系统为核心单元,使用转向牵引架实现前桥平台的自动跟随转向。在LabVIEW RIO架构基础上,通过FPGA搭建高算力、高性能的测控系统,实现对电驱动系统电流、电压、被试车辆牵引力、油耗等多种信息的采集、无线传输与存储,并使用模糊自适应PID控制算法对牵引力加载进行闭环控制。最后开展整机性能验证试验,负荷车实现了0~150 kN范围内的负荷加载,加载系统最大响应时间为3.6 s,最大超调量为1.61%,实际加载牵引力与目标牵引力最大误差为4.5%。整机性能验证试验表明,负荷车具备良好的牵引负荷加载性能,其测控系统可实现被试车辆牵引性能多参数的实时准确监测,能够完成对农业车辆牵引性能的全面评估。

基于改进粒子群优化模糊控制的农业车辆导航系统

以采用机器视觉导航的农业车辆为研究对象,提出了一种基于改进粒子群优化自适应模糊控制的农机导航控制方法。建立了车辆2自由度转向模型和视觉预瞄模型,对车辆横向控制进行状态描述。对粒子群算法进行了改进,提高了粒子群算法的收敛速度,降低了算法计算时间。构建了自适应模糊控制器,在模糊控制器中引入加权因子,以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数,通过粒子群算法计算得到最优加权因子,进而调整控制规则实现导航车辆的自适应控制。仿真和导航试验结果表明,提出的控制方法可以迅速消除横向误差,具有超调量小、响应速度快等特点,既保留了模糊控制算法的优点,又提高了系统控制品质。在相同参数条件下,与常规模糊控制相比,改进模糊控制算法导航精度显著提高。当车速为0.8/s时,直线路径跟踪最大横向偏差不超过4.2 cm,曲线路径跟踪最大横向偏差不超过5.9 cm,能够较好地满足农业车辆导航作业要求。

农业车辆视觉实际导航环境识别与分类

分析了对路径识别影响较大的变光照环境、杂草环境和阴影环境对农业车辆导航路径的影响,提出一种实际环境中的农业车辆视觉导航研究方法,即先采用神经网络算法对农田环境进行自动分类,然后再相应的选择不同的路径识别方法进行处理。环境识别与分类试验结果证明,该方法能够提高农业车辆视觉导航系统的实用性和可靠性,导航环境的分类准确率为95%,单幅图像平均耗时23 ms。

自主导航农业车辆的全景视觉多运动目标识别跟踪

为提高自主导航农业车辆导航路径的准确性和行驶作业的安全性,提出自主导航农业车辆的全景视觉多运动目标识别跟踪方案。该方案采用全景视觉进行无盲区的多运动障碍目标的检测,并解决了多运动目标跟踪中遮挡重叠的问题。首先系统将多目相机采集的图像拼接成全景图像,采用分段图像的改进核函数算法对运动目标进行快速自动检测跟踪;其次采用基于路径预测的粒子滤波算法进行多运动目标跟踪并解决遮挡重叠的问题。通过试验表明:采用改进的核函数目标快速跟踪算法,与传统核函数跟踪算法相比,减少系统内存消耗66.8%,加快运算速度35.63%;采用基于路径预测的粒子滤波多目标跟踪算法,在多运动目标遮挡重叠的情况下,平均提高运动目标跟踪成功率39.5个百分点,算法平均耗时0.78s。

基于立体视觉的智能农业车辆实时运动检测

为满足智能农业车辆的精确导航,提出基于立体视觉的车辆实时运动检测方案。该方案通过多线程特征点检测提高传统SIFT特征检测算法的效率,通过归一化综合距离法剔除误匹配的特征点,最后通过相邻时刻同一特征点坐标的变化反推车辆的运动。试验表明:多线程SIFT特征点检测能够缩短检测时间,提高计算效率。归一化综合距离法能够有效剔除传统SIFT算法的误匹配点。当车速为0.8 m/s,图像采集频率为5 Hz时,车辆在x方向和z方向单次测量误差小于0.004 5 m,当持续运动时间达到10 s时,2个方向累积测量误差均小于0.15 m。

农业车辆导航系统中自动控制技术的研究进展

农业车辆的自动控制系统是车辆导航系统的重要组成部分。从转向机构和转向控制两个方面综述了国内外农业车辆导航系统中控制技术的研究进展,并对基于运动学模型、动力学模型、智能控制和PID控制这4种基本转向控制方法进行了分析,提出了目前农业车辆自动导航控制方面所面临的一些难点问题。

基于全景视觉的智能农业车辆运动障碍目标检测

为了满足智能农业车辆安全正常作业,提出了基于全景视觉的运动障碍目标检测。与传统的单目和双目视觉相比,全景视觉具有360°无盲区检测的优点。首先系统使用多线程技术采集多目视觉图像,并用改进RANSACSIFT算法进行特征点提取与匹配,进而拼接全景视觉图像;其次采用改进的CLG光流法处理全景图像,检测运动障碍目标。试验表明:基于多线程技术和改进RANSAC-SIFT的全景拼接算法,与传统SIFT算法相比,平均提高特征点匹配准确度25.6%,加快运算速度25.0%;采用改进CLG光流法进行运动障碍检测,平均检测时间为1.55 s,检测成功率为95.0%。

基于迭代学习的农业车辆路径跟踪控制

由于农作物的播种、收获、除草和农药化肥喷洒具有周期性的特点,农业车辆在执行农田作业时具有较强的重复性.基于迭代学习控制(Iterative learning control,ILC)方法研究农业车辆的路径跟踪问题,建立了农业车辆的两轮移动机器人运动学模型,设计了车辆路径跟踪的迭代学习控制算法,并基于压缩映射方法理论上证明了算法的收敛性.研究表明,迭代学习控制可有效利用农业车辆运行的重复信息,实现车辆期望路径有限区间内的高精度完全跟踪控制.仿真示例验证了本文方法的有效性.

农业车辆电控液压转向系统的设计

以茂源250型拖拉机为试验平台,设计一种用于农业车辆自主导航的电控液压转向系统。该系统使用电控比例液压阀、换向阀和溢流阀,改造拖拉机的液压转向油路;采用STC12C5A60S2作为比例阀的控制器,同时加装角度传感器作为系统的反馈。将带有死区的PD控制算法在SimHydraulics建立的液压转向系统模型上进行仿真,并实车试验验证。在左、右极限转向和4种特定目标角度转向试验中,该系统比原有系统响应时间快0.2 s,超调量在5%以内。

农业车辆自动导航系统综述

农业车辆的自动控制系统是车辆导航系统的重要组成部分。为此,主要介绍了国内外农业车辆自动导航系统的发展现状,概述了环境感知、路径规划、车辆模型的建立与控制方法等车辆导航的主要研究内容,并对其关键问题进行了分析总结,旨在对农业车辆自动导航系统实际的研究、开发提供了新的思路与建议。

低速智能农业车辆多分辨率自适应测速系统设计

根据智能化农业车辆低速工作的特点,采用CAN总线通信技术和多线程技术,设计并实现了基于脉冲式多普勒雷达的智能测速系统。通过速度分级和可变滑窗灰色预测,为系统建立了多分辨率自适应机制,在保证测量精度的同时降低其对系统资源的消耗。试验表明:启动分辨率自适应机制后,车辆速度为0.2 m/s时,测量平均误差为1.45%,分辨率发生器工作频率降低76.7%;车辆速度为0.8 m/s时,测量平均误差降低到0.61%,分辨率发生器工作频率降低90.0%。变速运动过程中,能够获得9.6 Hz的稳定输出频率,同时大幅降低分辨率发生器工作频率。

机器视觉在农业车辆导航系统中的研究进展

机器视觉是农业自动车辆获得导航信息的一种方式,其基本任务是从图像中识别出作物行,然后提取作物线。目前有两种分析图像的模式:基于2D图像信息的边缘特征分析法,基于1D灰度信息的特征分析法。综述了国内外在这个领域的研究进展,并提出一些符合我国农业现代化发展趋势的机器视觉研究思路。

机器视觉技术和GPS在农业车辆自动导航中的应用

机器视觉和GPS是农业自动车辆获取导航信息的两种主要方式,其主要任务是获得作物行或犁沟的信息。为此,介绍了基于以上两种导航技术的农业车辆研究现状,重点对比了机器视觉与GPS的技术特点及其优缺点,并指出了研究中存在的问题;最后讨论了两种导航方式的发展趋势。

自主导航农业车辆的全景视觉同时定位与地图创建

为更好地实现在实际农业作业环境下智能农业车辆的自主导航,提出了基于全景视觉的同时定位与地图创建方法(PV-SLAM)。首先对惯性测量单元(IMU)的姿态进行了解算分析,并设计实现了惯性测量单元的硬件电路模块。其次研究建立了农业车辆运动模型和全景视觉系统观测模型。然后将多目全景视觉(PV)和惯性测量单元(IMU)结合,采用扩展卡尔曼滤波(EKF),实现了自主导航农业车辆的PV-SLAM过程,并具体分析阐释了算法实现流程和步骤。试验结果表明,相较传统视觉SLAM算法,本研究提出的PV-SLAM方法,在较少或无固定路标情况下,获取的环境路标数平均增加80.2%,成功率平均提高15.8个百分点,在x和y方向的平均精度分别提高35.3%和37.8%,定位平均精度提高36.2%。PV-SLAM能较准确完整地提取环境路标信息,且对环境固定路标的依赖较小,因此在实际农业路径作业中运行效果较好。

自主导航农业车辆全景视觉光线的自适应方法研究

为解决自主导航农业车辆在实际野外作业中不同环境光线对全景视觉成像质量的影响问题,提高自主导航的准确性和可靠性,提出全景视觉光线自适应方法。首先,通过数字成像原理分析、成像曝光控制、成像质量评价,研究视觉成像系统;其次,通过相机响应函数求取、数据匹配与更新、光线自适应曝光时间调整,实现全景视觉光线自适应算法的具体过程。结果表明,改进的光线自适应算法,在正常光线、较强光线、较弱光线3种情况下,均能明显提高全景视觉图像的成像质量;相较于未经改进的原始算法,在光线较亮情况下改进的光线自适应算法,图像平均二维信息熵提高47.1%,平均梯度值提高60.9%;在光线较暗情况下,改进的光线自适应算法,图像平均二维信息熵提高30.3%,平均梯度值提高76.4%;在不同光线情况下,改进的光线自适应算法,单次平均耗时0.36 s,相较于传统多曝光处理算法,速度平均加快75.5%。

农业车辆视觉导航控制系统

为提高农业生产智能化水平和降低人力成本,针对行间作物的特点,设计一套用于农业车辆的视觉导航控制系统。通过固定在农业车辆上的摄像头获取田间作物图像,基于Matlab进行图像处理得出车辆与规划路径的位置和角度偏差。控制器根据上位机得出的前轮目标转角和角度传感器得出的实际转角的偏差值作为输入变量,控制电控液压转向系统保证前轮沿着正确路线在田间行驶。根据田间实验结果,车辆行驶速度为2.08km/h时,前轮转向迅速、平稳,最大误差0.18m,平均误差0.048m。该控制系统快速性和准确性,能够保证农业车辆自主导航。

采用MSBN多智能体协同推理的智能农业车辆环境识别

为了解决智能农业车辆对所处复杂农田环境的识别信度定量分析困难的问题,提出了基于多连片贝叶斯网(MSBN)多智能体协同推理的目标识别算法.该方法把多智能体图像采集系统的局部信息表征在MSBN模型中,在观测不完备条件下,虽然单个智能体仅拥有目标的局部观测信息,但利用重叠子域信息的更新可以进行子网间消息的传播.利用MSBN局部推理和子网间信度通信的全局推理对多源信息进行融合,以提高识别性能.实验结果表明,与传统神经网络或BN方法相比,基于MSBN目标识别算法有效地对多源信息进行了补充,可以提高农业车辆在复杂环境进行识别的准确性.

自主导航农业车辆无线总线系统设计

为了减少自主导航农业车辆CAN总线通信系统中的物理布线,提高系统可靠性,本文提出了无线总线系统整体设计思路。通过对无线适配器硬件电路设计和软件设计,最终实现了无线总线通信,并在农业车辆平台上进行数据采集试验。试验表明,当CAN总线速率低于或等于80kbps时,无丢包现象发生;当总线速率达到160kbps时,丢包率超过30%。