基于虚拟雷达和两级神经网络的割草机路径跟踪算法

为提高果园内小型双电机驱动履带式割草机恶劣路面下路径跟踪精度,提出了一种基于虚拟雷达路径感知和两级深度神经网络的路径跟踪控制算法。首先搭建了两级串联的人工深度神经网络,一级深度神经网络通过虚拟雷达路径感知算法,计算得到履带式割草机与目标路径的相对位置关系。二级深度神经网络根据履带式割草机跟踪偏差、航向角、横向偏差影响因子、折算履带滑转率以及履带式割草机与目标路径的相对位置关系,计算得到两侧驱动电机的控制转速,实现路径跟踪控制。在灌溉翻浆的果园路面,开展了履带式割草机U形路径跟踪实车试验,当车速分别为0.4、0.8 m/s时,该算法路径跟踪的最大横向偏差分别为0.064、0.072 m,平均横向偏差分别为0.026、0.033 m。与传统的纯追踪控制算法相比,最大横向偏差分别减小31.18%、20.88%,平均横向偏差减小35.00%、29.79%。基于虚拟雷达和两级深度神经网络的路径跟踪控制算法可有效提升履带式割草机在恶劣路面下的路径跟踪精度。

基于激光雷达信息的履带式自动割草机障碍物检测

针对果园土壤生草制管理中所面临的割草任务重、劳动强度大等问题,设计一种基于二维激光雷达信息的履带式自动割草机障碍物检测方法。采用RPLIDAR A1进行障碍物扫描检测,由Matlab编程完成数据处理。将采集到的数据转换为直角坐标系下的x、y坐标,运用最小二乘滤波对数据进行去噪处理,采用k-means聚类算法对扫描数据进行聚类分析,得到障碍物的基本轮廓信息,最后经拟合得到较为密集的障碍物边缘离散点。试验结果中激光雷达扫描得到的角度和距离数据与现场实地测量数据之间最大误差为3.2%,达到了障碍物检测的目的,表明基于激光雷达信息的障碍物检测方法是合理可行的。

履带式无人驾驶割草机控制系统设计

为解决传统割草机在丘陵山区果园行走稳定性和通过性较差的问题,应用自动化技术与无人驾驶技术对履带式割草机行走控制系统进行设计。在现有履带式果园割草机基础上,通过对履带式割草机工作原理的深入研究,设计了一套基于PLC的履带式无人驾驶割草机行走控制系统,通过对割草机的远程遥控实现割草机的无人驾驶。试验结果表明:履带式无人驾驶割草机行走状态良好,可以达到自由行走以及原地转向的要求。