改进纯追踪模型的履带式农机导航控制系统设计(源码)
随着耕地面积不断扩大，传统的手工作业已经不能满足我国农业生产的需求。自动导航系统是提高农业生产效率的重要方向。然而现有的导航系统大部分针对轮式农机进行设计，缺乏对履带式农机的研究。首先，本文设计了面向履带式农机的导航控制系统，具备实时定位、作业区域规划、航线规划、自动导航等功能。该导航系统基于C/S结构，利用C#与开源框架实现。其次本文研究了履带式车辆的纯追踪控制模型，对履带式车辆的姿态调整过程做出分析，给出了纯追踪模型预测结果的量化方法。在此基础上，将纯追踪模型与模糊控制神经网络结合，利用模糊控制的数据训练神经网络，对纯追踪模型的结果进行预测。最终实际实验结果表明，履带式农机在水泥路面行驶过程中，与导航线的最大横向偏差为0.27m，平均横向偏差为0.15m。车辆轨迹总体趋势保持直线，拐弯坡度较小，表明算法具备一定的纠偏能力。本控制系统可以被用于农业生产过程中。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1.绪论 2
1.1研究背景与意义 2
1.2自动导航系统综述 2
1.2.1国外农机导航系统研究现状 2
1.2.2国内农机导航系统研究现状 3
1.3纯追踪模型综述 3
1.4 模糊神经网络综述 4
1.5研究内容 4
1.6技术路线图 4
2.系统设计 5
2.1系统功能设计 5
2.2技术概述 6
2.3 系统类图 7
2.4 系统用例图 8
2.5系统顺序图 8
2.6硬件平台 10
2.6核心功能实现 11
3.理论研究 18
3.1纯追踪模型 18
3.2模糊控制 20
3.3模糊神经网络 23
4.实验结果与分析 25
5.总结与展望 27
致谢 27
参考文献 28
基于改进纯追踪模型的履带式农机导航控制系统设计
引言
1.绪论
1.1研究背景与意义 *好棒文|www.hbsrm.com +Q: @351916072@
近些年以来，我国农业正从个人生产向农场生产阶段过渡。在此过程中，随着耕地面积不断扩大，传统的手工作业已经不能满足生产需求。大量农业机械设备的投入使用，在提高生产效率方面发挥了重要作用。目前农机主要种类有拖拉机、小型收割机、大型收割机、牵引机等等，其配备的多级液压系统可以调整油门大小，再配合电磁阀的开关实现车辆的控制[1]。如何实施调整车辆的液压系统，帮助人们更好地完成作业，是近些年农业机械化研究的重要内容[23]。
手工作业的方式往往效果不好。例如，在强光或灰尘较多的环境下，人眼往往容易疲劳，导致控制量估计不准确，使得车辆不能够完全按照直线行走。为了解决这个问题，自动导航系统应运而生。如何选择合适的控制理论是导航系统中一个重要的问题。目前纯追踪相关理论[5]在导航系统中大量被使用，其具有与环境无关性特点。即选取合适的转弯半径与前视距离调整车辆航向，从而使车辆尽可能与航线拟合。纯追踪模型根据车辆的实际物理模型进行建模，不同农机之间物理结构也不尽相同，这就导致纯追踪模型有许多种类。
从驱动方式上来看，车辆的物理结构可分为轮式与履带式。因为轮式车辆的纯追踪模型比较容易求解，所以国内相关研究比较多；然而针对履带式车辆导航系统的研究较少。履带式车辆具有轮式车辆所没有的优势，不仅有良好的稳定性，在田间还是沙地都能够行走自如，而且履带车辆行走作业时与土壤的接触面积大，对土壤破坏少，能更好的保护土壤[6]。履带车辆在多种农田环境中均有应用，因此开展相关的研究是有必要的。
1.2自动导航系统综述
自主导航车辆的主要任务是在无人干预的条件下，能够自主完成路径跟踪、避障、越野等一系列行为。路径跟踪是导航系统中最重要的任务之一，被广泛应用于碰撞检测、自适应巡航、急停等方面。查理斯等人首次提出了完整的路径跟踪模型，即道路环境检测与建模、路径追踪[7]。该模型易于实现与推广，在行驶过程中容易获得样本数据。在车辆自主导航中，路径跟踪技术通过传感器采集信息，获取足够的样本后建立道路模型，从而使车辆按预定路线行驶。道路模型分为自适应道路模型与非自适应道路模型。非自适应道路模型往往用于光照单一、遮蔽物稀少的简单场景，利用人为添加的规则识别道路。自适应道路模型常用于连续变化的复杂场景，不断通过样本修改结构化分类标准[8]，从而提高识别率。
1.2.1国外农机导航系统研究现状
斯坦福大学的Bell对农机导航控制系统进行了深入研究。他们在拖拉机的周围安装了四个GPS天线，然后测量各天线与卫星的相对角度，通过他们之间的差值来实时计算当前车辆的姿态[9]。导航系统的精度用实际作业过程中的轨迹与理想轨迹间的误差均值和方差表示。最终表明，在重复试验中，平均误差小于5厘米，航向偏差小于1°，横向偏差小于2.5cm。
/
图1 斯坦福大学约翰迪尔7800实验拖拉机
德国的农业技术和建筑工程监理会设计了一种旋转耕地机器人，它具有播种和除去田间杂草的功能。其利用光流传感器来获得车辆底盘与农田的距离，从而可以沿田垄向前行驶[10]。实验数据表明，平均误差在0.3m以内，较好地实现了机器人的自动导航控制。
Ayala M、Soria C 等人设计一种在田间使用的移动机器人视觉控制系统。该系统利用多角度视觉传感器对图片进行分析处理，然后获得道路中的透视线。再利用透视线确定导航的轨迹。获得透视线后通过Hough 变换法求出行驶道路的中央航线，使得车辆沿航向向前平稳行驶。实验数据表明，其稳定性较好[11]。
日本北海道农业研发中心设计了一套基于卡尔曼滤波器的农业车辆自动导航系统。该系统使用了多传感器信息融合技术，分析光流传感器、GPS、红外线数据，利用角速度计测出的车辆与导航线之间的偏差进行校正，使得GPS数据尽可能位于航行上，实现了农用车辆田间作业的自动行驶功能[12]。
1.2.2国内农机导航系统研究现状
GNSS全称全球定位系统，利用卫星实现车辆定位，目前应用最广泛的是美国GPS。由于普通卫星定位精度只有10m左右，无法满足使用需求，因此普遍采用具有厘米级定位精度的RTKGPS（real time kinematic）[13]。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1.绪论 2
1.1研究背景与意义 2
1.2自动导航系统综述 2
1.2.1国外农机导航系统研究现状 2
1.2.2国内农机导航系统研究现状 3
1.3纯追踪模型综述 3
1.4 模糊神经网络综述 4
1.5研究内容 4
1.6技术路线图 4
2.系统设计 5
2.1系统功能设计 5
2.2技术概述 6
2.3 系统类图 7
2.4 系统用例图 8
2.5系统顺序图 8
2.6硬件平台 10
2.6核心功能实现 11
3.理论研究 18
3.1纯追踪模型 18
3.2模糊控制 20
3.3模糊神经网络 23
4.实验结果与分析 25
5.总结与展望 27
致谢 27
参考文献 28
基于改进纯追踪模型的履带式农机导航控制系统设计
引言
1.绪论
1.1研究背景与意义 *好棒文|www.hbsrm.com +Q: @351916072@
近些年以来，我国农业正从个人生产向农场生产阶段过渡。在此过程中，随着耕地面积不断扩大，传统的手工作业已经不能满足生产需求。大量农业机械设备的投入使用，在提高生产效率方面发挥了重要作用。目前农机主要种类有拖拉机、小型收割机、大型收割机、牵引机等等，其配备的多级液压系统可以调整油门大小，再配合电磁阀的开关实现车辆的控制[1]。如何实施调整车辆的液压系统，帮助人们更好地完成作业，是近些年农业机械化研究的重要内容[23]。
手工作业的方式往往效果不好。例如，在强光或灰尘较多的环境下，人眼往往容易疲劳，导致控制量估计不准确，使得车辆不能够完全按照直线行走。为了解决这个问题，自动导航系统应运而生。如何选择合适的控制理论是导航系统中一个重要的问题。目前纯追踪相关理论[5]在导航系统中大量被使用，其具有与环境无关性特点。即选取合适的转弯半径与前视距离调整车辆航向，从而使车辆尽可能与航线拟合。纯追踪模型根据车辆的实际物理模型进行建模，不同农机之间物理结构也不尽相同，这就导致纯追踪模型有许多种类。
从驱动方式上来看，车辆的物理结构可分为轮式与履带式。因为轮式车辆的纯追踪模型比较容易求解，所以国内相关研究比较多；然而针对履带式车辆导航系统的研究较少。履带式车辆具有轮式车辆所没有的优势，不仅有良好的稳定性，在田间还是沙地都能够行走自如，而且履带车辆行走作业时与土壤的接触面积大，对土壤破坏少，能更好的保护土壤[6]。履带车辆在多种农田环境中均有应用，因此开展相关的研究是有必要的。
1.2自动导航系统综述
自主导航车辆的主要任务是在无人干预的条件下，能够自主完成路径跟踪、避障、越野等一系列行为。路径跟踪是导航系统中最重要的任务之一，被广泛应用于碰撞检测、自适应巡航、急停等方面。查理斯等人首次提出了完整的路径跟踪模型，即道路环境检测与建模、路径追踪[7]。该模型易于实现与推广，在行驶过程中容易获得样本数据。在车辆自主导航中，路径跟踪技术通过传感器采集信息，获取足够的样本后建立道路模型，从而使车辆按预定路线行驶。道路模型分为自适应道路模型与非自适应道路模型。非自适应道路模型往往用于光照单一、遮蔽物稀少的简单场景，利用人为添加的规则识别道路。自适应道路模型常用于连续变化的复杂场景，不断通过样本修改结构化分类标准[8]，从而提高识别率。
1.2.1国外农机导航系统研究现状
斯坦福大学的Bell对农机导航控制系统进行了深入研究。他们在拖拉机的周围安装了四个GPS天线，然后测量各天线与卫星的相对角度，通过他们之间的差值来实时计算当前车辆的姿态[9]。导航系统的精度用实际作业过程中的轨迹与理想轨迹间的误差均值和方差表示。最终表明，在重复试验中，平均误差小于5厘米，航向偏差小于1°，横向偏差小于2.5cm。
/
图1 斯坦福大学约翰迪尔7800实验拖拉机
德国的农业技术和建筑工程监理会设计了一种旋转耕地机器人，它具有播种和除去田间杂草的功能。其利用光流传感器来获得车辆底盘与农田的距离，从而可以沿田垄向前行驶[10]。实验数据表明，平均误差在0.3m以内，较好地实现了机器人的自动导航控制。
Ayala M、Soria C 等人设计一种在田间使用的移动机器人视觉控制系统。该系统利用多角度视觉传感器对图片进行分析处理，然后获得道路中的透视线。再利用透视线确定导航的轨迹。获得透视线后通过Hough 变换法求出行驶道路的中央航线，使得车辆沿航向向前平稳行驶。实验数据表明，其稳定性较好[11]。
日本北海道农业研发中心设计了一套基于卡尔曼滤波器的农业车辆自动导航系统。该系统使用了多传感器信息融合技术，分析光流传感器、GPS、红外线数据，利用角速度计测出的车辆与导航线之间的偏差进行校正，使得GPS数据尽可能位于航行上，实现了农用车辆田间作业的自动行驶功能[12]。
1.2.2国内农机导航系统研究现状
GNSS全称全球定位系统，利用卫星实现车辆定位，目前应用最广泛的是美国GPS。由于普通卫星定位精度只有10m左右，无法满足使用需求，因此普遍采用具有厘米级定位精度的RTKGPS（real time kinematic）[13]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1657.html
