System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及农业机械导航控制领域,具体涉及一种基于改进的用于农业机械路径跟踪的stanley控制方法。
技术介绍
1、我国幅员辽阔,地形类型复杂多变,气候类型多种多样。据统计,我国2022年果园种植面积共计1.8415亿亩,水果总产量超过3亿吨。我国果树种植面积和产量均居世界首位,成为世界第一水果产业大国。但与此相对应的是,我国果园种植业的平均综合机械化率却不到30%,机械化水平无法满足现代果业发展的需要。在我国面临劳动力人数下降、果园产业升级的大背景下,通过在传统机械上配备自动导航装置,辅助人工进行作业,可以节省大量劳动力,提高作业效率。
2、从定位技术方面看,目前我国北斗卫星导航系统(以下简称北斗)技术已经可以达到厘米级别,能够满足果园农业机械(以下简称农机)作业的精度要求。从导航控制技术方面看,由于自动驾驶技术的飞速发展,目前已经研究出多种导航控制方法。如基于经典控制理论的线性模型控制方法和最优控制方法、基于非线性控制理论的模糊控制方法和滑模变结构控制方法。
3、基于经典控制理论的控制方法需要对车辆建立运动学模型或者动力学模型。然而在果园环境下,由于多为丘陵和山地等复杂地形,很难用数学模型来准确描述运动状态,控制效果往往达不到预期效果。基于非线性控制理论的控制方法虽然不依赖数学模型,但是在农机上线阶段和地头掉头阶段存在跟踪误差较大的问题。因此研究一种既不依赖于农机的数学模型,又能拥有较高跟踪精度的控制方法十分必要。
技术实现思路
1、为了克服现有路径
2、为了达到上述目的,本专利技术的方案如下,一种农业机械的路径跟踪和控制方法,该方法包括如下步骤:
3、步骤1:录制预期路径;
4、步骤2:预处理当前运动周期卫星和前轮角传感器数据;
5、步骤3:根据步骤1中预先采集的期望路径数据和步骤2中农机运动状态数据,结合stanley几何模型,得到农机在当前运动周期的横向偏差和航向角偏差;最后综合考虑横向偏差和航向角偏差对期望转角的影响,得出期望转角的表达式。
6、步骤4:根据步骤2和步骤3得到的相关数据,通过pso优化算法得到stanley跟踪方法中的待优化参数,求出前轮期望转角;
7、步骤5:对农机进行横向控制,对预期路径进行实时跟踪。
8、进一步的,步骤1中的录制预期路径,具体的在固定地区认为设定之后作业路径和作业起点和终点,之后采用人工驾驶的方式,在果园从原点跑完预先设定的路径,并将农机运动中的北斗卫星接收机数据和前轮角度传感器数据记录下来。
9、进一步的,步骤2中所述的卫星和前轮角传感器数据包括农机当前运动周期内经纬度l(t)、速度υ(t)、航向角δ(t)、左前轮转角αl(t)、右前轮转角αr(t)、左前轮横摆角速度βl(t)、右前轮转角速度βr(t);
10、进一步的,步骤2中采用横轴墨卡托投影(universal transverse mercator,utm)方法,将经纬度l(t)位置转换为平面位置pr(xr,yr),之后对航向角y(t)进行平均值滤波处理。
11、进一步的,步骤2中所述的前轮角度传感器数据,采用线性权重系数对左前轮和右前轮角度和角速度数据进行合成处理,求得的前轮角度传感器公式如下:
12、
13、式中α为前轮角度,β为前轮角速度,k1为左前轮数据的非线性权重系数,k2为右前轮数据的非线性权重系数。
14、其中k1和k2的大小之间采用高斯权重函数进行确定。当农机在前轮处于车辆前进方向左边时,线性权重系数k1占有较大权重,当农机在前轮处于车辆前进方向右边时,线性权重系数k2占有较大权重,这样使得最终求得的前轮角速和前轮角速度数据和车辆的横摆角和横摆角速度的数据一致性增加。
15、进一步的,步骤3中的所述农机的期望路径数据集合可表示为:{p0(x0,y0),p1(x1,y1),pk(xk,yk),...pn(xn,yn)},横向偏差表示农机当前位置和期望路径集合的所有位置点之间连线的距离最小值,航向角偏差表示农机当前航向线和预期路径中最近点处切线的角度。
16、进一步的,步骤4中相关数据包括农机当前运动周期的速度υ(t),横向偏差e(t),航向角偏差δe(t)。将所得的位置数据,速度数据,农机前轮中心角速度输入给pso优化算法,使用该算法进行不断迭代计算,最终求出待优化参数最优值。将待优化参数最优值作为步骤3中的增益系数,从而计算出前轮预期转角。
17、进一步的,步骤5中通过将农机上的手动方向盘替换成电控方向盘,以此根据计算出来的期望前轮转角实现农机的横向控制。
18、本专利技术的有益效果为:
19、本专利技术所述的基于粒子群多目标优化的stanley跟踪控制方法,在基于stanley几何模型的stanley跟踪控制方法上,提出使用粒子群多目标优化算法对stanley方法中的增益系数进行优化。相较于线性模型控制方法和最优控制方法,该方法可减少对农机数学模型的依赖,有效的应对复杂多变的果园环境。相较于模糊控制方法和滑模变结构控制方法,该方法在农机可有效提高路径跟踪精度。该方法相对于其他跟踪和控制方法,可减少农机从上线阶段过渡到在线作业阶段的时间,在农机进行较大曲率的地头掉头过程中,能够防止农机发生侧滑的情况,同时提升弯道跟踪和控制精度。
本文档来自技高网...【技术保护点】
1.一种农业机械的路径跟踪和控制方法,其特征在于,所述方法包含以下步骤:
2.根据权利要求1所述的农业机械的路径跟踪和控制方法,其特征在于,步骤1中,具体如下:
3.根据权利要求1所述的农业机械的路径跟踪和控制方法,其特征在于,步骤2中,预处理传感器数据,具体的:采用横轴墨卡托投影将经纬度坐标转换为平面坐标;采用平均值滤波算法对航向角进行滤波处理;采用非线性权重系数对左前轮和右前轮角度和角速度数据进行合成处理,求得的前轮角度传感器公式如下:
4.根据权利要求1所述的农业机械的路径跟踪和控制方法,其特征在于,步骤3中,
5.根据权利要求1所述的农业机械的路径跟踪和控制方法,其特征在于,步骤3、获取农机横向偏差和航向角偏差,具体如下
6.根据权利要求1所述的农业机械的路径跟踪和控制方法,其特征在于,步骤4、采用PSO优化算法优化Stanley方法中增益系数Q,具体如下:
【技术特征摘要】
1.一种农业机械的路径跟踪和控制方法,其特征在于,所述方法包含以下步骤:
2.根据权利要求1所述的农业机械的路径跟踪和控制方法,其特征在于,步骤1中,具体如下:
3.根据权利要求1所述的农业机械的路径跟踪和控制方法,其特征在于,步骤2中,预处理传感器数据,具体的:采用横轴墨卡托投影将经纬度坐标转换为平面坐标;采用平均值滤波算法对航向角进行滤波处理;采用非线性权重系数对左前轮和右前轮角度和角速...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。