一种无人驾驶农机作业速度自主决策方法技术

本发明专利技术公开了一种无人驾驶农机作业速度自主决策方法，包括以下步骤：S1、采集农机运动状态数据，筛选影响农机作业速度的因变量，建立目标作业速度训练样本；S2、建立农机目标作业速度的高斯过程回归预测模型；S3、训练目标作业速度的高斯过程回归预测模型；S4、训练时对高斯过程回归预测结果评价与检验，获得训练完成预测模型；S5、获取农机测试数据样本，采用高斯过程回归预测模型获得相应的无人驾驶农机预测速度，以此预测速度的均值作为目标决策速度；S6、根据获得目标决策速度，自动调节无人驾驶农机的作业速度。本发明专利技术方法实现无人驾驶农机自主根据农田地形起伏情况决策并调节作业速度，保障作业质量的同时提高作业效率。保障作业质量的同时提高作业效率。保障作业质量的同时提高作业效率。

【技术实现步骤摘要】
一种无人驾驶农机作业速度自主决策方法


[0001]本专利技术属于智能农业机械
，具体涉及一种无人驾驶农机作业速度自主决策方法。

技术介绍

[0002]无人驾驶农机在湿滑的泥浆和硬底层高低起伏不平的农田环境中，容易造成农机直线行驶精度下降，导致作业效果降低。目前无人驾驶农机通常是人为设定固定速度作业，或者人为干预调节作业速度，而有经验的农机驾驶员一般在遇到起伏不平的农田区域，通常自主决策降速通过坑洼区域，保证作业质量，在平坦区域，加快作业速度，提高作业效率。
[0003]中国专利技术专利CN202011598475.7 提出了一种适用于无人驾驶农机的行进速度调控方法及系统，通过判断农机的作业负荷大小，自动调节稳定农机作业速度；中国专利技术专利CN201811075147.1 提出了一种农机无人化智慧控制系统及其控制方法，设计了可以电控化的调试装置和方法；然而，所述专利技术方案仅实现了无人农机的速度可控功能，无人农机依旧不能自主决策并调节作业速度。

技术实现思路

[0004]本专利技术的主要目的在于克服现有技术的缺点与不足，提出一种无人驾驶农机作业速度自主决策方法，方法基于人工驾驶经验，设计无人农机依据自身姿态等信息，自主决策目标作业速度，既可提高坑洼区域的直线精度，也可以提高平坦区域的作业效率。
[0005]为了达到上述目的，本专利技术采用以下技术方案：一种无人驾驶农机作业速度自主决策方法，包括以下步骤：S1、采集无人驾驶农机运动状态数据，筛选影响无人驾驶农机作业速度的因变量，建立目标作业速度训练样本；S2、建立无人驾驶农机目标作业速度的高斯过程回归预测模型；S3、训练目标作业速度的高斯过程回归预测模型；S4、训练时对高斯过程回归预测结果评价与检验，获得训练完成的高斯过程回归预测模型；S5、获取无人驾驶农机测试数据样本，采用高斯过程回归预测模型获得相应的无人驾驶农机预测速度，以此预测速度的均值作为目标决策速度；S6、根据获得目标决策速度，自动调节无人驾驶农机的作业速度。
[0006]本专利技术与现有技术相比，具有如下优点和有益效果：1、本专利技术以无人驾驶农机位姿感知装置获取的农机运动过程中高程差、横滚角和横向位置偏差、航向偏差等信息，对无人农机作业速度进行预测，进而自主决策并调节作业速度，保障作业质量的同时提高作业效率；该方法适应性较强，能有效提高了无人驾驶农机的智能化程度和适用性。
附图说明
[0007]图1是本专利技术方法的流程图；图2是本专利技术高斯过程回归预测模型映射图；图3是本专利技术高斯过程回归流程。
具体实施方式
[0008]下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。
[0009]实施例如图1所示，本专利技术，一种无人驾驶农机作业速度自主决策方法，包括以下步骤：S1、通过无人驾驶农机的机载终端采集无人驾驶农机运动状态数据，筛选影响无人驾驶农机作业速度的因变量，建立目标作业速度训练样本；具体为：影响无人驾驶农机作业速度有多个因变量，采用相关关系法分别对各因变量求取Spearman秩相关系数：（1）其中，为秩相关系数，n为数据长度，和分别为原始数据，和分别为按照从小到大的顺序排列后的数据；根据公式（1）分别计算各因变量与速度v的秩相关系数，绝对值越大，表示该因变量影响无人驾驶农机速度v越显著。
[0010]本实施例中，以影响无人驾驶农机目标作业速度v最显著的4个因素：高程差、横滚角、横向位置偏差以及航向角，组成4维输入向量m：（2）（3）其中，为第i个输入向量，分别表示第i个输入向量的高程差、横滚角、横向位置偏差以及航向角；采集若干个输入向量和输出标量，建立目标作业速度训练样本D：（4）其中，为第i个样本的输出标量；为所有训练样本输入向量组成的矩阵；为所有训练样本输出标量组成的矩阵，其中训练样本集存在噪声且服从标准高斯分布。
[0011]S2、建立无人驾驶农机目标作业速度的高斯过程回归预测模型；具体为：定义高斯过程的期望和协方差分别为和：
（5）（6）则高斯过程为：（7）其中，随机变量参数x的输出值为随机变量；对于n个输入，输出服从联合高斯分布：（8）其中，，是维矩阵；对于目标作业速度决策回归，采用含噪声函数模型：（9）其中，y为观测值，f为函数值，为x对应的真值；服从正态分布，其均值为0；观测值y的先验分布为：（10）给定训练集，测试集，令，，观测值y和预测值的联合先验分布为：（11）其中，、、和均为协方差矩阵，为对称正定协方差矩阵，矩阵元素表示和之间的相关性；为单位矩阵；和具体为：（12）（13）采用贝叶斯理论，获得高斯过程回归的关键预测方程为：（14）
其中，为测试集数据点对应的均值，为对应的方差：（15）（16）其中，即为目标作业速度的预测值。
[0012]如图2所示，为高斯过程回归预测模型映射图。
[0013]S3、训练目标作业速度的高斯过程回归预测模型；如图3所示，包括：S31、确定协方差函数；具体为：高斯过程回归预测模型采用平方指数协方差核函数：（17）其中，、l为核函数的超参数，为信号方差，l描述的是核函数在参数空间中复杂程度的尺度参数。
[0014]S32、设置初始超参数，边际似然超参数优化；具体为：无人驾驶农机目标作业速度的高斯过程回归预测模型的输入向量m由高程差、横滚角、横向位置偏差和航向角组成，因此，对公式（17）中空间长度尺度l的确定采用自动确定相关性，表达式为：（18）其中，分别代表高程差、横滚角、横向位置偏差和航向角中每个维度的长度尺度；将高斯过程回归预测模型的训练过程看作是一个求解非线性数值优化的问题，定义超参数向量：（19）用表示中的元素，即超参数；采用最大似然估计法MLE对超参数进行优化，边际似然函数为：（20）似然服从高斯分布：（21）由高斯过程回归预测模型得：（22）
公式（22）经过积分运算后仍然服从高斯分布：（23）其中，，为不考虑高斯噪声的协方差矩阵；对公式（20）求负对数，得负对数边界似然（Negative log marginal likelihood，NLML）函数：（24）求解公式（24）最小值获得优化的超参数，即高斯过程回归预测模型的训练转变为公式（24）的优化问题，目标函数为L，优化目标为求解L的最小值；对公式（24）求关于超参数的偏导数：（25）其中，，表示矩阵的迹；采用共轭梯度法对偏导数进行最小化，得到超参数的最优解，即根据无人驾驶农机测量得到的高程差、横滚角、横向位置偏差和航向角通过高斯回归过程预测需调整的目标作业速度。
[0015]S4、训练时对高斯过程回归预测结果评价与检验，获得训练完成的高斯过程回归预测模型；本实施例中，高斯过程回归预测结果评价具体采用平均绝对误差MAE对样本的预测值与真实值偏差进行判定：（26）其中，和分别表示第i个真实值和预测值，N为预测样本数；MAE值越小，表示模型预测性能越好；根据公式（15），采用训练好的高斯过程回归预测模型对训练样本进行自回归，根据公式（26）计算MAE判断训练是否成功，若训练不成功，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人驾驶农机作业速度自主决策方法，其特征在于，包括以下步骤：S1、采集无人驾驶农机运动状态数据，筛选影响无人驾驶农机作业速度的因变量，建立目标作业速度训练样本；S2、建立无人驾驶农机目标作业速度的高斯过程回归预测模型；S3、训练目标作业速度的高斯过程回归预测模型；S4、训练时对高斯过程回归预测结果评价与检验，获得训练完成的高斯过程回归预测模型；S5、获取无人驾驶农机测试数据样本，采用高斯过程回归预测模型获得相应的无人驾驶农机预测速度，以此预测速度的均值作为目标决策速度；S6、根据获得目标决策速度，自动调节无人驾驶农机的作业速度。2.根据权利要求1所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，步骤S1中，筛选影响无人驾驶农机作业速度的因变量具体为：影响无人驾驶农机作业速度有多个因变量，采用相关关系法分别对各因变量求取Spearman秩相关系数：（1）其中，为秩相关系数，n为数据长度，和分别为原始数据，和分别为按照从小到大的顺序排列后的数据；根据公式（1）分别计算各因变量与速度v的秩相关系数，绝对值越大，表示该因变量影响无人驾驶农机速度v越显著。3.根据权利要求2所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，根据公式（1），以影响无人驾驶农机目标作业速度v最显著的4个因素：高程差、横滚角、横向位置偏差以及航向角，组成4维输入向量m：（2）（3）其中，为第i个输入向量，分别表示第i个输入向量的高程差、横滚角、横向位置偏差以及航向角；采集若干个输入向量和输出标量，建立目标作业速度训练样本D：（4）其中，为第i个样本的输出标量；为所有训练样本输入向量组成的矩阵；为所有训练样本输出标量组成的矩阵，其中训练样本集存在噪声且服从标准高斯分布。4.根据权利要求1所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，步骤S2具体为：
定义高斯过程的期望和协方差分别为和：（5）（6）则高斯过程为：（7）其中，随机变量参数x的输出值为随机变量；对于n个输入，输出服从联合高斯分布：（8）其中，，是维矩阵；对于目标作业速度决策回归，采用含噪声函数模型：（9）其中，y为观测值，f为函数值，为x对应的真值；服从正态分布，其均值为0；观测值y的先验分布为：（10）给定训练集，测试集，令，，观测值y和预测值的联合先验分布为：（11）其中，、、和均为协方差矩阵，为对称正定协方差矩阵，矩阵元素表示和之间的相关性；为单位矩阵；和具体为：（12）
（13）采用贝叶斯理论，获得高斯过程回归的关键预测方程为：（14）其中，为测试集数据点对应的均值，为对应的方差：（15）（16）其中，为目标作业速度的预测值。5.根据权利要求1所述的一种无人驾驶农机作业速度自主决策方法，其特征在于，步骤S3具体为：S31、确定协方差...

【专利技术属性】
技术研发人员：何杰，汪沛，胡炼，黄培奎，李明锦，黄钰峰，丁帅奇，曾思晓，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：