论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

        2.2导航控制技术
　　农业机械导航控制技术主要包括横向控制和纵向控制。其中，纵向控制为速度控制，农业机械作业时一般速度不高，而且速度的变化范围小，所以在导航控制研究中往往把研究的重点放在横向控制上。横向控制是指车辆的转向控制，而转向控制的重点在于导航控制器的设计。导航控制器可以将农业车辆的位置信息与规划路径相比较得到的偏差信号发送给转向控制机构，通过转向操作机构控制农业机械按照理想路径运行。目前，设计这类导航控制器的方法主要包括：智能控制方法、PID的控制方法、最优控制方法、预瞄控制方法、预测控制方法等。
　　在智能控制当中，使用较多的为神经网络控制和模糊控制。通过模拟人的智能行为，神经网络控制和模糊控制在不需要精确数学模型的情况下就能解决不确定性、非线性问题[69]。陈军等将神经网络控制技术应用于农用车辆的自动行驶控制中，使控制器具有良好的自学习功能，提高了控制器的环境适应能力和现场处理能力。在牧草地上的实车实验结果表明：农用车辆沿直线路径自动行驶时，95%的偏差绝对值小于5cm[70]。Noguchi等使用神经网络和遗传算法为农业移动机器人进行路径规划，其中神经网络描述的模拟器被用来生成路径，遗传算法被作为优化方法，使用转向角度的时间序列作为控制的输入被优化[71]。Toda等利用模糊逻辑控制机器人的转向，转向控制系统所能提供的直线跟踪结果中的位置标准转向误差为16.3mm，方向误差为2.2°[54]。李逃昌等提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法。该方法基于纯追踪模型进行农业机械路径跟踪控制，采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离，提高了路径跟踪的精度。农业机械的路径跟踪实验结果表明，路径跟踪的最大误差不超过10cm，平均误差小于5cm[72]。
　　PID控制以其算法简单、可靠性高、鲁棒性好、调整方便而在工程界中广泛应用。Yin等利用PID控制器来决定农业车辆的合适速度[23]。罗锡文等在东方红X404拖拉机的DGPS自动导航控制系统的开发中，也使用了基于PID算法的导航控制[13]。
　　最优控制理论是现代控制理论的重要组成部分，它所研究的对象是控制系统，核心是针对一个控制系统，寻求控制策略，使系统在某种意义上是最优的。陈军等利用车辆运动学模型，根据最优控制理论设计了拖拉机自动行走控制器[73]。Vougioukas等为自主农业车辆设计了两阶段最优运动规划算法[74]。Dong等进行了差速驱动农业机器人作物行引导系统的时间最优控制，田地实验表明该方法能达到±3唧的精度[75]。
　　预瞄控制具有很好的鲁棒性与智能性，其工作原理与驾驶员的驾驶行为相似。农业车辆对前方的路径进行预瞄，得到自身相对于预瞄点的偏差数据来设计控制器，以实现自动导航。周建军等在农用车辆直线导航跟踪控制中采用了该控制算法，取前视距离为车辆当前车速下4s内所走的距离，实验中横向位置偏差小于0.2m[76]。
　　预测控制先预测系统未来的输出状态，再确定当前时刻的控制动作，因此，控制动作具有明显的预见性，适合移动机器人的运动控制。任永新等针对温室环境下机器人自主导航问题，提出了基于模糊预测控制的实时路径规划和跟踪方法[77]。周俊等分析了轮式拖拉机跟踪引导路径的行为特点，基于卡尔曼滤波理论融合各传感器的测量信号实现预测跟踪控制，以抵消状态反馈滞后严重造成的不良影响[30]。
　　2.3地图构建技术
　　地图技术主要指的是地图构建，即获得农业机器人所在的实际作业环境的空间模型。通过视觉传感器、激光雷达、声纳等农业机器人外部传感器获取实际作业环境的信息，经过对获取的信息进行处理，构建出环境地图。精确的农业地图可以被用来进行农业机器人的导航、路径规划和作业环境的管理监督等。