自动驾驶插秧机控制系统的设计与试验
摘 要：为解决插秧机作业精度要求高、智能化程度低的问题,对插秧机进行改装,并对自动驾驶技术的全局覆盖路径规划和路径跟踪控制算法进行了研究。首先,搭建以井关PZ60型插秧机为试验平台的自动驾驶插秧机硬件平台;其次,对目标地块进行静态全局覆盖路径规划,设计改进型纯追踪模型并提出基于模糊PID的转向控制方法,实现插秧机自动驾驶的路径跟踪问题;最后,进行插秧机自动驾驶控制系统的田间试验,验证插秧机自动驾驶系统实现预定义路径跟踪的作业性能。
关键词:插秧机; RTK-GPS;路径规划;路径跟踪;
Design and Experiment of Control System for Automatic Driving Transplanter
Zhang Yibao
Sun Jingwei
Shi Shaojun Tian Furong Zhang Qing Liu Shuangxi
Shandong Gaomi Modern Agricultural Development Center College of Mechanical and Electronic
Engineering, Shandong Agricutural University Qingdao Laoshan District Emergency Management
Bureau Gaomi Agricultural and Rural Bureau
Abstract：
In order to solve the problem of high precision and low intelligence of transplanter, this paper studies the global coverage path planning and path tracking control algorithm of automatic driving technology.First of all, the hardware platform of automatic driving transplanter with Jingguan PZ60 transplanter as the test platform was built.Secondly, the static global coverage path planning of the target plot is carried out, the improved pure tracking model is designed, and the steering control method based on fuzzy PID is proposed to realize the path tracking problem of automatic driving of the transplanter.Finally, the field experiment of the automatic driving control system of the transplanter was carried out to verify the operation performance of the automatic driving system of the transplanter to achieve the predetermined path tracking.
Keyword：
transplanter; RTK-GPS; path planning; path tracking;
0 引言
智能农业装备能够有效地提高作业质量和效率,降低对劳动力的依赖,且可以满足精细农业对农业装备的体系要求。
近年来,由于就业观念改变及人口老龄化的影响,农业生产日益呈现出劳动力短缺的现象,且存在资源浪费和机械化生产区域覆盖不均匀等问题。因此,为推进农业现代化建设,减小农业生产对劳动力的依赖性,发展智能农业装备是解决上述问题的关键。自动驾驶技术能够解放劳动力、提高作业效率及质量。国内外学者针对自动驾驶及导航技术进行了深入的研究[1,2,3,4]。刘兆朋等人基于GNSS,以喷杆喷雾机为试验平台,设计了无人驾驶作业系统;系统以简化二轮车模型为基础,以位置和航向偏差作为输入设计直线跟踪控制算法,以纯追踪模型为基础设计转弯路径跟踪算法,试验结果表明:该导航系统稳定性及精确度良好,可以满足喷雾作业要求[5]。潘冉冉基于RTK技术设计了一套定位系统,以Piksi模块为定位基础,运用卡尔曼滤波对定位数据进行处理,将定位系统安装在拖拉机上进行试验,结果表明:该系统满足农用车辆的定位要求[6]。王建波等人将地块划分为直线作业区域和地头转弯非作业区域,以被控对象转弯耗费时间最短为优化目标,设计了一种基于全排列算法的全区域覆盖路径规划方法[7]。
综上所述,机器视觉导航容易受天气、光线、土地平整度等因素的影响,不利于在稻田中大规模推广应用,而基于RTK-GPS技术的组合导航系统具有精度高、稳定性好的优点,适用于农业机械的自动驾驶。插秧机自动驾驶系统的路径规划问题可以简化为直线作业段和地头转弯段的规划,对目标地块的全局覆盖路径规划是实现自动驾驶的关键,故根据模糊控制和纯追踪模型的特点,需提出一种更适宜插秧机作业的路径跟踪控制方法。为此,以井关PZ60型插秧机为试验平台,安装导航系统,对目标作业地块进行路径规划,提出路径跟踪控制算法,搭建自动驾驶插秧机控制平台,并进行仿真试验和田间试验验证系统的控制性能。
1 系统方案与工作原理
1.1 系统方案的确定
以井关PZ60型插秧机为试验平台,搭建自动驾驶硬件系统,对目标地块进行全局覆盖路径规划,提出动态调整纯追踪模型和路径跟踪控制算法,设计自动驾驶插秧机控制系统[8],主要方案如图1所示。
1.2 工作原理
1)首先,为井关PZ60型插秧机安装GPS接收机、AES-25电动方向盘,结合RTK-GPS和惯性导航等定位技术设计定位系统和转向控制系统,搭建插秧机自动驾驶的硬件系统。
2)其次,对作业地块进行全覆盖的路径规划,生成便于插秧机识别的控制序列,并将控制序列导入上位机软件。
3)最后,提出了一种组合控制路径跟踪算法,针对直线段的路径跟踪问题,设计了改进型纯追踪模型;针对转弯段的路径跟踪问题,提出了一种基于模糊PID的转向控制方法。
2 自动驾驶控制系统设计
2.1 硬件平台的搭建
采用组合定位系统,由北斗卫星/RTK-GPS导航系统和惯性导航系统组成[9],将定位系统获取的位置信息通过高斯-克吕格投影转换为平面坐标[10]。
选用上海华测公司的I70接收机作为流动站,T5F-RT6接收机作为基准站,实现对插秧机的实时差分定位。流动站和基准站如图2所示。
转向控制选用电动方向盘替换原有方向盘实现插秧机的自动驾驶转向功能[11]。转向控制原理如图3所示。
转向控制系统的控制器选用STM32单片机,转角传感器选用拓普康公司的250-CGQZJ型传感器,电动方向盘选用拓普康公司生产的AES-25电动方向盘,系统软件包括上位机软件和下位机软件。上位机、下位机工作流程如图4所示。
2.2 路径规划方案的确定
所选方案为基于水稻田地理信息完全已知情况下的静态全局覆盖路径规划[12],其技术路线如图5所示。
采用GPS仪器来测量目标稻田的边界坐标。对平面直线作业区域与转弯作业区域进行划分:稻田形状多为简单的多边形,故采用平行于稻田长边界的作业方向;转弯路线采用S型路线转弯,满足水稻的种植要求。
插秧机的转弯方式有弓形转弯、半圆形转弯、梨形转弯和鱼尾形转弯等,如图6所示。自动驾驶插秧机转弯形式的选择需要考虑作业幅宽、转弯半径长度、最小转弯半径和转弯区域面积。
转弯路径长度计算式为
其中,L为转弯路径长度(mm);R为最小转弯半径(mm);W为农机作业幅宽(mm)。
转弯区域面积计算式为
其中,S为转弯区域面积(mm2)。
对于插秧机不同的最小转弯半径R和作业幅宽W,遵循转弯形式选择原则选择转弯方式,选择原则如表1所示。为提高路径的有效作业效率,采用半圆形转弯形式。
为确定转弯区域的路径轨迹,需要确定转弯路径的起止点和终止点,当插秧机沿作业路径行进至稻田边界时,判断直线路径与稻田边界线所夹角是否为钝角,来确定转弯的起始点或终止点[12,13,14]。通过生成稻田地块边界、地块内部边界划分及对直线段和转弯段的路径规划,可以绘制出插秧机在稻田中的作业行进路径,如图7所示。
利用MatLab软件绘制稻田作业行进路径,通过GUI编程,生成路径规划的系统界面,通过处理路径的轨迹信息和作业信息得到路径规划控制序列。
2.3 直线段路径跟踪控制算法设计
为提高路径跟踪系统的控制性能,进而提高跟踪精度,对纯追踪控制模型和模糊控制算法进行结合和优化,提出一种改进型纯追踪控制算法[15,16,17]。
首先,对井观2Z-6B(PZ60-HGR)型插秧机的简化二轮车转弯模型进行分析[18],如图8所示。
分析转弯模型可得
其中,L为前后轮轴距(mm);δ为前轮转角(°);R为瞬时转弯半径(mm)。
图9所示为纯追踪模型图,图中(x,y)为预瞄点,O为瞬时转弯的圆心。
由图9中几何关系可得
Ld=2Rsinα (4)
通过式(4)、式(5)可得前轮转角δ的计算公式为
其中,δ为期望前轮转角(°);Ld为前视距离(mm)。期望前轮转角δ由前视距离Ld决定,因此,控制器通过输入前视距离,输出期望前轮转角,来实现预定义路径的轨迹跟踪。
模糊控制器的设计流程为[19,20]:
1)确定模糊控制器的输入输出变量。选用二位模糊控制器,输入插秧机的前进速度v和横向偏差d,输出纯追踪模型的前视距离Ld。系统的论域设计为插秧机的横向偏差d的基本论域为[-0.5,0.5],单位为m,量化等级为{NL,NM,NS,Z,PS,PM,PL};车身速度v的基本论域为[0,1.5],单位为m/s,量化等级为{Z,S,M,L};前视距离Ld的基本论域为[0,5],单位为m,量化等级为{Z,S,M,L}。
2)定义输入、输出隶属度函数,本研究选用高斯曲线形隶属度函数。
3)设计并建立模糊控制规则,根据设计原则建立模糊控制规则,如表2所示,对应模糊控制曲面如图10所示。
4)模糊推理和清晰化处理,设置模糊推理类型为Mamdani型,对模糊处理得到的模糊集合进行清晰化处理,本研究采用重心法进行清晰化处理。
2.4 转弯段路径跟踪控制算法
转弯段路径跟踪采用PID控制和模糊控制,提出一种基于模糊PID的转向控制方法,通过模糊控制在线调整PID控制参数,实现转弯段的路径跟踪。
选用离散化的方法对输入信号进行处理,采用数字PID控制方式,通过增量式PID控制,输出控制量的增量,不会造成误差累积。
在PID控制的基础上加入模糊调节,形成了模糊调节PID控制,实现了PID控制参数的在线调整,提高了控制系统的精度和适应性。模糊PID控制系统结构如图11所示。
选择两输入、三输出的模糊逻辑控制结构,两输入为模糊输入的插秧机横向偏差e和偏差变化率ec,三输出为模糊输出ΔKp、ΔKi和ΔKd,对PID控制参数进行在线调整,实现自动驾驶插秧机的路径跟踪控制。
实时在线调整规则为
Kp=Kp1+ΔKp (7)
Ki=Ki1+ΔKi (8)
Kd=Kd1+ΔKd (9)
其中,Kp1、Ki1和Kd1为PID控制的初始参数值;Kp、Ki和Kd为调整后参数值。
模糊控制过程的具体步骤为:首先对输入、输出变量进行模糊化,在此选用7个语言变量描述插秧机路径跟踪控制系统。系统论域设计如表3所示。
定义隶属度函数,对模糊控制的输入和输出变量均采用三角形隶属度函数,对应隶属度函数如图12和图13所示。
建立模糊控制规则,模糊PID控制器输入自动驾驶插秧机横向偏差e和偏差变化率ec,模糊控制输出ΔKp、ΔKi、ΔKd,输出的3个参数ΔKp、ΔKi、ΔKd对PID控制部分的Kp、Ki和Kd3个参数进行实时调整,保证了自动驾驶插秧机的路径跟踪控制系统的稳定性。设计系统模糊控制规则如表4～表6所示。模糊控制的3个输出变量的输出曲面如图14所示。
进行模糊推理和清晰化处理,本研究选择Mamdani型模糊推理,参数设置如表8所示。
经过模糊推理得到ΔKp、ΔKi、ΔKd的模糊集合,对模糊集合进行清晰化处理,根据插秧机的工况和作业条件选择重心法进行清晰化处理。
3 仿真分析与田间试验
3.1 转向控制仿真
为验证所设计模糊PID算法的控制性能,在Simulink中建立基于模糊PID算法的转向控制模型,并以传统PID算法的转向控制模型为对照,进行仿真试验,如图15所示。
在控制系统中输入单位阶跃信号进行仿真,得到系统的响应曲线。对比于传统PID控制,模糊PID控制下系统的超调量更小,响应时间更快,系统的动态性能更高。
3.2 组合控制算法仿真
使用MatLab规划一条S型路线,利用Simulink仿真模型对组合控制算法进行仿真验证。设置模型运动的初始速度为1m/s,横向偏差为2cm,前视距离为1.2m。路径跟踪效果如图16所示。
从仿真试验的路径跟踪效果图中可以看出总体跟踪效果良好。通过在Simulink中建立的插秧机运动学模型,对所设计的路径跟踪控制算法进行仿真试验并分析,结果表明:直线段的路径跟踪效果较好,转弯处存在一定的横向偏差,基本可以实现对预定义路径的跟踪行驶。
3.3 插秧机自动驾驶系统田间试验
为验证插秧机自动驾驶系统的控制效果,在济宁恒盛农机专业合作社的水稻田中进行实地田间试验,如图17所示。
以1m/s的前进速度进行插秧机的自动驾驶试验:上位机软件自动保存插秧机驾驶过程中的横向偏差,再以相同的前进速度进行人工驾驶试验,对比自动驾驶和人工驾驶的插秧效果。插秧机自动驾驶与人工驾驶插秧效果对比如图18所示。试验发现,自动驾驶插秧机的插秧效果显著优于人工驾驶插秧机的插秧效果。
自动驾驶试验结束后,上位机软件输出横向偏差数据并进行分析,横向偏差数据如图19所示。由图19可知:直线段路径跟踪的横向偏差最大值为6.4cm,平均值为4.3cm;转弯路段路径跟踪的横向偏差最大值为15.6cm,平均值为7.1cm,横向偏差的最大误差出现在路径转弯处。试验结果表明:所设计插秧机自动驾驶系统在直线作业段能够实现对预定义路径的准确跟踪,且根据《机动插秧机作业质量》(DB42/T714)要求,插秧直线精度在5cm之内,说明自动驾驶插秧机控制系统满足作业要求。
4 结论
1)在插秧机上安装电动方向盘、GPS流动接收机、转角传感器等,设计了定位系统、转向控制系统,完成了自动驾驶插秧机硬件平台的搭建。
2)设计一种水稻田全局覆盖路径规划方法。通过GPS和高斯投影技术对目标稻田进行坐标测定,优化目标为转弯区域面积最小,确定最优作业方向进而完成对目标地块的预定义路径规划,生成控制序列并导入上位机软件。
3)提出了一种改进型纯追踪模型的路径跟踪控制方法和一种基于模糊PID的转向控制方法,使用Simulink建立模型进行仿真验证试验,结果表明:改进型纯追踪模型的直线段路径跟踪效果良好,且基于模糊PID的转向控制方法跟踪效果较好。
4)在水稻田中进行自动驾驶插秧机的田间试验,水稻田的直线作业路段,自动驾驶插秧机路径跟踪的横向偏差较为稳定,证明自动驾驶插秧机控制系统较为稳定可靠。
参考文献
[1] 刘刚,李笑,康熙,等.基于GNSS的稻田平整无人驾驶路径规划方法[J].农业机械学报,2016,47(S1):21-29.
[2] 孟庆宽,仇瑞承,张漫,等.基于改进粒子群优化模糊控制的农业车辆导航系统[J].农业机械学报,2015,46(3):29-36,58.
[3] 唐小涛,陶建峰,李志腾,等.无人驾驶插秧机路径跟踪系统稳定性模糊控制优化方法[J].农业机械学报,2018,49(1):29-34.
[4] 齐文超,李彦明,张锦辉,等.丘陵山地拖拉机车身调平双闭环模糊PID控制方法[J].农业机械学报,2019,50(10):17-23,34.
[5] 刘兆朋,张智刚,罗锡文,等.雷沃ZP9500高地隙喷雾机的GNSS无人驾驶作业系统设计[J].农业工程学报,2018,34(1):15-21.
[6] 潘冉冉.基于RTK的农机精准定位系统的研究[D].杭州:浙江大学,2017.
[7] 王建波,赵玉芹,朱晨辉,等.无人驾驶拖拉机田间作业路径规划与应用试验[J].农机化研究,2017,39(2):242-245.
[8] 舍乐莫.基于计算机网络技术的插秧机作业控制研究[J].农机化研究,2022,44(10):202-205.
[9] 刘岩,徐秋程.监视系统中的一种投影应用及误差解决方法[J].信息化研究,2015,41(1):52-56.
[10] 吕志平,乔书波.大地测量学基础[M].北京:测绘出版社,2010:147-151.
[11] 罗锡文,张智刚,赵祚喜,等.东方红X-804拖拉机的DGPS无人驾驶控制系统[J].农业工程学报,2009,25(11):139-145.
[12] 刘向锋.面向GPS导航拖拉机的最优全局覆盖路径规划研究[D].阜新:辽宁工程技术大学,2011.
[13] 孟志军,刘卉,王华,等.稻田作业机械路径优化方法[J].农业机械学报,2012,43(6):147-152.
[14] MICHEL TAïX,PHILIPPE SOUÈRES,HELENE FRAYSSINT,et al.Path planning for complete coverage with agricultural Machines [J].Field and service robotics,2006(12):549-558.
[15] 张美娜,吕晓兰,陶建平,等.农用车辆自主导航控制系统设计与试验[J].农业机械学报,2016,47(7):42-47.
[16] NIE ZHUOYUN,ZHU CHAO,WANG QINGGUO,et al.Design,analysis and application of a new disturbance rejection PID for uncertain systems[J].ISA transactions,2020-01-16.
[17] 孟庆宽,仇瑞承,张漫,等.基于改进粒子群优化模糊控制的农业车辆导航系统[J].农业机械学报,2015,46(3):29-36,58.
[18] 张曾科.模糊数学在自动化技术中的应用[M].北京:清华大学出版社,1997.
[19] 张国良.模糊控制及其MATLAB应用[M].西安:西安交通大出版社,2002.
[20] MOHAMMED SALAH BOUAKKAZ.AHCENE BOUKADOUM,OMAR BOUDEBBOUZ,et al.Dynamic perf ormance evaluation and improvement of PV energy generation systems using moth flame optimization with combined fractional order PID and sliding mode controller[J]. Solar energy,2020, 199(3):411-424
