CN113325849A - 一种针对高地隙植保机的运动控制方法 - Google Patents
一种针对高地隙植保机的运动控制方法 Download PDFInfo
- Publication number
- CN113325849A CN113325849A CN202110607260.5A CN202110607260A CN113325849A CN 113325849 A CN113325849 A CN 113325849A CN 202110607260 A CN202110607260 A CN 202110607260A CN 113325849 A CN113325849 A CN 113325849A
- Authority
- CN
- China
- Prior art keywords
- plant protection
- protection machine
- ground
- steering angle
- clearance plant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pest Control & Pesticides (AREA)
- Environmental Sciences (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Insects & Arthropods (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种针对高地隙植保机的运动控制方法,判断高地隙植保机的最小转弯半径与目标点的曲率半径的大小,判断当前规划行驶路径是否适合高地隙植保机的通行,当高地隙植保机的最小转弯半径小于目标点的曲率半径,此时根据改进的纯追踪计算方法确定前轮转向角,用误差模型对前轮转向角进行误差补偿,然后高地隙植保机正常通行;当高地隙植保机的最小转弯半径大于等于目标点的曲率半径,高地隙植保机制动;保证了高地隙植保机的导航控制安全性;保证了目标点的曲率半径的精准度,从而更加准确的确定前轮转向角计算方法,保证转向控制的稳定性;通过误差补偿,使得高地隙植保机的前轮实际转向角更加准确,保证路径跟踪的精度。
Description
技术领域
本发明属于农机自动化技术领域,具体地说,本发明涉及一种针对高地隙植保机的运动控制方法。
背景技术
现有技术的缺陷和不足:
农业机械最优控制器的建立,要依赖精确的农业机械运动学和动力学模型,但是在田间作业条件下,土壤特性的变化、农业机械与地面相互作用的变化,导致农业机械运动学和动力学模型的建立比较困难。
农业机械导航控制的主要任务是根据各个传感器得到农业机械的导航位置,确定该导航位置与规划的路径位置关系,综合农业机械的运动状态以及合适的运动控制方法,决策出相应的前轮转向角,以修正路径跟踪误差。
农业机械导航控制的重难点是提高路径跟踪的精度和转向控制的稳定性。常规的线性模型控制方法包括PID控制方法和模糊控制方法;其中,PID控制方法路径跟踪的精度较高,但是抗干扰能力较弱;模糊控制方法转向控制的稳定性良好,但是路径跟踪的稳态精度难以保证。
高地隙植保机的底盘离地面间隙较高,在循迹规划的路径过程中,易发生跟踪误差较大的情况,高地隙植保机的控制精度和稳定性受到了考验。
发明内容
本发明提供一种针对高地隙植保机的运动控制方法,以解决上述背景技术中存在的问题。
为了实现上述目的,本发明采取的技术方案为:一种针对高地隙植保机的运动控制方法,具体包括以下步骤,
步骤S1:计算高地隙植保机在纯追踪计算方法下输出的前轮理论转向角与前轮实际转向角的误差模型;
步骤S2:通过北斗导航系统规划行驶路径;通过高地隙植保机质心位置上的惯性导航传感器获取高地隙植保机的当前位置,同时获取当前位置与规划行驶路径上的路径点之间的距离;
步骤S3:通过高地隙植保机质心位置上的惯性导航传感器获取当前高地隙植保机的行驶速度,基于行驶速度计算前视距离;将当前位置与所有路径点之间的距离与前视距离做对比,将最接近前视距离的点设置为目标点;并计算目标点的曲率半径;
步骤S4:计算高地隙植保机质心位置与规划行驶路径之间的横向误差;
步骤S5:判断高地隙植保机的最小转弯半径与目标点的曲率半径的大小,当高地隙植保机的最小转弯半径小于目标点的曲率半径,此时根据改进的纯追踪计算方法确定前轮转向角,用步骤S1中的误差模型对前轮转向角进行误差补偿,然后高地隙植保机正常通行;当高地隙植保机的最小转弯半径大于等于目标点的曲率半径,高地隙植保机制动;
步骤S6:循环步骤S2、步骤S3和步骤S4,直到完全行驶完规划行驶路径。
优选的,所述步骤S1中的前轮理论转向角与前轮实际转向角的误差模型为,
Δα=(α2-α1)=Kαα1+b………………………(1);
其中:α1为前轮理论转向角;α2为前轮实际转向角;Kα为误差比例系数;b为常数;
采用最小二乘法直线拟合,通过最小化误差的平方和,使得拟合对象无限接近目标对象;然后以前轮理论转向角α1为横坐标,以前轮实际转向角与前轮理论转向角的差值(α2-α1)为纵坐标,建立线性回归方程,根据线性回归方程的斜率确定误差比例系数Kα和常数b。
优选的,所述步骤S2中的规划行驶路径以路径点的形式存储在路径文件中,具体为路径点P在大地坐标系下以经度和纬度坐标格式存储在路径文件中,标记为(x1,y1)、(x2,y2)、(x3,y3)、…(xi,yi)、…(xn,yn);通过高地隙植保机质心位置上的惯性导航传感器获取高地隙植保机在大地坐标系下的当前位置坐标N(x,y),并计算当前位置坐标N(x,y)与所有路径点P坐标(x1,y1)、(x2,y2)、(x3,y3)、…(xi,yi)、…(xn,yn)之间的距离d1、d2、d3、…di、…dn。
优选的,所述步骤S3中具体过程如下,
前视距离的计算:前视距离与行驶速度的关系可以表示为,
Ld=Kv+Lmin…………………………(2);
其中:K为当前行驶速度的比例系数;Ld为前视距离;Lmin为前视距离最小值,取该值为高地隙植保机的最小转弯半径;v为当前高地隙植保机的行驶速度;
目标点的确定:将d1、d2、d3……dn与前视距离Ld相比,将最接近前视距离Ld的点设置为目标点P(xi,yi);
目标点曲率半径的计算:目标点P(xi,yi)的曲率Ki为,
则目标点的曲率半径Ri为,
优选的,所述步骤S3中K的确定方法,令高地隙植保机在存在初始误差的条件下,在预设直线上行驶,获取在不同速度比例系数下的跟踪误差,对比分析该误差,K取平均跟踪误差最小的值,其中,初始误差指的是高地隙植保机开始循迹时离规划的直线路径起点距离。
优选的,所述步骤S4中的横向误差ei的计算方法:即高地隙植保机质心位置N(x,y)到规划行驶路径最近的垂直距离,
其中,A、B、C为规划行驶路径所在直线中的系数。
优选的,所述步骤S1中纯追踪计算方法利用航向偏差建立几何模型,求解高地隙植保机到达目标点P(xi,yi)所需要的转弯半径R,然后根据转弯半径R求解出前轮转向角δ1,di为高地隙植保机当前位置与目标点之间的距离,具体如下,由正玹定理可得:
整理可得:
设前后轮之间的轮距为L,则:
将公式(7)和公式(8)联合,得高地隙植保机在纯追踪计算方法下前轮转向角δ1的表达式:
由于原始的纯追踪计算方法在曲率半径较小的弯道上的跟踪精度较差,且该跟踪精度受到车辆当前速度和路径的曲率半径影响较大,因此使用改进的纯追踪计算方法,即在原始的纯追踪计算方法的基础上增加一个控制系数Kδ,从而增加跟踪精度。
优选的,所述Kδ由训练过的BP神经网络模型得到,
确定BP神经网络模型:输入层有三个节点,输入节点分别为当前高地隙植保机的行驶速度v,目标点曲率半径Ri,横向偏差ei;一个隐含层,输出层有一个节点,输出节点为控制系数Kδ,隐含层的节点数按照公式选取,
其中:L为隐含层节点数;m为输出层节点数;n为输入层节点数;a为0~10之间的常数;
函数的选取:
隐含层神经元的函数选取S型正切函数:
输出层神经元的函数选取线性传递函数:
f2(x)=x………………………………(12);
计算隐含层和输出层的输出,根据网络的期望输出和实际输出计算误差,用误差更新网络的权值和阈值,最后利用训练出的神经网络,得到控制系数Kδ;
即最终高地隙植保机前轮转向角δ的表达式:
误差补偿方法:通过转向角控制器得到前轮理论转向角δ,在前轮理论转向角δ的基础上加上误差模型中的转角误差,即最终的高地隙植保机前轮转向角为:δ+Δα。
采用以上技术方案的有益效果是:
1、本发明的针对高地隙植保机的运动控制方法,首先,判断高地隙植保机的最小转弯半径与目标点的曲率半径的大小,判断当前规划行驶路径是否适合高地隙植保机的通行,当高地隙植保机的最小转弯半径小于目标点的曲率半径,此时根据改进的纯追踪计算方法确定前轮转向角,用步骤S1中的误差模型对前轮转向角进行误差补偿,然后高地隙植保机正常通行;当高地隙植保机的最小转弯半径大于等于目标点的曲率半径,高地隙植保机制动。本发明增加了判断当前规划行驶路径是否适合高地隙植保机通行的功能,保证了高地隙植保机的导航控制安全性。
2、改进了前视距离的计算方法,前视距离由当前高地隙植保机的航向偏差和行驶速度作为控制量,在循迹规划的路径过程中,根据行驶速度动态调整前视距离,使得目标点的确定更加合理,保证了目标点的曲率半径的精准度,从而更加准确的确定前轮转向角计算方法,保证转向控制的稳定性。
3、增加了用误差模型对高地隙植保机前轮转向角进行误差补偿,计算出高地隙植保机的前轮理论转向角与前轮实际转向角的差值,建立线性回归方程,对转角控制器输出的前轮转向角进行误差补偿,使得高地隙植保机的前轮实际转向角更加准确,保证路径跟踪的精度。
4、在原始的纯追踪计算方法的基础上增加一个控制系数Kδ,该控制系数Kδ根据当前高地隙植保机的行驶速度v,目标点曲率半径Ri,横向偏差ei的值进行实时调整,保证了高地隙植保机的路径跟踪精度。
附图说明
图1是本发明的纯追踪计算方法的几何模型图;
图2是全轮偏转转向原理图;
图3是误差比例系数Kα的计算图;
图4是速度比例系数K的整定图;
图5是神经网络结构图;
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细的说明,目的是帮助本领域的技术人员对本发明的构思、技术方案有更完整、准确和深入的理解,并有助于其实施。
如图1至图5所示,本发明是一种针对高地隙植保机的运动控制方法,保证了目标点的曲率半径的精准度,从而更加准确的确定前轮转向角计算方法,保证转向控制的稳定性;通过误差补偿,使得高地隙植保机的前轮实际转向角更加准确,保证路径跟踪的精度。
具体的说,如图1至图5所示,具体包括以下步骤,步骤S1:计算高地隙植保机在纯追踪计算方法下输出的前轮理论转向角与前轮实际转向角的误差模型;
步骤S2:通过北斗导航系统规划行驶路径;通过高地隙植保机质心位置上的惯性导航传感器获取高地隙植保机的当前位置,同时获取当前位置与规划行驶路径上的路径点之间的距离;
步骤S3:通过高地隙植保机质心位置上的惯性导航传感器获取当前高地隙植保机的行驶速度,基于行驶速度计算前视距离;将当前位置与所有路径点之间的距离与前视距离做对比,将最接近前视距离的点设置为目标点;并计算目标点的曲率半径;
步骤S4:计算高地隙植保机质心位置与规划行驶路径之间的横向误差;
步骤S5:判断高地隙植保机的最小转弯半径与目标点的曲率半径的大小,当高地隙植保机的最小转弯半径小于目标点的曲率半径,此时根据改进的纯追踪计算方法确定前轮转向角,用步骤S1中的误差模型对前轮转向角进行误差补偿,然后高地隙植保机正常通行;当高地隙植保机的最小转弯半径大于等于目标点的曲率半径,高地隙植保机制动;
步骤S6:循环步骤S2、步骤S3和步骤S4,直到完全行驶完规划行驶路径。
优选的,所述步骤S1中的前轮理论转向角与前轮实际转向角的误差模型为,
Δα=(α2-α1)=Kαα1+b………………………(1);
其中:α1为前轮理论转向角;α2为前轮实际转向角;Kα为误差比例系数;b为常数;
采用最小二乘法直线拟合,通过最小化误差的平方和,使得拟合对象无限接近目标对象;然后以前轮理论转向角α1为横坐标,以前轮实际转向角与前轮理论转向角的差值(α2-α1)为纵坐标,建立线性回归方程,根据线性回归方程的斜率确定误差比例系数Kα和常数b。
优选的,所述步骤S2中的规划行驶路径以路径点的形式存储在路径文件中,具体为路径点P在大地坐标系下以经度和纬度坐标格式存储在路径文件中,标记为(x1,y1)、(x2,y2)、(x3,y3)、…(xi,yi)、…(xn,yn);通过高地隙植保机质心位置上的惯性导航传感器获取高地隙植保机在大地坐标系下的当前位置坐标N(x,y),并计算当前位置坐标N(x,y)与所有路径点P坐标(x1,y1)、(x2,y2)、(x3,y3)、…(xi,yi)、…(xn,yn)之间的距离d1、d2、d3、…di、…dn。
优选的,所述步骤S3中具体过程如下,
前视距离的计算:前视距离与行驶速度的关系可以表示为,
Ld=Kv+Lmin…………………………(2);
其中:K为当前行驶速度的比例系数;Ld为前视距离;Lmin为前视距离最小值,取该值为高地隙植保机的最小转弯半径;v为当前高地隙植保机的行驶速度;
目标点的确定:将d1、d2、d3……dn与前视距离Ld相比,将最接近前视距离Ld的点设置为目标点P(xi,yi);
目标点曲率半径的计算:目标点P(xi,yi)的曲率Ki为,
则目标点的曲率半径Ri为,
优选的,所述步骤S3中K的确定方法,令高地隙植保机在存在初始误差的条件下,在预设直线上行驶,获取在不同速度比例系数下的跟踪误差,对比分析该误差,K取平均跟踪误差最小的值,其中,初始误差指的是高地隙植保机开始循迹时离规划的直线路径起点距离。
优选的,所述步骤S4中的横向误差ei的计算方法:即高地隙植保机质心位置N(x,y)到规划行驶路径最近的垂直距离,
其中,A、B、C为规划行驶路径所在直线中的系数。
优选的,所述步骤S1中纯追踪计算方法利用航向偏差建立几何模型,求解高地隙植保机到达目标点P(xi,yi)所需要的转弯半径R,然后根据转弯半径R求解出前轮转向角δ1,di为高地隙植保机当前位置与目标点之间的距离,具体如下,由正玹定理可得:
整理可得:
设前后轮之间的轮距为L,则:
将公式(7)和公式(8)联合,得高地隙植保机在纯追踪计算方法下前轮转向角δ1的表达式:
由于原始的纯追踪计算方法在曲率半径较小的弯道上的跟踪精度较差,且该跟踪精度受到车辆当前速度和路径的曲率半径影响较大,因此使用改进的纯追踪计算方法,即在原始的纯追踪计算方法的基础上增加一个控制系数Kδ,从而增加跟踪精度。
优选的,所述Kδ由训练过的BP神经网络模型得到,
确定BP神经网络模型:输入层有三个节点,输入节点分别为当前高地隙植保机的行驶速度v,目标点曲率半径Ri,横向偏差ei;一个隐含层,输出层有一个节点,输出节点为控制系数Kδ,隐含层的节点数按照公式选取,
其中:L为隐含层节点数;m为输出层节点数;n为输入层节点数;a为0~10之间的常数;
函数的选取:
隐含层神经元的函数选取S型正切函数:
输出层神经元的函数选取线性传递函数:
f2(x)=x………………………………(12);
计算隐含层和输出层的输出,根据网络的期望输出和实际输出计算误差,用误差更新网络的权值和阈值,最后利用训练出的神经网络,得到控制系数Kδ;
即最终高地隙植保机前轮转向角δ的表达式:
误差补偿方法:通过转向角控制器得到前轮理论转向角δ,在前轮理论转向角δ的基础上加上误差模型中的转角误差,即最终的高地隙植保机前轮转向角为:δ+Δα。
以下用具体实施例对具体工作方式进行阐述:
实施例1:
本发明的针对高地隙植保机的运动控制方法,首先,判断高地隙植保机的最小转弯半径与目标点的曲率半径的大小,判断当前规划行驶路径是否适合高地隙植保机的通行,当高地隙植保机的最小转弯半径小于目标点的曲率半径,此时根据改进的纯追踪计算方法确定前轮转向角,用步骤S1中的误差模型对前轮转向角进行误差补偿,然后高地隙植保机正常通行;当高地隙植保机的最小转弯半径大于等于目标点的曲率半径,高地隙植保机制动。本发明增加了判断当前规划行驶路径是否适合高地隙植保机通行的功能,保证了高地隙植保机的导航控制安全性。
实施例2:
在实施例1的基础上,改进了前视距离的计算方法,前视距离由当前高地隙植保机的航向偏差和行驶速度作为控制量,在循迹规划的路径过程中,根据行驶速度动态调整前视距离,使得目标点的确定更加合理,保证了目标点的曲率半径的精准度,从而更加准确的确定前轮转向角计算方法,保证转向控制的稳定性。
实施例3:
在实施例1的基础上,增加了用误差模型对高地隙植保机前轮转向角进行误差补偿,计算出高地隙植保机的前轮理论转向角与前轮实际转向角的差值,建立线性回归方程,对转角控制器输出的前轮转向角进行误差补偿,使得高地隙植保机的前轮实际转向角更加准确,保证路径跟踪的精度。
在原始的纯追踪计算方法的基础上增加一个控制系数Kδ,该控制系数Kδ根据当前高地隙植保机的行驶速度v,目标点曲率半径Ri,横向偏差ei的值进行实时调整,保证了高地隙植保机的路径跟踪精度。
以上结合附图对本发明进行了示例性描述,显然,本发明具体实现并不受上述方式的限制,只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进;或未经改进,将本发明的上述构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (8)
1.一种针对高地隙植保机的运动控制方法,其特征在于:具体包括以下步骤,
步骤S1:计算高地隙植保机在纯追踪计算方法下输出的前轮理论转向角与前轮实际转向角的误差模型;
步骤S2:通过北斗导航系统规划行驶路径;通过高地隙植保机质心位置上的惯性导航传感器获取高地隙植保机的当前位置,同时获取当前位置与规划行驶路径上的路径点之间的距离;
步骤S3:通过高地隙植保机质心位置上的惯性导航传感器获取当前高地隙植保机的行驶速度,基于行驶速度计算前视距离;将当前位置与所有路径点之间的距离与前视距离做对比,将最接近前视距离的点设置为目标点;并计算目标点的曲率半径;
步骤S4:计算高地隙植保机质心位置与规划行驶路径之间的横向误差;
步骤S5:判断高地隙植保机的最小转弯半径与目标点的曲率半径的大小,当高地隙植保机的最小转弯半径小于目标点的曲率半径,此时根据改进的纯追踪计算方法确定前轮转向角,用步骤S1中的误差模型对前轮转向角进行误差补偿,然后高地隙植保机正常通行;当高地隙植保机的最小转弯半径大于等于目标点的曲率半径,高地隙植保机制动;
步骤S6:循环步骤S2、步骤S3和步骤S4,直到完全行驶完规划行驶路径。
2.根据权利要求1所述的一种针对高地隙植保机的运动控制方法,其特征在于:所述步骤S1中的前轮理论转向角与前轮实际转向角的误差模型为,
Δα=(α2-α1)=Kαα1+b………………………(1);
其中:α1为前轮理论转向角;α2为前轮实际转向角;Kα为误差比例系数;b为常数;
采用最小二乘法直线拟合,通过最小化误差的平方和,使得拟合对象无限接近目标对象;然后以前轮理论转向角α1为横坐标,以前轮实际转向角与前轮理论转向角的差值(α2-α1)为纵坐标,建立线性回归方程,根据线性回归方程的斜率确定误差比例系数Kα和常数b。
3.根据权利要求1所述的一种针对高地隙植保机的运动控制方法,其特征在于:所述步骤S2中的规划行驶路径以路径点的形式存储在路径文件中,具体为路径点P在大地坐标系下以经度和纬度坐标格式存储在路径文件中,标记为(x1,y1)、(x2,y2)、(x3,y3)、…(xi,yi)、…(xn,yn);通过高地隙植保机质心位置上的惯性导航传感器获取高地隙植保机在大地坐标系下的当前位置坐标N(x,y),并计算当前位置坐标N(x,y)与所有路径点P坐标(x1,y1)、(x2,y2)、(x3,y3)、…(xi,yi)、…(xn,yn)之间的距离d1、d2、d3、…di、…dn。
5.根据权利要求4所述的一种针对高地隙植保机的运动控制方法,其特征在于:所述步骤S3中K的确定方法,令高地隙植保机在存在初始误差的条件下,在预设直线上行驶,获取在不同速度比例系数下的跟踪误差,对比分析该误差,K取平均跟踪误差最小的值,其中,初始误差指的是高地隙植保机开始循迹时离规划的直线路径起点距离。
7.根据权利要求1所述的一种针对高地隙植保机的运动控制方法,其特征在于:所述步骤S1中纯追踪计算方法利用航向偏差建立几何模型,求解高地隙植保机到达目标点P(xi,yi)所需要的转弯半径R,然后根据转弯半径R求解出前轮转向角δ1,di为高地隙植保机当前位置与目标点之间的距离,具体如下,由正玹定理可得:
整理可得:
设前后轮之间的轮距为L,则:
将公式(7)和公式(8)联合,得高地隙植保机在纯追踪计算方法下前轮转向角δ1的表达式:
由于原始的纯追踪计算方法在曲率半径较小的弯道上的跟踪精度较差,且该跟踪精度受到车辆当前速度和路径的曲率半径影响较大,因此使用改进的纯追踪计算方法,即在原始的纯追踪计算方法的基础上增加一个控制系数Kδ,从而增加跟踪精度。
8.根据权利要求7所述的一种针对高地隙植保机的运动控制方法,其特征在于:所述Kδ由训练过的BP神经网络模型得到,
确定BP神经网络模型:输入层有三个节点,输入节点分别为当前高地隙植保机的行驶速度v,目标点曲率半径Ri,横向偏差ei;一个隐含层,输出层有一个节点,输出节点为控制系数Kδ,隐含层的节点数按照公式选取,
其中:L为隐含层节点数;m为输出层节点数;n为输入层节点数;a为0~10之间的常数;
函数的选取:
隐含层神经元的函数选取S型正切函数:
输出层神经元的函数选取线性传递函数:
f2(x)=x………………………………(12);
计算隐含层和输出层的输出,根据网络的期望输出和实际输出计算误差,用误差更新网络的权值和阈值,最后利用训练出的神经网络,得到控制系数Kδ;
即最终高地隙植保机前轮转向角δ的表达式:
误差补偿方法:通过转向角控制器得到前轮理论转向角δ,在前轮理论转向角δ的基础上加上误差模型中的转角误差,即最终的高地隙植保机前轮转向角为:δ+Δα。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110607260.5A CN113325849A (zh) | 2021-05-31 | 2021-05-31 | 一种针对高地隙植保机的运动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110607260.5A CN113325849A (zh) | 2021-05-31 | 2021-05-31 | 一种针对高地隙植保机的运动控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113325849A true CN113325849A (zh) | 2021-08-31 |
Family
ID=77422965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110607260.5A Pending CN113325849A (zh) | 2021-05-31 | 2021-05-31 | 一种针对高地隙植保机的运动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113325849A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114128695A (zh) * | 2021-11-11 | 2022-03-04 | 江苏大学 | 一种履带式自主精准变量风送喷雾机器人结构及其路径规划和变量喷雾方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104960520A (zh) * | 2015-07-16 | 2015-10-07 | 北京工业大学 | 基于Pure Pursuit算法的预瞄点确定方法 |
CN106909150A (zh) * | 2017-01-22 | 2017-06-30 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的避障、掉头路径规划及其控制方法 |
CN108549371A (zh) * | 2018-03-28 | 2018-09-18 | 安徽农业大学 | 一种高地隙植保机械路径跟踪方法及系统 |
CN108820039A (zh) * | 2018-05-11 | 2018-11-16 | 江苏大学 | 一种无人驾驶车辆弯道横向控制系统及方法 |
CN109506650A (zh) * | 2018-09-12 | 2019-03-22 | 广东嘉腾机器人自动化有限公司 | 基于bp网络的agv导航行程偏差修正方法 |
CN110109451A (zh) * | 2019-04-10 | 2019-08-09 | 东南大学 | 一种考虑路径曲率的新型几何学路径跟踪算法 |
US20210041882A1 (en) * | 2019-08-09 | 2021-02-11 | Alberto Daniel Lacaze | Path Follower with Limited Steering Rate Controller |
-
2021
- 2021-05-31 CN CN202110607260.5A patent/CN113325849A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104960520A (zh) * | 2015-07-16 | 2015-10-07 | 北京工业大学 | 基于Pure Pursuit算法的预瞄点确定方法 |
CN106909150A (zh) * | 2017-01-22 | 2017-06-30 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的避障、掉头路径规划及其控制方法 |
CN108549371A (zh) * | 2018-03-28 | 2018-09-18 | 安徽农业大学 | 一种高地隙植保机械路径跟踪方法及系统 |
CN108820039A (zh) * | 2018-05-11 | 2018-11-16 | 江苏大学 | 一种无人驾驶车辆弯道横向控制系统及方法 |
CN109506650A (zh) * | 2018-09-12 | 2019-03-22 | 广东嘉腾机器人自动化有限公司 | 基于bp网络的agv导航行程偏差修正方法 |
CN110109451A (zh) * | 2019-04-10 | 2019-08-09 | 东南大学 | 一种考虑路径曲率的新型几何学路径跟踪算法 |
US20210041882A1 (en) * | 2019-08-09 | 2021-02-11 | Alberto Daniel Lacaze | Path Follower with Limited Steering Rate Controller |
Non-Patent Citations (3)
Title |
---|
李革 等: "插秧机导航路径跟踪改进纯追踪算法", 《农业机械学报》 * |
许鸣: "高地隙植保机械辅助驾驶系统设计与试验", 《CNKI中国优秀硕士学位论文全文数据库(电子期刊)农业科技辑》 * |
谭元杰 等: "无人驾驶农业车辆技术的研究与应用", 《农业技术与装备》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114128695A (zh) * | 2021-11-11 | 2022-03-04 | 江苏大学 | 一种履带式自主精准变量风送喷雾机器人结构及其路径规划和变量喷雾方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111610780B (zh) | 一种自动驾驶车路径跟踪控制方法及其装置 | |
CN107415939B (zh) | 一种分布式驱动电动汽车转向稳定性控制方法 | |
CN112733270B (zh) | 车辆行驶轨迹预测和轨迹偏离危险度评估的系统与方法 | |
CN109131325B (zh) | 智能驾驶汽车的三维可拓预瞄切换的车道保持控制方法 | |
CN109405846B (zh) | 一种自适应调整前视距离与延迟参数的路径追踪方法 | |
CN108646747A (zh) | 农用车辆路径跟踪控制方法 | |
CN108732921B (zh) | 一种自动驾驶汽车横向可拓预瞄切换控制方法 | |
CN108177692A (zh) | 一种电动轮驱动汽车差动助力转向与稳定性协调控制方法 | |
CN110471289B (zh) | 一种基于视觉导航移动设备的自适应路径跟踪方法及系统 | |
CN111158379B (zh) | 一种方向盘零偏自学习的无人车轨迹跟踪方法 | |
CN112793585B (zh) | 一种自动驾驶的轨迹跟踪控制方法 | |
CN109388140A (zh) | 一种改进的用于地面车辆路径跟踪的纯追踪控制方法 | |
CN113183957A (zh) | 车辆控制方法、装置、设备及自动驾驶车辆 | |
CN114942642A (zh) | 一种无人驾驶汽车轨迹规划方法 | |
CN113325849A (zh) | 一种针对高地隙植保机的运动控制方法 | |
Domina et al. | Comparison of path following controllers for autonomous vehicles | |
CN115525054B (zh) | 大型工业园区无人清扫车沿边路径跟踪控制方法及系统 | |
CN114502450A (zh) | 机动车辆横向和纵向引导中的死区时间补偿技术 | |
CN115042816A (zh) | 路径跟踪方法、装置、设备、介质及程序 | |
CN110789526B (zh) | 一种克服无人驾驶汽车横向控制大纯滞后的方法 | |
CN113306573A (zh) | 一种自动驾驶车辆学习型路径跟踪预测控制方法 | |
Li et al. | Study on lateral assisted control for commercial vehicles | |
CN114489038B (zh) | 一种基于强化学习的农林用车辆的导航控制方法 | |
CN114942590B (zh) | 一种基于模糊控制的方程式赛车的横向控制方法及装置 | |
CN116520857B (zh) | 一种车辆轨迹跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210831 |