面向复杂农田地表的自主导航拖拉机位姿补偿策略研究

Straw-covering and stubble-mulching are effective ways to improve the moisture holding capacity of soil, but are demanding to tractor-farming. Such a demanding farmland surface is a grand challenge to the control accuracy of the autonomous navigation system (ANS) of a tractor, especially when the tractor works with suspension unit. Therefore it is of great significance to obtain accurate and real-time driving status of an auto-piloting tractor and to compensate the position and pose error promptly to enhance the stability and accuracy of the ANS in the complex surface of farmland. The herein proposed project aims to investigate the position and pose error compensation (PPEC) for tractors working on demanding farmland through kinematic modeling, dynamic simulation and information fusion. Specifically, a kinematic model of a tractor with suspension unit will be established and a dynamic simulation of a demanding farmland surface covered with straw and mulched with stubble will be created. The algorithm for information processing and integration will be determined for the ANS to accurately estimate the driving status of a tractor working on demanding surface, based on the extended Kalman filter theory. Moreover, it is also proposed to apply support vector machine in PPEC to achieve high control accuracy with low-cost sensors. In addition, a testing platform will be built for the tractor with ANS to obtain the real-time driving status on demanding farmland and to accomplish simulation and optimization of PPEC. It is conceivable that such an approach will not only provide theoretical and experimental foundation to improve ANS accuracy and to optimize the driving route, but also afford valuable insight on PPEC for ANS-equipped tractors working on demanding surface and yield a cost-effective PPEC strategy.

农田地表保留根茬、覆盖秸秆，可以提高土壤蓄水保墒能力，但该方式中地表状况复杂，影响拖拉机悬挂机组作业时的自主导航控制精度。因此，及时、准确地获取拖拉机在复杂农田地表状况作业时的行驶状态并进行位姿补偿，对保证自主导航系统的控制精度具有重要意义。本项目拟通过运动学与动力学建模、仿真分析和信息融合等方法，研究面向复杂农田地表的拖拉机位姿补偿策略。研究内容包括建立带有悬挂机组的拖拉机运动学和动力学模型；分析秸秆、根茬覆盖、不平整地表等复杂农田地表状况以及悬挂机组对拖拉机动力学特性的影响；基于扩展卡尔曼滤波理论，分析自主导航拖拉机悬挂机组的行驶状态感知机理；揭示状态感知偏差的分布规律，应用支持向量机方法研究位姿补偿策略；搭建自主导航拖拉机测试平台，进行仿真分析与优化。本项目将为自主导航拖拉机在复杂农田地表作业提供位姿补偿策略，为提高系统的导航精度和优化作业路径提供研究基础和理论依据。

及时、准确地获取拖拉机在复杂农田地表状况作业时的行驶状态并进行位姿补偿，对保证农业装备的控制精度具有重要意义。.项目执行期间，课题组研究了拖拉机-耕作机组在复杂农田地表作业时的运动学和动力学模型，重点研究了拖拉机作业机组在直线行驶、曲线行驶的运动感知模型。分析了复杂农田地表状况对拖拉机的行驶性能影响；利用安装在拖拉机上的陀螺仪MTI 300和具有航向角获取功能的北斗终端XW-GI 5630，获取拖拉机的姿态角信息，MTi-300 AHRS对其姿态进行监测时，绝对误差平均值为0.78°。通过该信息估算拖拉机悬挂机组的横摆角速度、质心侧偏角。分析了不同地表状况、不同悬挂机组、不同垄高，对拖拉机耕作机组加速度等动态性能的影响。研究了基于图像特征点的姿态角感知方法，同播种后洁净地表相比，具有秸秆覆盖的地表检测的图像特征点较多。.课题组分析了拖拉机田间行驶状态感知机理，分别基于MTI 300和XW-GI 5630实现对拖拉机横摆角、航向角等信息的获取，并基于卡尔曼滤波进行信息融合处理；研究了基于田间图像的拖拉机作业机组姿态获取方法。课题组搭建了位姿调整测试平台，分别进行了试验场地测试与田间测试，获取了拖拉机在复杂农田地表作业时沿行驶方向的加速度和转角等信息，并在实验室进行仿真分析。以MTI 300、光电编码器等车载传感器信息为输入信号，实现对拖拉机耕作机组田间行驶状态的估计，经卡尔曼滤波算法融合后，绝对误差平均值为0.73°。课题组研究了基于仿生视觉的田间图像特征信息获取方法，并进行了田间试验。.对比实验室仿真分析结果和田间作业实测数据，研究了拖拉机耕作机组状态感知偏差分布情况。在拖拉机的行驶过程中，地表突变造成拖拉机对地面的压力突变，拖拉机产生瞬时滑移，使姿态角测量精度降低。基于XW-GI 5630获取拖拉机运动轨迹参数，当拖拉机发生转向时，对纵向速度和转向角度分别进行调整和控制，尝试适当降低纵向速度以降低状态感知偏差。测试了位姿补偿测试平台的工作性能，在田间作业工况下对农业装备位姿补偿系统进行试验研究，分别在前进、后退、正向、斜向等多种工况下进行了试验，为提高位姿补偿精度提供研究基础。.本项目应用多种传感器实现对机具姿态、农田地势等信息的感知与获取，并提出了基于仿生视觉的田间特征信息获取方法，为后期的农业装备位姿调整研究提供了研究基础、理论依据和数据支撑。