论文部分内容阅读
农用车辆自动导航可以降低劳动强度,节省劳动力,降低生产力成本并可提高操作精度以及安全性能等,目前已成为世界农业科研人员研究的热点问题之一。车辆的自动导航通常包括导航定位、导航控制、路径规划等内容,其中导航定位与控制是关键技术。在导航定位方面,GPS技术提供了便利条件,但其价格昂贵,且在中国境内信号稳定性较差,因此一般作为宏观或行驶路径的定位,对田间作业则辅以机器视觉定位。本文将机器视觉技术、传感器技术、虚拟仪器技术及自动控制技术融合,研究基于机器视觉的农用车辆自动导航系统,根据机器视觉得到的定位信息,控制农用车辆的转向,使车轮的轨迹能根据农艺的要求稳定跟踪导航路径,实现车辆精确导航。
导航控制分横向控制(转向控制)和纵向控制(速度控制),本文针对农用车辆作业时,速度较低的特点,对其中机器视觉和横向控制问题,进行重点研究,研制了农用车辆视觉导航实验平台,开发了相应的导航软件。
本文首先探讨了视觉导航的原理与方法,介绍了图像采集方式及采集工具的选择及车辆的自定位方法,并以农田耕作作业时采集的图像为例,对导航路径直线信息的提取方法进行了初步的研究,提出了可以用Hough变换方法得到相对导航目标路径的定位信息:侧向偏差和方位偏差。
根据农用车辆视觉导航系统特点,采用主副控制回路的结构形式,主回路用智能控制方法,副回路采用经典PID控制算法。为了避免系数整定的盲目性,通过系统辨识方法,建立实验平台转向系统的差分方程模型,据此采用遗传算法对PID的控制参数进行了优化,取得了良好的控制效果。
导航控制是自动驾驶的关键技术之一,是整个导航系统的核心,本文针对传统控制方法严重依赖于数学模型、控制器的适应性和鲁棒性的不足,提出采用模糊控制方法。根据机器视觉得到的侧向偏差和方位偏差,设计了基于机器视觉导航的模糊控制器。在总结专家经验,多次试验和仿真分析的基础上,制定了有效的控制规则库。仿真及现场实验表明,该模糊控制器可以实现自动转向控制,在适应性和鲁棒性上均取得比较好的结果。
在模糊控制基础上,提出了模糊神经控制方法,采用遗传算法和BP算法结合的方法对网络进行训练,经过模型闭环系统训练,建立了模糊神经控制器,用简化的二轮车模型对设计的模糊神经控制器进行仿真。结果表明,设计的模糊神经控制器比普通模糊控制器在响应特性和精度方面得到了改善,提高了控制性能,减小了系统的静态误差。
最后,研制了视觉导航自动驾驶实验平台,完成了转向系统改装、传感器安装等工作,并把虚拟仪器技术引入自动驾驶平台,建立了基于虚拟仪器技术的测控系统,开发了自动导航软件,并进行了视觉导航跟踪实验,结果表明导航系统可以满足需要,为进一步研究农用车辆自动驾驶提供了理论和实验参考。