首页 > 文章中心 > 正文

滑移转向田园机器人运动控制设计探析

滑移转向田园机器人运动控制设计探析

摘要|针对小型田块蔬菜种植过程中设备智能化程度低下,无法满足新一代智慧农业生产需求的问题,提出一种基于滑移转向田园机器人的运动控制系统。该控制系统主要由高精度定位模块、路径规划模块以及导航控制模块组成,能够控制机器人按预定义路径进行自主作业。针对传统PID控制算法无法适应复杂地形的问题,在控制系统的导航决策控制器中采用了模糊控制与模糊PID控制分段控制的策略。通过在田块中进行试验,验证控制系统的有效性和精确性,试验结果表明:该控制系统的路径跟随导航误差和行距误差均小于2.5cm,满足小型田块旋耕、播种等无人驾驶作业需求。

关键词:滑移转向;轮式机器人;无人驾驶;路径跟随;模糊控制

1引言

对于农村合作社、城市周边菜篮子工程以及高档别墅后花园等小型田块的蔬菜种植作业而言,目前大多采用传统的人工种植方式,但随着社会的发展以及城镇化的浪潮,相关劳动力不断减少,劳动力成本逐渐提高,同时其生产效率和智能化程度也受到制约。伴随着新一代智慧农业理念的发展,人们对于提升蔬菜种植过程中设备的智能化水平具有迫切需求。近年来,无人驾驶车辆技术[1]的快速发展,为提升农机智能化程度开辟了一条新的道路。为了实现小型田块蔬菜种植的智能化作业,本文提出了一种基于滑移转向田园机器人的运动控制系统。该系统具有高精度定位、路径规划以及路径跟随等功能,能够控制机器人按预定义路径进行自主作业,满足了小型田块旋耕、播种等无人驾驶作业需求,对提高蔬菜种植生产效率和智能化程度具有重要意义。

2田园机器人运动控制系统

2.1控制系统概述

对于小块农田、院落以及花园等小型田块的旋耕、播种等蔬菜种植作业而言,地头转弯宽度对田块的利用率有很大的影响。普通的农业机械车辆通常存在最小转弯半径,因此地头转弯宽度难以减小。而使用滑移转向方式的轮式车辆不仅转向灵活性较高,能够实现转弯半径为0的原地转向,同时具有机械结构可靠性高,驱动控制简单等优点,使用滑移转向的轮式机器人能够更好地满足小型田块的作业需求。因此,运动控制系统基于四轮独立驱动滑移转向田园机器人平台而开发。田园机器人的运动控制系统硬件结构如图1所示,主要由高精度实时定位模块、路径规划模块以及导航决策控制模块等三大部分组成。对于室外定位需求而言,RTK-GPS高精度定位技术[2]以载波相位差分技术为基础,能够大幅提高GPS的定位精度,可实现厘米级的室外定位精度,因此该系统采用了RTK-GPS技术来获取机器人的实时定位信息。同时对田块进行路径规划,通过实时定位信息和预定义路径得到机器人的跟随误差,使用跟随误差作为导航决策控制器的输入,能够控制机器人按照预定义的路线进行自动旋耕、播种等作业,显著提升小型田块的作业效率和智能化程度。

2.2路径规划模块

路径规划[3]是田园机器人运动控制系统的一个重要组成部分,路径规划研究的问题是如何根据作业对象规划出合适的作业路径,该路径是田园机器人导航瞄准的路径,规划的好坏直接影响导航的效果。本项目研究的小型田块全覆盖路径规划主要分为两部分:直线作业路径和转弯作业路径。路径规划的目的是规划出合理路径,达到最优工作效率,并且要符合农作物种植规律。以小型田块为工作场景,根据田间路径规划的主要要求按照路径规划的技术路线进行田间作业路径规划,得到如图2所示的作业路径。路径特征点主要包括:直线作业起始点、终止点,转弯的起始点、终止点;同时还需确定转弯圆弧的圆心、半径,圆弧起始角度、终止角度等参数。

2.3导航决策控制模块

2.3.1导航控制原理

田园机器人导航控制的目的是使田园机器人能按照规定的预定义路径实现自动行驶。其基本过程为:通过RTK-GPS设备来获取田园机器人的实时位置信息和航向信息,并将田园机器人的实时位置信息和航向信息与预定义路径相比较,当检测到田园机器人的行驶路径与期望路径有偏差时,将这些偏差信息输入到导航决策控制器中,并解算出期望的质心角速度,然后按照滑移转向运动学模型对各个车轮的转速进行分配,滑移转向运动学模型如式(1)所示。速度分解后发送给车身控制器,由车身控制器对各个车轮转速做出相应的调整来控制田园机器人的运动,以达到减小偏差的目的,从而实现田园机器人的路径跟随。导航决策控制模块的核心为导航控制算法,对于导航控制而言,传统的PID控制算法具有简单、可靠性高的特点,但往往需要建立精确的数学模型[4]。由于田块地形环境复杂,无法建立精确的数学模型,因此传统的PID算法存在无法适应复杂地形的问题。针对此问题,提出了模糊控制与模糊PID控制[5]分段控制的控制策略。当偏差较大时,采用模糊控制算法进行导航控制,不仅能够克服PID控制无法适应复杂多变的田块地形的缺陷,同时还能实现快速纠偏;当偏差较小时采用模糊PID控制算法进行导航控制,能够解决模糊控制算法小偏差情况下无法精确控制的问题,同时克服了传统PID算法无法实时调整参数的缺点。

2.3.2模糊控制器的设计

模糊控制算法[6]是从行为上模仿人的模糊推理和决策过程的一种智能控制方法,能够克服传统PID控制无法精确建立模型的问题。本文以横向偏差和航向偏差作为模糊控制器的两个输入,以田园机器人的质心角速度作为模糊控制器的输出,通过模糊控制可得到期望的质心角速度,进而控制各个车轮转速实现田园机器人的路径跟随。2.3.3模糊PID控制器的设计PID控制算法具有结构简单、稳定性较强等优点,其在各种控制系统中应用广泛。但是其参数整定异常繁琐,同时针对本控制系统而言,当机器人行驶速度改变时,需要选用不同的PID参数,因而传统的PID控制器适用范围有限,难以得到较好的控制效果。而模糊PID控制算法能够按照一定的模糊规则对PID参数进行实时优化,克服了传统PID算法无法实时调整参数的缺点,提高了控制算法的适用范围,因而该系统在模糊控制的基础上引入了模糊PID控制算法。

3田块实地测试试验与分析

为了验证田园机器人运动控制系统的有效性和精确性,搭建了四轮独立驱动滑移转向田园机器人样机平台,在其基础上对运动控制系统进行空载试验,测试时选择小型田块作为工作场景。

3.1不同控制策略的对比试验

为了验证本系统提出的模糊控制与模糊PID控制分段控制策略的有效性和先进性,与文献[4]中提出的模糊控制加PID控制分段控制策略进行了对比试验。首先设置机器人行驶速度为0.4m/s,将两种控制策略的各个参数整定至最优,然后保持参数不变,将行驶速度提升至0.8m/s进行测试试验,得到如图5所示的试验结果。由图5可知,使用模糊控制加PID控制的分段控制策略,当速度变化较大时控制效果较差,而本系统提出的控制策略中的PID参数能够进行实时优化,因而在行驶速度变化较大时仍能实现较好地控制。

3.2完整路径跟随试验

为验证田园机器人运动控制系统的有效性和精确性,使用本系统提出的控制策略进行完整路径跟随试验,田块长取55m,宽取8m。先对田块进行路径规划得到预定义的路径信息,预定义的路径包括4段直线作业路径以及3段地头转弯路径,直线作业路径和地头转弯路径行驶速度均取0.4m/s,然后进行路径跟随试验,得到如图6所示的路径跟随结果。本文设计的运动控制系统能够较好地实现路径跟随功能,其中直线跟随效果优于转弯跟随效果。由于转弯路径并不进行作业,因此对导航精度的研究主要集中于直线路径。在测试结果中剔除掉转弯路径等数据。采用模糊控制加模糊PID控制分段控制策略的导航决策控制算法能够实现较高精度的路径跟随。跟随过程中的横向偏差大部分在±2.5cm范围内,只有在由地头转弯路径进入直线作业路径时,会出现部分偏差较大的点,但控制系统能够快速进行纠偏。为了定量地分析该运动控制系统的导航精度,对相关领域的行业标准进行了研究。根据自走式农业机械相关标准[7]可知:路径跟随精度评价指标主要有导航误差和行距误差。导航误差为偏航距离误差(横向偏差)的平均值(取正值)与标准差之和,如式(5)所示。行距误差为实际测试作业衔接行间距与期望行间距之间的误差,计算方法同导航误差一致。

4结论

本文提出了一种基于滑移转向田园机器人的运动控制系统,能够提升蔬菜种植农机设备的智能化水平。该系统主要包括RTK-GPS高精度实时定位模块、路径规划模块以及导航决策控制模块等三大部分。通过路径跟随试验,验证了系统的有效性和精确性,导航误差和行距误差均小于2.5cm,能够实现小型田块中旋耕、播种等无人驾驶作业。虽然本文的运动控制系统能够实现精度较高的路径跟随,但其中的导航控制算法在鲁棒性和泛化性等方面仍有待进一步的提高,这将会是未来的研究方向。

参考文献

[1]熊璐,杨兴,卓桂荣,等.无人驾驶车辆的运动控制发展现状综述[J].机械工程学报,2020,56(10):127-143.

[2]苏晓刚,杨亮亮,彭小强,等.载波相位差分技术在车载导航中的应用[J].现代导航,2019,10(4):262-267.

[3]袁师召,李军.无人驾驶汽车路径规划研究综述[J].汽车工程师,2019(5):11-13,25.

[4]郭九霄.基于GPS无人驾驶插秧机控制系统及路径规划研究[D].杭州:浙江理工大学,2019.

[5]张卫波,张麒麟,马宁,等.基于模糊PID的智能车辆路径跟踪控制技术研究[J].机械制造与自动化,2018,47(2):167-170,174.

[6]倪明.基于四驱平台小车路径规划和路径跟踪研究[D].西安:西安电子科技大学,2015.[7]GB/T37164—2018自走式农业机械导航系统作业性能要求及评价方法[S].

作者:刘家亮  单位:天津工程机械研究院有限公司

文档上传者