摘要：为了提高水稻直播机自动作业时路径跟踪的精度和稳定性,提出了一种基于新型非线性滑模面和改进快速变幂次趋近率的滑模路径跟踪控制方法。首先,建立Frenet坐标系下直播机的路径跟踪运动学模型;然后,为保证路径跟踪过程中横向偏差和航向偏差全局收敛,采用双曲正切函数设计滑模面;最后,在快速幂次趋近率的基础上设计了变指数幂次项,提高了系统趋近速度并有效抑制了抖振。在Simulink上搭建模型并进行仿真,与基于快速幂次趋近率和指数趋近率的滑模控制方法相比,本文改进滑模控制方法的路径跟踪误差收敛时间最短并且无抖振现象发生。直播机采用改进算法以0.8 m/s的速度在水田实际自动作业时,横向偏差和航向偏差的平均绝对误差为0.016 9 m和1.099 9°,均方差为0.021 5 m和1.499 2°,提高了路径跟踪的精度和稳定性,满足了实际作业需求。

摘要：针对农业机械自动驾驶中非线性车辆模型具有未知干扰输入,以及测量输出不确定等问题,提出一种基于滚动时域的车辆运动状态估计方法(MHE)。将状态估计问题转化为固定时域的优化问题并充分考虑约束条件,从而实现对带约束非线性模型状态的估计。为提高MHE的计算效率并且考虑传感器采样频率不同,以及可能出现测量值缺失或异常,设计出一种多线程运行架构,使MHE更适合实际应用。使用Matlab建立水稻直播机自动驾驶仿真系统,仿真结果表明,MHE算法能有效补偿系统干扰和消除测量噪声,MHE估计出的横纵位置和航向角相比扩展卡尔曼滤波(EKF)估计出的更接近系统真值。使用MHE状态估计算法对水稻直播机无人作业过程中测得的横向偏差与航向角偏差进行估计。结果表明,时域窗口N取3~5时,MHE算法对消除状态的稳态误差和抑制测量值的不平稳性具有良好的效果,同时也能较好地反映状态值的真实变化,证明了MHE算法在补偿系统干扰和消除测量误差方面的优异性。