何 杰，满忠贤，胡 炼，罗锡文，汪 沛，李明锦，李伟聪
履带式花生联合收获机路径跟踪控制方法与试验
何 杰1,2,3，满忠贤1，胡 炼1,2,3※，罗锡文1,2,3，汪 沛1,2,3，李明锦1，李伟聪1
（1. 华南农业大学南方农业机械与装备关键技术教育部重点实验室，广州 510642；
2.岭南现代农业科学与技术广东省实验室，广州 510642；
3. 广东省农业人工智能重点实验室，广州 510642）
为提高无人驾驶履带式花生收获机沙地作业路径跟踪精度，以4HBL-2型自走式花生联合收获机为研究对象，开展了履带式收获机无人驾驶路径跟踪控制研究。建立了履带式收获机运动学模型与虚拟转向角函数关系；
以航向偏差值作为观测量、阿克曼模型推算角速度作为测量值，设计卡尔曼融合算法，获得基于阿克曼模型的虚拟转向角度；
根据虚拟转向角度对PID路径跟踪算法进行改进，提出了基于预瞄跟踪的双PID路径跟踪控制方法；
通过脉冲宽度控制器实现了履带式花生收获机路径跟踪精准控制。仿真试验结果表明：基于预瞄跟踪双PID的路径跟踪控制方法能够进行路径跟踪控制，具有控制平滑和稳态误差小等特点。田间试验表明：花生收获机在沙地以0.6m/s的速度作业时，系统直线跟踪平均绝对误差为2.23 cm，最大偏差为4.14 cm，相对于PD路径跟踪控制器分别提高了56.12%和66.07%。上线试验中，初始偏差分别是0.5、1.0和1.5 m时，上线时间分别为11.00、12.92和13.78 s，上线距离为6.60、7.75和8.26 m；
最大超调量分别为5.68%、5.84%和8.06%，相较于轮式收获机，上线距离分别减小了1.92%、4.43%、8.71%，超调量分别减少了8.45%、17.56%、5.17%；
接行最大偏差为5.87 cm，平均绝对误差为2.72 cm，接行偏差在±5和±10 cm内的比例分别为97.11%和100%，路径跟踪控制精度能够满足沙地无人驾驶作业要求。
农业机械；
收获；
路径规划；
花生；
预瞄控制；
虚拟阿克曼
花生是重要的油料和经济作物[1-2]。花生收获是花生生产的关键环节之一，作业成本占花生生产成本约50%[3-5]。花生主要种植区域花生收获机械化率较高，但是智能化水平仍然较低。加装自动导航的拖拉机应用于花生播种作业中，提高了垄行直线度和播种质量，同时减少了人工劳动强度。花生收获机械也亟待向智能化、无人化方向发展。
目前履带式花生联合收获机是主要的花生收获机械之一，具有接地面积大、对土壤压强小和转弯半径小等特点[6-8]。针对履带式花生联合收获机运动学特点和对垄收获作业的特点，建立起适合履带式车辆的路径跟踪控制方法是提高履带式车辆适应性的关键技术之一。康翌婷等[9]针对履带式车辆自主行驶控制中滑动参数难以精确估计和在复杂地面条件下难以稳定跟踪目标路径的问题，建立起了基于球-面接触原理的履带式车辆运动学模型，相较于传统的履带式车辆滑动转向模型，控制器在地面不平条件下仍然能够实现稳定的路径跟踪控制，跟踪正弦曲线的位置绝对误差减小0.06 m，航向角绝对误差减小0.25 rad。张闻宇等[10]针对无人驾驶过程中传统的二轮运动学模型无法描述运动状态的问题，以油菜播种机为研究平台，提出了基于SVR逆变模型的双切圆寻线纯跟踪模型，在直线速度为1.2 m/s的情况下，位置偏差最大值小于6 cm，绝对平均误差不大于1.5 cm。
丁幼春等[11]以小型履带式油菜播种机为研究对象，采用电磁铁作为执行机构，北斗导航和电子罗盘进行组合导航，提出了一种基于免疫PID的路径跟踪控制方法，比传统PID路径跟踪控制方法最大跟踪误差降低了18.1%，平均跟踪误差降低了32.6%。张朝宇等[12]为实现履带式播种机自动导航作业要求，设计了基于模糊自适应纯跟踪导航控制方法，对航向偏差、横向偏差、速度进行模糊化，提高了导航系统稳定性，实现了较少人为干预下的播种作业，田间试验表明模糊自适应可自主调节前视距离，当油菜播种机速度为0.5、0.8、1.2 m/s时，模糊自适应纯跟踪控制器最大跟踪偏差分别不大于0.082、0.086、0.092 m，平均绝对偏差分别不大于0.031、0.032、0.034 m。关卓怀等[13]针对水田环境下的履带式收获机路径跟踪控制方法，以履带式联合收获机为研究对象，建立起履带式车辆转弯运动学模型，为黏湿土壤环境中的履带收获机路径跟踪算法的设计提供理论参考。
花生种植于沙质土壤中，由于沙地表面松软易产生流动，引起农机发生侧滑、滑转等现象，影响花生收获机作业路径跟踪控制精度和稳定性。贾全等[14]提出了一种基于航向预估模型的路径跟踪控制算法，利用车辆当前航向和航向预估量之和作为反馈量，在一定程度上克服了滑移现象对控制精度的影响。由于沙质路面条件呈非线性变化，履带式车辆在路径跟踪时存在不确定动态变化，转向过程中存在控制一致性差、转向响应慢等问题，因此设计优良的路径跟踪控制算法对提高履带车辆在沙地环境下的运动性能尤为重要。此外，收获机在收获一垄两行种植方式的花生时，合秧器和挖掘机构将两行花生秧果集成一行通过传动链传送到摘果机构中，如不能实现精准路径跟踪将使合秧器偏离花生行出现漏收，导致收获损失大、效率低等问题[15-17]。当前收获机无人驾驶的研究与应用主要以相对定位为主，且作业方式为无重叠作业，而花生收获机要求精准对垄作业，针对无人驾驶的履带式花生收获机在确保对垄直线收获和自动对行收获作业方面研究较少。因此，亟需研究履带式花生收获机的路径跟踪控制方法，实现花生垄行精准跟踪和对行收获作业。
本文以东泰4HBL-2型履带自走式花生联合收获机为研究对象，针对履带式花生收获机在沙地环境下的花生垄行精准跟踪和对行收获作业的问题，根据虚拟阿克曼模型建立履带式车辆的车体运动学模型，建立阿克曼模型的虚拟转向角度卡尔曼融合算法，采用定位模块获取花生收获机距离偏差和航向偏差作为导航控制器的输入，设计了基于预瞄跟踪双PID的路径跟踪控制方法。以转向控制角度作为转向控制器的输入，通过脉冲宽度调制控制进行转向控制，并进行仿真分析和田间试验验证。
履带式花生收获机的行走装置包含两条与机器纵轴线平行的履带，既无法实现偏转车轮转向，也无法实现折腰转向，只能通过两侧履带驱动链轮的转速差实现转向[18-20]。履带式花生收获机采用单边制动方式实现差速转向，转向中心位于制动轮的外侧，因此车辆在转弯时，车辆的转向中心会在左右履带的外侧切换[21-23]，两侧履带围绕转弯中心做纯滚动运动[24-26]。履带式花生收获机向左转弯时，左侧转向角度大于右侧角度，车辆围绕同一个圆心做转动，反之履带式花生收获机向右转弯时，右侧转向角度大于左侧角度，内侧与外侧形成一定的转角差。忽略转向过程中的滑移，单边制动转向时会在一段时间内双侧履带转速不同，忽略车辆在轴方向的运动，只考虑平面运动可将履带式花生收获机简化为单车模型。转向时左右侧履带转向角度不同，同侧履带作为一个刚性系统，可将双侧履带转向简化成阿克曼转向特性的虚拟轮角进行控制。虚拟阿克曼模型如图1所示，以正北方向为轴正向，以正东方向为轴正向建立车体坐标系，转向时存在如下几何关系：
令为履带平均转向角度，则
注：α为内测履带转向角度，(°)；
β为外测履带转向角度，(°)；
θ为车辆前进方向正东方向的夹角即航向角，(°)；
L是车辆履带的长度，m；
K为履带轨距，m；
R为转弯半径，m。
虚拟阿克曼模型车辆的控制中心位于虚拟后轮上，在笛卡尔坐标系下转向角速度为
式中′为基于虚拟阿克曼模型的车辆转向角速度，rad/s。
2.1 虚拟转向角度估计
采用双天线GNSS获取车体的航向变化，利用车辆转向角速度获取角度变化率。履带式车辆在转向过程中实现两侧履带同步控制，在任何时刻都需满足式（1）中的转角约束条件。
以航向偏差值作为观测量、阿克曼模型推算的角速度为测量值，时刻的虚拟转向角度和阿克曼模型转向角速度偏差作为状态向量参数，建立阿克曼模型的虚拟转向角度卡尔曼融合算法。
虚拟阿克曼转向系统状态方程为
式中x为时刻的状态向量；
R、分别为时刻的虚拟转向角度和转向角速度偏差。
建立时刻的转角运动的递推方程和观测方程
根据卡尔曼融合算法可得
式中为单位向量。
通过卡尔曼融合算法可得基于阿克曼模型的履带式花生收获机的虚拟转向角度为
2.2 预瞄跟踪双PID控制
采用预瞄跟踪控制方法实现履带式花生联合收获机路径跟踪控制，如图2所示，建立车体导航坐标系（XOY）。定义履带式车辆的前进方向与正东方向的夹角为航向角，规划的跟踪直线是导航基准线，设定车辆在导航基准线的左侧位置偏差为负（P<0），车辆在导航基准线的右侧位置偏差为正（P>0），相对于导航预瞄基准点的航向偏差′为
则车辆转向角度θ为
式中1，2为控制常数。
当系统受到干扰时，单靠预瞄跟踪控制效果较差，抗干扰能力弱。因此在预瞄跟踪的基础上增加PID控制环节，根据位置偏差和航向偏差分别采用不同PID控制参数以满足系统的快速响应性和稳定性。
针对位置偏差的PID控制量θ为
式中K，K，K为位置偏差的控制PID参数；
P(k)，P(−1)为和−1时刻的位置偏差，m；
为位置偏差采集周期，s。
根据式（12）和式（13）可得出转向角度控制量为
采用的转向控制角度采用增量式PD控制器，其中控制增量为
输出到转向系统控制量为
注：为履带式收获机的预瞄跟踪控制点，是导航基准线上的一个预瞄点，d是预瞄距离，m，是过点的导航基准线垂线，P表示车辆中心距离导航基准线的距离即位置偏差，m；
′为相对于导航预瞄基准点的角度偏差，(°)；
为航向偏差，(°)。
Note:means preview tracking control point of crawler harvester;means a preview point on the navigation datum line;dmeans the preview distance, m;is the vertical line passing throughas the navigation reference line;Pmeans the distance between the center of the vehicle and the navigation reference line is the position deviation, m;′ is the angular deviation from the navigation preview reference point, (°);is heading deviation, (°).
图2 预瞄跟踪模型
Fig.2 Preview tracking model
2.3 转向控制决策
式（16）中转向角度θ是花生收获机控制点（GNSS右天线）的虚拟转向角，但实际控制目的是保证花生收获机构（即合秧器和挖掘机构）准确跟踪花生行，控制点与花生收获机构存在杆臂效应[27-30]，控制点与花生收获机构杆臂效应如图3所示。杆臂效应误差是由于花生收获机构与控制点中心不重合的情况下转向角度发生偏移引起的。当花生收获机发生转向时，由于航向偏差影响，控制中心所计算的虚拟转向角度和收获机构实际转向角度存在一个误差角度，导致最终花生收获机构存在控制误差。因此，在代入转向决策时需要进行杆臂效应误差补偿。
注：a、b、h为控制点与花生收获机构底盘中心的位置偏差，m。
控制点到花生收获机构的杆臂长度矩阵为
根据花生收获机双天线GNSS所测得的收获机姿态位置信息中的航向角φ，(°)；
横滚角φ，(°)，车体坐标系以控制点为坐标原点，导航坐标系与车体坐标系的转换矩阵为
在航向角方向上合成最终的虚拟转向角度为
根据履带式花生收获机的转向特性，采用开关式电磁阀控制“离合器拨叉”组成新的转向系统；
导航控制器控制指令控制电磁阀的开关，对离合器拨叉进行通断，最终达到单边制动转向。考虑到机械传动系统中存在间隙以及开关阀的滞后性，为了降低履带式车辆转向时的抖动，提高控制精度，结合计算出的虚拟转向角，建立脉冲宽度调制（pulse width modulation，PWM）运动控制器驱动花生收获机转向：
式中max为车辆最大转向角度，(°)；
max为一个控制周期内最大控制次数；
S为一个控制周期内转向的次数；
S为输出转向控制次数。
2.4 仿真分析
为了验证虚拟阿克曼模型和预瞄跟踪双PID路径跟踪控制方法的正确性和有效性，在Matlab中对虚拟转向角度控制进行仿真。设定输入的决策角度为峰值28°的正弦信号，输出为运动控制器的阶跃信号，仿真时间70 s，采样时间间隔为0.01 s，探究在不同输入角度下系统输出脉宽信号，虚拟转向控制仿真模型如图4所示。
仿真试验结果如图5所示，在不考虑外界噪声的情况下，当系统输入较小转向角度时，转向决策系统将不再输出左右转向，收获机保持直线行驶；
当输入大于最小转向角度时，转向决策系统会根据输入角度的增大而增加输出角度。转向控制系统将虚拟转向角度分解成若干个控制阶段，使收获机更加平稳地执行转向动作仿真结果表明：基于预瞄跟踪双PID的路径跟踪控制方法能够进行路径跟踪控制，具有控制平滑和稳态误差小等特点。
图4 虚拟转向控制仿真模型
图5 输出脉宽控制信号
3.1 试验材料
履带式花生联合收获机采用东泰生产的4HBL-2型自走式花生联合收获机，由履带式底盘、柴油发动机、收获机构、摘果及清选机构、输送机构、储藏卸果机构组成。无人化设计后的无人驾驶履带式花生收获机组成如图6所示。
1.定位天线 2.储藏与卸果装置 3.导航控制器 4.运动控制器 5.推杆电机 6.开关电磁阀 7.收获装置
无人驾驶系统由导航控制器、显示终端、网络差分模块和转向机构组成。控制器集成了高精度北斗定位模块，北斗定位模块采用双天线板卡K728，其定位精度为1 cm，航向精度0.2°/0（0为双天线基线长，本文采用的是1.6 m），控制器直线导航控制精度为±2.5 cm，平均接行精度为±2.5 cm；
显示终端采用嵌入式电容触摸显示屏7"TFT LCD，分辨率800×480，用于配置导航控制参数及实时路径显示；
网络差分模块采用HY-C44R网络差分接收机通过NTRIP协议建立起GNSS差分数据传输通道，RTK精度为水平方向±1 cm，为导航控制器提供实时差分定位；
转向系统是由推杆电机、开关式电磁阀和运动控制器组成，运动控制器采用SPC-STW-2612CM，具备6路比例阀PVC功能及2路H桥功能。运动控制器通过控制推杆电机的伸缩和开关式电磁阀的通断来控制履带式花生机的转向机构。导航控制系统结构框图如图7所示。
图7 导航控制系统结构框图
3.2 试验方法
为验证基于预瞄跟踪双PID的路径跟踪控制方法在沙地环境下的控制精度，在广东省湛江市南三镇沙地花生种植基地进行试验，试验分3组进行：
1）直线跟踪试验：履带式收获机在沙地中自动导航作业，考察其小角度控制的跟踪精度。
2）上线性能试验：在不同位置偏差的情况下，花生收获机自主上线，考察其上线时间及超调量。
3）接行性能试验：收获机在完成一行作业之后自主转向下一行作业，考察其转向性能及偏差量。
试验时，设定的系统参数分别为：预瞄距离d=2，常数1、2分别为1.1、0.9，位置偏差控制PID参数K、K、K为0.9、0.05、0.5，航向偏差控制PID参数′p、′i、′d为1.2、0.08、0.5，控制点到花生收获机构的杆臂长度=[2.4 0.8 2.1]T，坐标原点位于车体几何中心。
3.2.1 直线跟踪试验
控制收获机以0.6 m/s的速度，初始位置偏差和航向偏差为0的条件下（初始的位置偏差至±3 cm，航向偏差至±1.5°）进行直线跟踪试验。采用北斗定位装置记录车辆位置信息和航向信息，定位信息采样频率为10 Hz，进行多次试验计算其相对偏差量。
试验步骤：
1）获取地块的边界点信息，分别在地块的两端选取P、P两点作为直线跟踪试验的起点和终点；
2）导航系统选择无人驾驶模式，使收获机沿着PP进行直线跟踪；
3）设置收获机的速度为0.6 m/s，放下花生收获机收获大架调节至合适高度；
4）启动花生收获机，开始进行直线跟踪试验；
5）根据车载北斗定位装置实时记录车辆定位数据；
6）重复进行多次试验，并将试验数据进行滑动均值滤波，消除异常点的干扰，分析直线跟踪特性。
试验结果如图8所示，图8a中可见阶梯状的位置偏差，表明系统为防止持续纠偏导致震荡，将转向过程分解成多个过程完成，提高了系统的稳定性。图8b中将航向偏差控制在一定范围内，航向偏差发生较大的改变时系统控制花生收获机执行转向操作，并不会对位置偏差产生较大的影响。当位置偏差和航向偏差累计到一定程度时系统能够快速纠偏以保证直线跟踪。直线跟踪误差进行统计，结果如表1所示，在沙地环境下，位置偏差绝对值极值为4.14 cm，平均绝对误差为2.23 cm，位置偏差标准差为1.17 cm。相对于PD控制器[31]，基于预瞄跟踪双PID的路径跟踪控制方法平均绝对误差提高了56.12%，最大位置偏差减小66.07%。试验表明预瞄跟踪双PID算法适用于沙地无人驾驶，在凹凸不平的沙地具有良好的鲁棒性，提高了花生收获机沙地收获作业直线度。
图8 直线跟踪位置偏差和航向偏差
表1 直线跟踪的位置偏差统计
3.2.2 上线性能试验
选取距离目标航线0.5、1.0和1.5 m作为初始位置偏差，收获机速度为0.6 m/s，测试履带式花生收获机的上线要求。按照花生收获所需的上线性能，将花生收获机位置调整到导航基准线±5cm范围，航向偏差调整到±1.5°范围，即达到上线要求。其中初始位置是指车辆与目标航线的垂直距离，初始航向偏差保证在±1°，上线距离为车辆达到上线状态所走过的距离。
试验结果如图9所示。上线过程中由于位置偏差较大，会产生一个较大的横向速度，甚至朝着规划路径的垂直方向驶去，当位置偏差不断缩小，纵向速度不断加大，车辆摆正方向迅速上线。由于开关阀转向特性，收获机在上线之后还会存在一个横向速度，系统进入惯性状态，随着时间推移系统逐步进入稳定状态。对上线过程中位置偏差进行统计，结果如表2所示，可以看出位置偏差为0.5、1.0、1.5 m时上线时间分别为11.00、12.92、13.78 s；
上线距离为6.60、7.75、8.26 m；
最大超调量分别为5.68%、5.84%、8.06%；
相较于轮式收获机上线性能[32]，上线距离分别减小了1.92%、4.43%、8.71%，超调量分别减小了8.45%、17.56%、5.17%。在不同的位置偏差条件下，上线距离相差不大，但上线时间相差较大，上线时间取决于初始的位置偏差。试验结果表明，采用基于预瞄跟踪双PID的路径跟踪控制方法可以有效提高开关式转向的履带式收获机的上线效果和稳定性，上线后收获机快速进入直线跟踪模式，超调量较小。
图9 不同初始位置的上线过程
表2 不同初始位置偏差上线性能数据统计
3.2.3 接行性能试验
选取一块待收获的花生地作为试验场地，如图 10所示，测试花生收获机的地头接行精度。
图10 花生收获机实地作业图
试验过程为：首先采集试验场地的边界信息，自动生成作业路径，设置基本的控制参数，将收获机动力档放到N档，启动导航开始作业，待机器上线进入直线作业后开始记录数据。
采集的收获机的实时定位数据如图11所示，花生田块边界两边预留出安全的转向距离，采用口字形路径规划方法规划出20行作业行，行与行之间间距80 cm，经过实地测量保证每一规划行都位于花生垄中心。当花生机到达地头转弯点时，花生收获机原地旋转90°，行走至下一行的转弯点。下一行上线后能够迅速进入直线跟踪状态，控制平稳、对行精度高，适用于花生收获机自主换行。履带式花生收获机在不同位置的转向接行性能测试，结果如表3所示，花生收获机接行最大偏差为5.87 cm，平均绝对误差为2.72 cm，接行偏差在±5和±10 cm内的比例分别为97.11%和100%，接行性能满足相对于T/CAAMM 14-2018农业机械卫星导航自动驾驶系统后装通用技术条件要求。
图11 花生收获机实时路径图
表3 接行性能测试结果
1）设计了双侧履带阿克曼转向模型，建立了履带式花生收获机运动学模型和转向角传递函数，并构建了Simulink仿真模型，正弦波仿真试验结果表明：基于预瞄跟踪双PID 的路径跟踪控制方法能够进行路径跟踪控制，具有控制平滑和稳态误差小等特点。验证了双侧履带阿克曼转向模型的可行性。
2）设计了基于预瞄跟踪双PID的路径跟踪控制方法，与路径跟踪PD 控制相比，预瞄双PID路径跟踪控制方法平均绝对误差提高了56.12%，最大位置偏差减小了66.07%。
3）在沙地开展了履带式花生联合收获机路径跟踪控制方法的直线、上线和接行性能试验。结果表明：花生收获机以0.6 m/s的速度作业时，位置偏差绝对极值为4.14 cm，平均绝对误差为2.23 cm，位置偏差标准差为1.17 cm；
上线试验中，初始位置偏差分别是0.5、1.0、1.5 m时，上线时间分别为11.00、12.92、13.78 s；
上线距离为6.60、7.75、8.26 m；
最大超调量分别为5.68%、5.84%、8.06%；
接行试验中花生收获机接行最大偏差为5.87 cm，平均绝对误差为2.72 cm，接行偏差在±5和±10 cm内的比例分别为97.11%和100%，控制精度满足履带式花生收获机沙地作业要求。
[1] 陈有庆，胡志超，王申莹，等. 割秧后花生收获机捡拾装置设计与试验[J]. 农业工程学报，2020，36(16)：1-8.
CHEN Youqing, HU Zhichao, WANG Senying, et al. Design and experiment of picking device of peanut harvester after seedling cutting[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(16): 1-8. (in Chinese with English abstract)
[2] 庞德亮，张书坤，李玉杰. 花生收获机的研究现状及发展趋势[J]. 南方农机，2019，50(4)：32.
[3] 王伯凯，顾峰玮，于昭洋，等. 轴流式全喂入花生收获机捡拾机构设计与试验[J]. 农业机械学报，2020，51(10)：132-141.
WANG Bokai，GU Fengwei，YU Zhaoyang，et al. Design and experiment of picking-up mechanism of axial-flow full-feed peanut harvester[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(10): 132-141. (in Chinese with English abstract)
[4] 史正芳，王兰安. 花生收获机械的发展现状与前景[J]. 山东农机化，2019，331(2)：25-26.
[5] 王斌斌，张轩. 南方花生收获机的设计与试验[J]. 现代农业装备，2020，41(4)：33-38.
WANG Binbin, ZHANG Xuan. Design and experiment of peanut harvester in South China[J]. Modern Agricultural Equipment, 2020, 41(4): 33-38. (in Chinese with English abstract)
[6] 解彬彬，刘继展，蔡连江，等. 小地块履带农机UWB导航系统设计及其基站布置[J]. 农业工程学报，2022，38(7)：48-58.
XIE Binbin，LIU Jizhan，CAI Lianjiang，et al. Design of the UWB navigation system for tracked agricultural machinery
in small land and analysis of base station layout[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(7): 48-58. (in Chinese with English abstract)
[7] 游兆延，吴惠昌，胡志超，等. 4HLB-2型花生收获机挖掘深度的模糊控制[J]. 西北农林科技大学学报（自然科学版），2015，43(11)：221-227.
YOU Zhaoyan, WU Huichang, HU Zhichao, et al. Fuzzy control of digging depth of HLB-2 peanut harvester[J]. Journal of Northwest A&F University (Natural Science Edition), 2015, 43(11): 221-227. (in Chinese with English abstract)
[8] TANG Z, ZHANG T, LI C, et al. Developments of crawler steering gearbox for combine harvester straight forward and steering in situ[J]. International Journal of Agricultural and Biological Engineering, 2020, 13(1): 120-126.
[9] 康翌婷，张煜，曾日芽. 地面不平条件下考虑滑动转向特性的履带车辆路径跟踪控制[J]. 中南大学学报（自然科学版），2022，53(2)：491-501.
KANG Yiting, ZHANG Yu, ZENG Riya. Path tracking control of tracked vehicle considering sliding steering characteristics under uneven ground conditions[J]. Journal of Central South University (Science and Technology), 2022, 53(2): 491-501. (in Chinese with English abstract)
[10] 张闻宇，丁幼春，李兆东，等. 基于双切圆寻线模型的农机导航控制方法[J]. 农业机械学报，2016，47(10)：1-10.
ZHANG Wenyu, DING Youchun, LI Zhaodong, et al. Navigation control method of agricultural machinery based on double tangent circle line-finding model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(10): 1-10. (in Chinese with English abstract)
[11] 丁幼春，何志博，夏中州，等. 小型履带式油菜播种机导航免疫PID控制器设计[J]. 农业工程学报，2019，35(7)：12-20.
DING Youchun, HE Zhibo, XIA Zhongzhou, et al. Design of navigation immune PID controller for small crawler rapeseed seeder[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(7): 12-20. (in Chinese with English abstract)
[12] 张朝宇，董万静，熊子庆，等. 履带式油菜播种机模糊自适应纯追踪控制器设计与试验[J]. 农业机械学报，2021，52(12)：105-114.
ZHANG Chaoyu, DONG Wanjing, XIONG Ziqing, et al. Design and experiment of fuzzy adaptive pure tracking controller for crawler seeder[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(12): 105-114. (in Chinese with English abstract)
[13] 关卓怀，沐森林，吴崇友，等. 履带式联合收获机水田作业转向运动学分析与试验[J]. 农业工程学报，2020，36(13)：29-38.
GUAN Zhuohuai, MU Senlin, WU Chongyou, et al. Kinematics analysis and experiment of crawler combine harvester steering in paddy field[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(13): 29-38. (in Chinese with English abstract)
[14] 贾全，张小超，苑严伟，等. NF-752型履带式拖拉机自动驾驶系统[J]. 农业工程，2018，8(4)：24-29.
JIA Quan, ZHANG Xiaochao, YUAN Yanwei, et al. Automatic driving system of NF-752 crawler tractor[J]. Agricultural Engineering, 2018, 8(4): 24-29. (in Chinese with English abstract)
[15] 翟新婷，陈明东. 花生联合收获机秧蔓夹持输送系统载荷谱编制[J]. 农业机械学报，2020，51(S1)：261-266.
ZHAI Xinting, CHEN Mingdong. Load spectrum compiling of peanut combine harvester"s seedling clamping and conveying system[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(S1): 261-266. (in Chinese with English abstract)
[16] 王申莹，胡志超，吴峰，等. 全喂入花生捡拾收获机喂入量建模与试验[J]. 农业工程学报，2019，35(23)：29-36.
WANG Shenying，HU Zhichao，WU Feng，et al. Modeling and experiment of feeding rate for full-feed peanut pickup
harvester[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(23): 29-36. (in Chinese with English abstract)
[17] 于昭洋，胡志超，曹明珠，等. 切流式花生全喂入联合收获机清选机构设计[J]. 农业工程学报，2019，35(9)：29-37.
YU Zhaoyang, HU Zhichao, CAO Mingzhu, et al. Design of cleaning device of tangential flow and whole-feed peanut combine harvester[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(9): 29-37.(in Chinese with English abstract)
[18] 曾锦锋，陈晨，杨蒙爱. 基于阿克曼转向原理的四轮转向机构设计[J]. 轻工机械，2013，31(3)：13-16.
CENG Jinfeng, CHEN Chen, YANG Meng"ai. Design of four-wheel steering mechanism based on Ackerman steering principle[J]. Light Industry Machinery, 2013, 31(3): 13-16. (in Chinese with English abstract)
[19] 薛昊渊，连晋毅，王嘉仑，等. 阿克曼转向模型的改进及其电子差速控制仿真[J]. 汽车实用技术，2020(10)：118-121.
XUE Haoyuan, LIAN Jinyi, WANG Jialun, et al. Improvement of ackerman steering model and simulation of electronic differential control[J]. Automobile Applied Technology, 2020(10): 118-121. (in Chinese with English abstract)
[20] 时培成，陈旭，杨爱喜，等. 4WID-4WIS智能车阿克曼转向轨迹规划及位置估算[J]. 工程设计学报，2022，29(2)：1-10.
SHI Peicheng, CHEN Xu, YANG Aixi, et al. Steering trajectory planning and position estimation of 4WID-4WIS intelligent vehicle ackerman[J]. Chinese Journal of Engineering Design, 2022, 29(2): 1-10. (in Chinese with English abstract)
[21] 罗承铭，熊陈文，黄小毛，等. 四边形田块下油菜联合收获机全覆盖作业路径规划算法[J]. 农业工程学报，2021，37(9)：140-148.
LUO Chengming，XIONG Chenwen，HUANG Xiaomao，et al. Coverage operation path planning algorithms for the rape combine harvester in quadrilateral fields[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(9): 140-148. (in Chinese with English abstract)
[22] 丁幼春，张莉莉，杨军强，等. 油菜精量直播机播种监测系统传感装置改进及通信设计[J]. 农业工程学报，2018，34(14)：19-26.
DING Youchun, ZHANG Lili, YANG Junqiang, et al. Design and experiment of variable replanting system of precision seed metering device for rape[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(14): 19-26. (in Chinese with English abstract)
[23] 张闻宇，张智刚，罗锡文，等. 收获机与运粮车纵向相对位置位速耦合协同控制方法与试验[J]. 农业工程学报，2021，37(9)：1-11.
ZHANG Wenyu, ZHANG Zhigang, LUO Xiwen, et al. Position-velocity coupling control method and experiments for longitudinal relative position of harvester and grain truck[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(9): 1-11. (in Chinese with English abstract)
[24] 丁幼春，杨军强，张莉莉，等. 油菜精量排种器变量补种系统设计与试验[J]. 农业工程学报，2018，34(16)：27-36.
DING Youchun, YANG Junqiang, ZHANG Lili, et al. Design and experiment of variable replanting system of precision seed metering device for rape[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(16): 27-36. (in Chinese with English abstract)
[25] ZHANG H, ZHANG R, LI L, et al. Research on virtual Ackerman steering model based navigation system for tracked vehicles[J]. Computers and Electronics in Agriculture, 2022, 192: 106615.
[26] 盖军雄，雷晓春，江泽涛. 基于ROS的阿克曼机器人室内导航实现[J]. 中国体视学与图像分析，2021，26(3)：215-225.
GAI Junxiong, LEI Xiaochun, JIANG Zetao. Realization of indoor navigation of Ackerman robot based on ROS[J]. Chinese Journal of Stereology and Image Analysis, 2021, 26(3): 215-225. (in Chinese with English abstract)
[27] 陈永展，袁涛，曲建岭，等. 不同海况等级下传递对准杆臂效应的影响研究[J]. 计测技术，2022，42(1)：63-71.
CHEN Yongzhan, YUAN Tao, QU Jianling, et al. Study on the influence of transfer alignment lever arm effect under different sea conditions[J]. Metrology & Measurement Technology, 2022, 42(1): 63-71. (in Chinese with English abstract)
[28] 陶冶，张东良，李建利. 基于杆臂补偿的多MIMU六方位倍速率标定方法[J]. 导航定位与授时，2021，8(1)：168-175.
TAO Ye, ZHANG Dongliang, LI Jianli. Multi-MIMU six-azimuth multiple rate calibration method based on lever-arm compensation[J]. Navigation Positioning and Timing, 2021, 8(1): 168-175. (in Chinese with English abstract)
[29] LIU J, WANG L, LI K, et al. A compensation method of lever arm effect for tri-axis hybrid inertial navigation system based on fiber optic gyro[J]. Measurement Science and Technology, 2017, 28(5): 055103.
[30] 谭强俊，程永生，唐彬，等. 航姿参考系统的改进杆臂效应补偿方法[J]. 哈尔滨工业大学学报，2020，52(5)：129-136.
TAN Qiangjun, CHENG Yongsheng, TANG Bin, et al. Improved lever arm effect compensation method for attitude reference system[J]. Journal of Harbin Institute of Technology, 2020, 52(5): 129-136. (in Chinese with English abstract)
[31] 胡炼，关锦杰，何杰，等. 花生收获机自动驾驶作业系统设计与试验[J]. 农业机械学报，2022，53(9)：21-27.
HU Lian, GUAN Jinjie, HE Jie, et al. Design and test of automatic driving operation system for peanut harvester[J]. Transactions of the Chinese Society for Agricultural Machinery, 2022: 53(9): 21-27. (in Chinese with English abstract)
[32] 王辉，王桂民，罗锡文，等. 基于预瞄追踪模型的农机导航路径跟踪控制方法[J]. 农业工程学报，2019，35(4)：11-19.
WANG Hui, WANG Guimin, LUO Xiwen, et al. Tracking control method of agricultural machinery navigation path based on preview tracking model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(4): 11-19. (in Chinese with English abstract)
Path tracking control method and experiments for the crawler-mounted peanut combine harvester
HE Jie1,2,3, MAN Zhongxian1, HU Lian1,2,3※, LUO Xiwen1,2,3, WANG Pei1,2,3, LI Mingjin1, LI Weicong1
(1.510642,; 2.510642,;3.(-),510642)
Peanut harvesting has posed a great promise for the sustainable development in modern agriculture. This study aims to improve the path-tracking accuracy of an unmanned crawler-mounted peanut harvester on sandy land. 4HBL-2 self-propelled peanut combine harvester was taken as the research object. A systematic investigation was also carried out on the unmanned path-tracking control of the crawler-mounted harvester. The optimal relationship was established between the kinematic model of the crawler-mounted harvester and the virtual steering angle function. The course deviation was used as the observation value, whereas, the angular velocity calculated by the Ackerman model was used as the measurement value. Kalman Fusion Algorithm was also designed to obtain the virtual steering angle using the Ackerman model. The PID path tracking was improved significantly, according to the virtual steering angle. A double PID path tracking control was proposed using preview tracking. A pulse width controller was then selected to realize the accurate path-tracking control of the crawler-mounted peanut harvester. The simulation test results showed that the path tracking control method based on preview tracking double PID can perform path tracking control, and had the characteristics of smooth control and small steady-state error. There was no change in the signal period and waveform distortion. A series of field experiments show that the average absolute error and the maximum deviation of the linear tracking were 2.23, and 4.14 cm, respectively, when the peanut harvester was operated at a speed of 0.6 m/s in the sand. The performance of the improved system was enhanced by 56.12%, and 66.07%, respectively, compared with the PID path tracking controller. The path tracking experiments showed that the response duration values of the control system were 11.00, 12.92, and 13.78 s, respectively, while the corresponding distances were 6.60, 7.75, and 8.26 m, respectively, when the initial deviation was 0.5, 1.0, and 1.5 m, respectively. Specifically, the maximum overshoot was 5.68, 5.84, and 6.09 cm, respectively. The tracking path distance was reduced by 1.92%, 4.43%, and 8.71%, respectively, whereas, the overshoot was reduced by 8.45%, 17.56%, and 5.17%, respectively, compared with the wheeled harvesters. The maximum deviation and average absolute error of the peanut harvester were 5.87 and 2.72 cm, respectively. The ratios of deviation within ±5 cm and ±10 cm were 97.11%, and 100%, respectively. The general technical conditions were also compared for the post-installation of the satellite navigation automatic driving system of agricultural machinery in the industry standard. The connection performance of the crawler peanut harvester can be expected to meet the high requirements of the connection performance. The path tracking control accuracy of the crawler-mounted peanut harvester can also fully meet the harsh requirements of unmanned operation in sandy land.
agricultural machinery; harvest; path planning; peanut; preview control; virtual Ackerman
2022-08-08
2022-12-25
广东省人工智能实验室项目（2021B1212040009）；
岭南现代农业科学与技术广东省实验室科研项目（NT2021009）；
国家花生产业技术体系（CARS-13）
何杰，博士，高级实验师，研究方向为智能农机装备。Email：hooget@scau.edu.cn
胡炼，博士，博士生导师，研究员，研究方向为智能农机装备。Email：lianhu@scau.edu.cn
10.11975/j.issn.1002-6819.202208067
S24; TP273
A
1002-6819(2023)-01-0009-09
何杰，满忠贤，胡炼，等. 履带式花生联合收获机路径跟踪控制方法与试验[J]. 农业工程学报，2023，39(1)：9-17. doi：10.11975/j.issn.1002-6819.202208067 http://www.tcsae.org
HE Jie, MAN Zhongxian, HU Lian, et al. Path tracking control method and experiments for the crawler-mounted peanut combine harvester[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(1): 9-17. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.202208067 http://www.tcsae.org
猜你喜欢阿克曼收获机航向风浪干扰条件下舰船航向保持非线性控制系统舰船科学技术(2022年10期)2022-06-17嗜黏蛋白阿克曼菌与肥胖相关代谢性疾病的研究进展昆明医科大学学报(2022年1期)2022-02-28甘蔗收获机提升机构的运动学与动力学分析装备制造技术(2021年5期)2021-08-14知坐标，明航向新世纪智能(高一语文)(2021年3期)2021-07-16考虑几何限制的航向道模式设计民用飞机设计与研究(2019年4期)2019-05-21基于干扰观测器的船舶系统航向Backstepping 控制电子制作(2017年24期)2017-02-02拖拉机与玉米收获机的保养与维修新农业(2016年13期)2016-08-16整秆式甘蔗收获机断尾机构虚拟试验研究浙江大学学报（工学版）(2016年9期)2016-06-05谷王联合收获机结构特点及操作要求时代农机(2015年3期)2015-11-14９３岁外婆和德国作家的幽默问答等二则小品文选刊(2009年19期)2009-11-26
