莫冬炎，楊塵宇，黃沛琛，張世昂，朱立學(xué)

（仲愷農(nóng)業(yè)工程學(xué)院機(jī)電工程學(xué)院，廣州510225）

0 引言

果園機(jī)器人是一種融合控制技術(shù)、導(dǎo)航技術(shù)、計(jì)算機(jī)技術(shù)等多種先進(jìn)技術(shù)的農(nóng)業(yè)自動(dòng)化裝備，將自主導(dǎo)航技術(shù)集成在農(nóng)機(jī)上為果園機(jī)器人提供廣闊的發(fā)展空間，進(jìn)而為果園作業(yè)實(shí)現(xiàn)機(jī)械化和智能化提供無(wú)限可能。近年來(lái)，中國(guó)研發(fā)的自主導(dǎo)航技術(shù)在播種、噴灑農(nóng)藥、除草、采收等農(nóng)業(yè)生產(chǎn)方面得到較好的應(yīng)用，但相對(duì)于國(guó)外來(lái)說(shuō)，果園機(jī)器人的推廣范圍較小和自主導(dǎo)航技術(shù)還不夠成熟[1]。環(huán)境感知技術(shù)和導(dǎo)航控制決策是導(dǎo)航技術(shù)的重要組成部分，環(huán)境感知技術(shù)有衛(wèi)星導(dǎo)航、視覺(jué)導(dǎo)航、激光雷達(dá)導(dǎo)航、地磁導(dǎo)航、慣性導(dǎo)航、超聲波導(dǎo)航等，導(dǎo)航控制決策有PID控制、模糊控制、網(wǎng)絡(luò)神經(jīng)控制、自適應(yīng)模糊控制、純追蹤模型控制、智能優(yōu)化算法控制、運(yùn)動(dòng)學(xué)模型控制等。本文對(duì)比了視覺(jué)導(dǎo)航技術(shù)、激光雷達(dá)導(dǎo)航技術(shù)、衛(wèi)星導(dǎo)航技術(shù)等環(huán)境感知技術(shù)和PID控制、網(wǎng)絡(luò)神經(jīng)控制、模糊控制等導(dǎo)航控制決策的優(yōu)缺點(diǎn)，提出了目前導(dǎo)航技術(shù)所面臨的問(wèn)題，并對(duì)未來(lái)果園機(jī)器人自主導(dǎo)航技術(shù)發(fā)展進(jìn)行了展望。

1 果園機(jī)器人常用環(huán)境感知技術(shù)

環(huán)境感知技術(shù)是利用外部傳感器獲取果園農(nóng)機(jī)作業(yè)時(shí)周圍環(huán)境的信息和車體運(yùn)動(dòng)狀態(tài)，根據(jù)農(nóng)機(jī)作業(yè)目標(biāo)規(guī)劃行走路徑，果園機(jī)器人常用環(huán)境感知技術(shù)有視覺(jué)導(dǎo)航技術(shù)、衛(wèi)星導(dǎo)航技術(shù)、激光雷達(dá)導(dǎo)航技術(shù)等。

1.1 衛(wèi)星導(dǎo)航技術(shù)

近年來(lái)，我國(guó)大力推行精準(zhǔn)農(nóng)業(yè)，為了提高定位精度，降低農(nóng)機(jī)偏航誤差，研究者們逐漸將衛(wèi)星導(dǎo)航技術(shù)搭載在農(nóng)機(jī)上，目前在農(nóng)業(yè)領(lǐng)域常用的衛(wèi)星導(dǎo)航有3種：GPS、北斗以及RTK。衛(wèi)星導(dǎo)航作為一種成熟的環(huán)境感知技術(shù)，應(yīng)用范圍廣，定位精度高，但是在果園或農(nóng)作物樹(shù)葉遮擋嚴(yán)重的農(nóng)田，衛(wèi)星信號(hào)容易缺失，導(dǎo)致導(dǎo)航不精確，為此，在田間地頭轉(zhuǎn)彎處可以采用衛(wèi)星接收信號(hào)，做全局路徑規(guī)劃，達(dá)到精確轉(zhuǎn)彎，故衛(wèi)星導(dǎo)航一般結(jié)合其他環(huán)境感知技術(shù)使用，提高導(dǎo)航精度。在國(guó)內(nèi)，為了提高果園施藥機(jī)自主導(dǎo)航精度，熊斌等[2]設(shè)計(jì)了一種基于北斗衛(wèi)星導(dǎo)航系統(tǒng)的施藥機(jī)自主導(dǎo)航控制系統(tǒng)，在施藥機(jī)行進(jìn)速度為2 km/h時(shí)，施藥機(jī)直線跟蹤最大誤差不大于0.13 m，平均跟蹤誤差不大于0.03 m。郭成洋等[3]設(shè)計(jì)了一套基于RTK-BDS的自適應(yīng)純追蹤導(dǎo)航控制器，利用卡爾曼濾波、模糊控制及純追蹤模型技術(shù)將RTK-BDS采集的數(shù)據(jù)進(jìn)行處理，提高導(dǎo)航精度，車輛在前進(jìn)時(shí)，最大橫向誤差小于0.086 m，平均誤差小于0.036 m。劉兆朋[4]研究以雷沃高地隙噴杠噴霧機(jī)，基于GNSS開(kāi)發(fā)自動(dòng)導(dǎo)航系統(tǒng)，實(shí)現(xiàn)噴霧機(jī)自動(dòng)導(dǎo)航作業(yè)，研究表明：在1.3 m/s左右的前進(jìn)速度條件下，旱田地塊車身橫滾在-1.4°～3.3°范圍，跟蹤誤差最大值為9.8 cm，平均值為1.3 cm，標(biāo)準(zhǔn)差為3.3 cm。羅錫文等[5]在東方紅X-804拖拉機(jī)平臺(tái)上，開(kāi)發(fā)了基于RTK-DGPS的自動(dòng)導(dǎo)航控制系統(tǒng)，該系統(tǒng)在地頭轉(zhuǎn)彎處采用跨行地頭轉(zhuǎn)向控制方式，實(shí)驗(yàn)表明：在拖拉機(jī)行進(jìn)速度為0.8 m/s時(shí)，直線跟蹤的最大誤差小于0.15 m，平均跟蹤誤差小于0.03 m。

在國(guó)外，Ji Zhang等[6]基于激光雷達(dá)技術(shù)提出果園塊圖方法繪制導(dǎo)航地圖，在果園中安裝地標(biāo)以提供映射信息，由高精度的Applanix GPS輔助慣性導(dǎo)航系統(tǒng)提供定位信息，在韋克斯福德的蘋(píng)果園中試驗(yàn)橫向誤差為0.19 cm，貝德福德的蘋(píng)果園中試驗(yàn)橫向誤差為0.26 cm。為了彌補(bǔ)果園中GNSS信號(hào)容易缺失這一特點(diǎn)，Changyu?an Zhai等[7]基于識(shí)別噴霧器行進(jìn)的射頻識(shí)別設(shè)備（RFID）設(shè)計(jì)一種噴霧監(jiān)測(cè)和引導(dǎo)系統(tǒng)，在葡萄園試驗(yàn)中，當(dāng)兩個(gè)天線的角度為125°，農(nóng)機(jī)前進(jìn)速度小于1.8 m/s時(shí)，導(dǎo)航精確度最佳。人工噴灑農(nóng)藥時(shí)，農(nóng)藥不慎滲入皮膚可能會(huì)引起農(nóng)藥中毒，為此，韓國(guó)研究者Joong-hee Han等[8]設(shè)計(jì)一種基于單頻GNSS-RTK的路徑生成和跟蹤系統(tǒng)，將該系統(tǒng)集成在果園速度噴霧器上進(jìn)行自主導(dǎo)航噴灑農(nóng)藥，試驗(yàn)表明：路徑跟蹤的最大誤差為0.055 m，均方根（簡(jiǎn)稱RMS）為0.010 m。

1.2 視覺(jué)導(dǎo)航技術(shù)

視覺(jué)導(dǎo)航利用相機(jī)（單雙目、多目或是深度相機(jī)）獲取周圍環(huán)境的圖像信息，采用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)圖像進(jìn)行處理和分析，完成農(nóng)機(jī)位姿確定和路徑識(shí)別，最后做出導(dǎo)航?jīng)Q策。視覺(jué)導(dǎo)航設(shè)備簡(jiǎn)單，成本不高，在弱GNSS環(huán)境下也可以進(jìn)行導(dǎo)航，有效彌補(bǔ)了果園樹(shù)葉遮擋、信號(hào)弱而無(wú)法進(jìn)行導(dǎo)航的情況。但視覺(jué)導(dǎo)航在轉(zhuǎn)彎處無(wú)法識(shí)別全局路徑，相機(jī)識(shí)別路徑范圍有限，導(dǎo)致在轉(zhuǎn)彎處導(dǎo)航精確率會(huì)降低。在國(guó)內(nèi)，LI Y等[9]針對(duì)丘陵山地道路邊界模糊、環(huán)境復(fù)雜，提出一種基于低成本雙目視覺(jué)系統(tǒng)的丘陵山地道路的3D自主導(dǎo)航線提取方法，實(shí)驗(yàn)結(jié)果表明：在直線道路上，道路實(shí)際中線與自動(dòng)行駛軌跡之間的平均偏差為0.031 m，最大偏差為0.133 m；在復(fù)雜的多曲線道路上，平均偏差為0.069 m，最大偏差為0.195 m。棉花鋪膜播種時(shí)農(nóng)機(jī)易受光照強(qiáng)度、噪聲以及劃線深度等因素影響，張雄楚等[10]設(shè)計(jì)了一種抗干擾能力強(qiáng)、適應(yīng)性廣的基于視覺(jué)導(dǎo)航算法。孟慶寬等[11]為了降低農(nóng)機(jī)在作業(yè)時(shí)受自然光照影響，提出了基于粒子群算法的視覺(jué)導(dǎo)航算法，該算法相比于常規(guī)導(dǎo)航線識(shí)別算法具有實(shí)時(shí)性高、魯棒性好等優(yōu)點(diǎn)。針對(duì)新疆地區(qū)駿棗與灰棗棗園樹(shù)行上作業(yè)進(jìn)行采收，張雄楚等[12]提出了一種以樹(shù)冠中心線為導(dǎo)航路徑的視覺(jué)導(dǎo)航路徑檢測(cè)算法，該辦法采用了Hough變換擬合導(dǎo)航路徑，導(dǎo)航準(zhǔn)確率平均值為92%，平均處理速度為0.046 s/幀。棗園路徑檢測(cè)結(jié)果如圖1所示。

圖1 不同工況下灰棗棗園視覺(jué)導(dǎo)航路徑檢測(cè)結(jié)果Fig.1 Results of visual navigation path detection of Jujube Jujube orchard under different working conditions

在國(guó)外，Josiah Radcliffe等[13]將機(jī)器視覺(jué)導(dǎo)航技術(shù)集成在小型無(wú)人地面飛行器上，機(jī)器視覺(jué)系統(tǒng)由多光譜攝像機(jī)組成，實(shí)時(shí)獲取自主導(dǎo)航信息，試驗(yàn)表明：在實(shí)驗(yàn)室理想環(huán)境下自動(dòng)導(dǎo)航的RMS誤差為2.35 cm；在實(shí)際果園桃園復(fù)雜環(huán)境下自主導(dǎo)航的RMS誤差為2.13 cm。Lei Zhang等[14]提出可變視野機(jī)器視覺(jué)方法，使用圖像處理算法檢測(cè)引導(dǎo)線，采用模糊邏輯控制引導(dǎo)機(jī)器人，在玉米田的試驗(yàn)中，自主導(dǎo)航平均誤差為0.01 cm，標(biāo)準(zhǔn)偏差為0.071 cm，最大誤差為0.158 cm。Sabeethan Kanagasing?ham等[15]提出一種基于機(jī)器視覺(jué)的稻田除草機(jī)器人自主導(dǎo)航算法，還將GNSS定位技術(shù)及指南針集成在機(jī)器人上，試驗(yàn)表明：航向補(bǔ)償?shù)臏?zhǔn)確度小于2.5°，在低雜草濃度下自主導(dǎo)航平均橫向偏差為0.459 cm；在高雜草濃度下自主導(dǎo)航平均橫向偏差為0.939 cm，該系統(tǒng)導(dǎo)航精度高，且不會(huì)損壞農(nóng)作物。

1.3 激光雷達(dá)導(dǎo)航技術(shù)

激光雷達(dá)系統(tǒng)是激光技術(shù)與雷達(dá)技術(shù)的綜合體，采用激光作為光源，激光器發(fā)射光脈沖打到障礙物再反射回來(lái)，光速已知，根據(jù)傳播時(shí)間可測(cè)出障礙物距離農(nóng)機(jī)的距離。如圖2所示。激光雷達(dá)抗干擾能力強(qiáng)、掃描速度快、定位精準(zhǔn)，特別適用玉米等易反射光波的農(nóng)作物路徑導(dǎo)航。激光雷達(dá)是高新技術(shù)的環(huán)境感知技術(shù)，但其推廣存在著一定的局限性：一個(gè)是激光雷達(dá)成本較高；另一個(gè)是激光雷達(dá)對(duì)低于農(nóng)機(jī)的障礙物或作物難以識(shí)別。在國(guó)內(nèi)，針對(duì)果園環(huán)境復(fù)雜，農(nóng)機(jī)行走時(shí)易出現(xiàn)偏航問(wèn)題，李秋潔等[16]提出采用二維激光雷達(dá)的行間路徑提取方法，實(shí)驗(yàn)表明車輛在自主導(dǎo)航時(shí)橫向偏差在±14 cm之內(nèi)。激光雷達(dá)技術(shù)可為植保機(jī)器人作物行間導(dǎo)航，劉路等[17]針對(duì)玉米行間田壟路徑導(dǎo)航困難，提出采用16線激光雷達(dá)作為感知單元，實(shí)現(xiàn)玉米行間信息獲取，解析出高遮擋環(huán)境下玉米作物行中心導(dǎo)航線，該辦法導(dǎo)航時(shí)前視距離最大誤差為3.55 cm。激光雷達(dá)導(dǎo)航實(shí)驗(yàn)平臺(tái)如圖2所示。

圖2 激光雷達(dá)導(dǎo)航實(shí)驗(yàn)平臺(tái)Fig.2 Lidar navigation experiment platform

避障是導(dǎo)航的一部分，是實(shí)現(xiàn)自主導(dǎo)航的前提基礎(chǔ)，郭曉波等[18]提出了基于激光雷達(dá)信息的機(jī)器人障礙物檢測(cè)方法。為了提高無(wú)人駕駛農(nóng)機(jī)的自主導(dǎo)航精度，倪江楠[19]采用激光測(cè)距儀獲取道路信息、增量式PID反饋調(diào)節(jié)作為農(nóng)機(jī)控制方法，提出應(yīng)用于農(nóng)機(jī)自主行走的激光掃描路徑規(guī)劃與導(dǎo)航算法，實(shí)現(xiàn)了無(wú)人駕駛收割機(jī)的自主導(dǎo)航。

在國(guó)外，Pawin T等[20]采用激光測(cè)距離器（LRF）和滑動(dòng)鉤桿（SHB）集成一個(gè)控制系統(tǒng)，該系統(tǒng)應(yīng)用于牽引車-拖車自動(dòng)導(dǎo)航，研究表明：在U型路徑轉(zhuǎn)彎試驗(yàn)時(shí)，三次試驗(yàn)RMS分別為0.275 m、0.373 m和0.518 m。荷蘭研究者Pieter M.Blok等[21]基于2D LIDAR掃描儀使用粒子濾波器（PF）和卡爾曼濾波器（KF）在果園中進(jìn)行自主導(dǎo)航，試驗(yàn)表明：當(dāng)機(jī)器人前進(jìn)速度為0.25 m/s時(shí)，PF算法的橫向偏差為0.055 m，KF為0.087 m；前進(jìn)速度為0.5 m/s時(shí)，PF的橫向偏差為0.062 m，KF為0.091 m。法國(guó)研究者Flavio B.P.Malavazi等[22]提出采用Li?DAR采集導(dǎo)航數(shù)據(jù)，分析數(shù)據(jù)，使用基于PEARL的方法繪制點(diǎn)云，根據(jù)法國(guó)Naio Technologies公司所提供數(shù)據(jù)，機(jī)器人在自主導(dǎo)航過(guò)程中，橫向偏差為0.72 cm。

1.4 組合導(dǎo)航技術(shù)

單一的環(huán)境感知技術(shù)逐漸受到各種因素的限制，為了提高精度，降低成本，增強(qiáng)抗干擾能力，目前大多數(shù)研究者將多種環(huán)境感知技術(shù)和多傳感器組合集成在農(nóng)機(jī)上。視覺(jué)導(dǎo)航、衛(wèi)星導(dǎo)航、激光雷達(dá)導(dǎo)航是常用的農(nóng)機(jī)環(huán)境感知技術(shù)，同時(shí)也會(huì)與其他環(huán)境感知技術(shù)相結(jié)合（如慣性導(dǎo)航技術(shù)），以此來(lái)提高導(dǎo)航精度。為降低河蟹養(yǎng)殖戶勞動(dòng)強(qiáng)度和提高導(dǎo)航精度，阮承治等[23]結(jié)合DGPS和視覺(jué)導(dǎo)航的優(yōu)點(diǎn)，設(shè)計(jì)一種用免疫粒子群算法（IP?SO）來(lái)優(yōu)化無(wú)跡卡爾曼濾波（UKF）的組合導(dǎo)航定位方法，并應(yīng)用于水草清理作業(yè)船，導(dǎo)航實(shí)驗(yàn)結(jié)果表明，所提方法相比DGPS導(dǎo)航和組合導(dǎo)航，緯度誤差分別下降22.69%、9.14%，工作時(shí)間分別減少4.77%、4.32%，進(jìn)一步提高了作業(yè)船工作效率。如圖3所示。

圖3 衛(wèi)星與慣導(dǎo)相結(jié)合導(dǎo)航試驗(yàn)平臺(tái)Fig.3 Navigation test platform for the combination of satel?lite and inertial navigation

劉曉光等[24]利用DGPS和慣導(dǎo)元件設(shè)計(jì)了一種基于多傳感器信息融合插秧機(jī)組合導(dǎo)航方法，用卡爾曼濾波方法對(duì)數(shù)據(jù)做平滑處理，該方法能夠?yàn)椴逖頇C(jī)提供可靠的導(dǎo)航信息。吳東明等[25]提出一種基于GPS和機(jī)器視覺(jué)聯(lián)合導(dǎo)航的農(nóng)機(jī)定位系統(tǒng)，采用GPS技術(shù)做全局路徑規(guī)劃，并對(duì)農(nóng)機(jī)位置、航向角進(jìn)行實(shí)時(shí)采集，機(jī)器視覺(jué)技術(shù)將獲取的局部信息圖片進(jìn)行處理，以獲得導(dǎo)航基準(zhǔn)線和作業(yè)目標(biāo)信息，該定位系統(tǒng)還可以進(jìn)行避障功能和遠(yuǎn)程控制，農(nóng)機(jī)進(jìn)行自主導(dǎo)航時(shí)最大誤差不超過(guò)0.1 m，克服了單一定位方式的不足，提高了農(nóng)機(jī)自主導(dǎo)航精度。溫室環(huán)境下，噴霧機(jī)器人在直線導(dǎo)航時(shí)存在偏差，在轉(zhuǎn)彎處又不能及時(shí)獲取道路信息，針對(duì)此問(wèn)題，王鵬等[26]設(shè)計(jì)一種導(dǎo)航線和QR碼組合的視覺(jué)導(dǎo)航算法，該算法在機(jī)器人行使時(shí)導(dǎo)航線和QR碼的最大導(dǎo)航偏差分別為2.0 cm和3.5 cm，該方法能夠?yàn)椴逖頇C(jī)提供可靠的導(dǎo)航信息。為解決實(shí)際農(nóng)田復(fù)雜環(huán)境下，衛(wèi)星信號(hào)差、數(shù)據(jù)傳輸錯(cuò)誤等因素影響導(dǎo)航精度下降的問(wèn)題，劉進(jìn)一等[27]采用全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）、微機(jī)械慣性測(cè)量單元（MIMU）及航位推算（DR）相融合的組合導(dǎo)航定位系統(tǒng)，提出適合環(huán)境的擴(kuò)展卡爾曼濾波算法，實(shí)驗(yàn)表明，在靜止?fàn)顟B(tài)和直線導(dǎo)軌運(yùn)動(dòng)狀態(tài)下，采用自適應(yīng)濾波算法的航向角平均值絕對(duì)偏差分別為0.001 4、0.024 5，標(biāo)準(zhǔn)差分別為0.047 4、0.251 1；位置距離平均偏差分別為0.37 cm、0.76 cm，標(biāo)準(zhǔn)差分別為0.10 cm、0.44 cm。

1.5 其他導(dǎo)航技術(shù)

傳統(tǒng)的果園環(huán)境感知技術(shù)有慣性導(dǎo)航，磁軌導(dǎo)航等。慣性導(dǎo)航元件成本低，但有誤差累積，隨著作業(yè)時(shí)間加長(zhǎng)，測(cè)量精度會(huì)逐漸降低，慣導(dǎo)元器件一般不單獨(dú)使用，而是與其他導(dǎo)航技術(shù)相結(jié)合使用。馬志艷等[28]將攝像頭和慣導(dǎo)元件搭載在微耕機(jī)上，提出一種基于視覺(jué)與慣性融合的組合導(dǎo)航方法，在實(shí)驗(yàn)過(guò)程中，法向偏移的最大誤差不超過(guò)10 cm，航偏角的最大誤差不超過(guò)1.0°，實(shí)現(xiàn)了低成本、高精度定位的導(dǎo)航系統(tǒng)。為了提高輪式自主耕作拖拉機(jī)的導(dǎo)航定位精度及系統(tǒng)抗干擾能力，趙書(shū)尚等[29]將載波相位差分（RTK-DGPS）與慣性導(dǎo)航系統(tǒng)組合搭載在拖拉機(jī)上，還采用了卡爾曼濾波器對(duì)定位數(shù)據(jù)進(jìn)行平滑處理，矯正運(yùn)動(dòng)姿態(tài)，使拖拉機(jī)能夠自主行走，導(dǎo)航精度更是達(dá)到了厘米級(jí)。磁軌導(dǎo)航，把磁性物質(zhì)埋在果園路徑下，農(nóng)機(jī)尋找到磁軌并沿著行走達(dá)到自主導(dǎo)航的目的，但此方法的成本過(guò)高，使其推廣受到限制。

2 自主導(dǎo)航控制決策

農(nóng)機(jī)在作業(yè)過(guò)程中，當(dāng)出現(xiàn)障礙物、轉(zhuǎn)彎度不夠、車輛偏航等突發(fā)狀況時(shí)，導(dǎo)航控制決策系統(tǒng)能夠及時(shí)做出反饋并調(diào)節(jié)車輛行駛狀態(tài)，提高導(dǎo)航精度具有重要作用。近幾年，模糊控制、神經(jīng)網(wǎng)絡(luò)控制、PID控制逐漸成為導(dǎo)航控制決策系統(tǒng)的主要控制方式。

2.1 PID控制

PID控制是一種線性控制，包括比例、積分、微分3個(gè)環(huán)節(jié)，比例作用是針對(duì)系統(tǒng)當(dāng)前誤差進(jìn)行控制，積分作用則針對(duì)系統(tǒng)誤差的歷史，而微分作用則反映了系統(tǒng)誤差的變化趨勢(shì)。傳統(tǒng)的PID控制器的參數(shù)選擇主要依賴反復(fù)試驗(yàn)和經(jīng)驗(yàn)，不能根據(jù)農(nóng)機(jī)的運(yùn)動(dòng)狀態(tài)適應(yīng)地改變參數(shù)，故不少研究者相繼提出模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制、自適應(yīng)模糊PID控制等方法。

為了實(shí)現(xiàn)復(fù)雜環(huán)境下農(nóng)機(jī)路徑跟蹤控制，嚴(yán)友等[30]提出了基于單神經(jīng)元自適應(yīng)PID的路徑跟蹤控制算法，經(jīng)過(guò)反復(fù)的訓(xùn)練和學(xué)習(xí)，試驗(yàn)結(jié)果表明：直線跟蹤，最大偏差小于3.2 cm，平均偏差小于0.92 cm；曲線跟蹤，最大偏差小于4.3 cm，平均偏差小于1.03 cm。為了提高田間作業(yè)時(shí)的轉(zhuǎn)向控制精度，熊中剛等[31]提出一種基于RBF神經(jīng)網(wǎng)絡(luò)增量式PID的控制方法，采用增量式PID增益參數(shù)進(jìn)行自適應(yīng)調(diào)整和辨識(shí)，體現(xiàn)了該方法的優(yōu)越性和良好的適應(yīng)性、魯棒性和實(shí)時(shí)性。Takao Sato等[32]針對(duì)離散時(shí)間一階提出一種PID控制系統(tǒng)設(shè)計(jì)方法，提出的設(shè)計(jì)方法已擴(kuò)展為自適應(yīng)控制，可以很好地控制農(nóng)機(jī)在未知或時(shí)變的復(fù)雜路徑自主導(dǎo)航。

2.2 模糊控制

模糊控制主要是針對(duì)過(guò)于復(fù)雜或難以精確描述的系統(tǒng)使用模糊數(shù)學(xué)理論進(jìn)行控制，具有仿人推理和決策功能。Bonadies等[33]基于農(nóng)業(yè)環(huán)境下對(duì)PID控制和模糊控制的導(dǎo)航效果進(jìn)行試驗(yàn)對(duì)比，試驗(yàn)結(jié)果表明：這兩種控制在農(nóng)機(jī)上的性能是相似的。

為了實(shí)現(xiàn)農(nóng)機(jī)自主導(dǎo)航控制，兼顧系統(tǒng)成本和作業(yè)效率，魏爽等[34]基于洋馬VP6E試驗(yàn)平臺(tái)采用模糊控制進(jìn)行導(dǎo)航?jīng)Q策，如圖4所示。由PLC控制器控制方向盤(pán)轉(zhuǎn)動(dòng)，試驗(yàn)結(jié)果表明：農(nóng)機(jī)行駛速度為0.8 m/s、1.0 m/s、1.2 m/s的情況下，導(dǎo)航平均誤差為2.87 cm、3.34 cm、4.16 cm。唐小濤等[35]提出一種利用模糊控制調(diào)整純追蹤模型前視距離的路徑跟蹤方法，目的是為了提高農(nóng)機(jī)的穩(wěn)定性，試驗(yàn)表明：車身速度為0.3 m/s時(shí)，最大反向誤差為-0.038 cm，車身速度為1 m/s時(shí)，最大反向誤差為-0.075 cm，誤差穩(wěn)定時(shí)間只需9.5 s，該方法有效改善了路徑跟蹤控制的穩(wěn)定性。

圖4 洋馬VP6E試驗(yàn)平臺(tái)Fig.4 Yanmar VP6E test platform

2.3 神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)網(wǎng)絡(luò)控制是指采用神經(jīng)網(wǎng)絡(luò)對(duì)難以精確描述的、復(fù)雜的、非線性的對(duì)象進(jìn)行建模、優(yōu)化計(jì)算、推理等，其具有極強(qiáng)的學(xué)習(xí)能力，互連神經(jīng)元的連接強(qiáng)度可用于存儲(chǔ)獲取的信息。

Eski等[36]對(duì)農(nóng)機(jī)的控制結(jié)構(gòu)性能進(jìn)行試驗(yàn)，控制結(jié)構(gòu)分別采用PID控制和神經(jīng)網(wǎng)絡(luò)PID控制，無(wú)論是以瞬態(tài)響應(yīng)還是穩(wěn)態(tài)響應(yīng)的方式試驗(yàn)，這兩種結(jié)構(gòu)的控制性能都取得較好的控制效果。為了減少農(nóng)機(jī)在作業(yè)過(guò)程的運(yùn)動(dòng)誤差，提高工作效率，袁鑄等[37]在軌跡優(yōu)化算法中引入BP神經(jīng)網(wǎng)絡(luò)與計(jì)算力矩法結(jié)合的自動(dòng)控制器，仿真試驗(yàn)表明位置平均誤差縮小為0.085 m，使得運(yùn)動(dòng)軌跡比較圓潤(rùn)，運(yùn)行效率明顯提高，且該系統(tǒng)對(duì)外部環(huán)境的不確定因素具有較強(qiáng)的學(xué)習(xí)能力。王亮等[38]針對(duì)多機(jī)協(xié)同導(dǎo)航路徑識(shí)別精度低、定位困難等問(wèn)題，提出建立YO?LO-ZED神經(jīng)網(wǎng)絡(luò)識(shí)別模型，運(yùn)用雙目定位原理計(jì)算拖拉機(jī)相對(duì)本機(jī)的空間位置坐標(biāo)，試驗(yàn)表明：在相機(jī)景深方向和寬度方向定位拖拉機(jī)的最大絕對(duì)誤差分別為0.720 m和0.090 m，最大相對(duì)誤差分別為7.48%和8.00%，標(biāo)準(zhǔn)差均小于0.030 m。

3 幾種導(dǎo)航方式性能對(duì)比

根據(jù)上述分析可見(jiàn)，幾種常見(jiàn)的導(dǎo)航技術(shù)各有其優(yōu)缺點(diǎn)，下面以表格方法作對(duì)比分析。

PID控制、模糊控制及神經(jīng)網(wǎng)絡(luò)控制是目前較流行的導(dǎo)航控制決策，表1所示為3種導(dǎo)航控制決策方式的性能對(duì)比，3種控制結(jié)構(gòu)都不依賴精確的數(shù)學(xué)模型，PID控制魯棒性較好，穩(wěn)態(tài)誤差小，但是其3個(gè)參數(shù)的調(diào)整是依賴以往經(jīng)驗(yàn)和反復(fù)試驗(yàn)得到的，這讓PID控制在復(fù)雜和高性能系統(tǒng)中的應(yīng)用得到了限制。模糊控制是一種線性控制器，出現(xiàn)系統(tǒng)誤差時(shí)能較快調(diào)節(jié)且能夠保持一定時(shí)間的穩(wěn)定性，但是模糊控制規(guī)則是依賴專家的經(jīng)驗(yàn)和知識(shí)，而且零位附近跟蹤誤差一般較大，難以快速修正。神經(jīng)網(wǎng)絡(luò)控制和人腦相似，具有自主學(xué)習(xí)能力和存儲(chǔ)功能，且非線性擬合能力強(qiáng)，但是其必須得先經(jīng)過(guò)訓(xùn)練才能工作，訓(xùn)練所需樣本數(shù)量大，輸出具有不穩(wěn)定性。

表1 3種導(dǎo)航控制決策方式的性能對(duì)比Tab.1 Performance comparison of three navigation control decision-making methods

依據(jù)相關(guān)文獻(xiàn)，3種常用環(huán)境感知技術(shù)的對(duì)比如表2所示。由表可知，環(huán)境感知技術(shù)集成在農(nóng)機(jī)上，農(nóng)機(jī)自主導(dǎo)航最大橫向偏差可達(dá)到厘米級(jí)。同一研究單位西北農(nóng)林科技大學(xué)激光雷達(dá)導(dǎo)航技術(shù)和衛(wèi)星導(dǎo)航技術(shù)研究表明，衛(wèi)星導(dǎo)航的精度優(yōu)勝激光雷達(dá)技術(shù)。視覺(jué)導(dǎo)航成本低，其在地頭轉(zhuǎn)彎處由于相機(jī)識(shí)別范圍有限導(dǎo)致轉(zhuǎn)彎時(shí)可能會(huì)偏航；激光雷達(dá)導(dǎo)航抗干擾能力強(qiáng)，但是成本較高且對(duì)低于農(nóng)機(jī)的障礙物或作物難以識(shí)別；衛(wèi)星導(dǎo)航定位精度高，但衛(wèi)星信號(hào)在果園環(huán)境中容易缺失。各種環(huán)境感知技術(shù)相結(jié)合，揚(yáng)長(zhǎng)避短，對(duì)比華南農(nóng)業(yè)大學(xué)、西北農(nóng)林科技大學(xué)、西南大學(xué)工程技術(shù)學(xué)院三所研究單位直線行駛平均偏差，視覺(jué)導(dǎo)航和衛(wèi)星導(dǎo)航組合環(huán)境感知技術(shù)導(dǎo)航的精度比衛(wèi)星導(dǎo)航技術(shù)精度更佳。

表2 3種常用環(huán)境感知技術(shù)性能對(duì)比Tab.2 Comparison of the performance of three commonly used environmental perception technologies

閱讀相關(guān)文獻(xiàn)得到表3相關(guān)試驗(yàn)數(shù)據(jù)，將PID控制集成在農(nóng)機(jī)上，自主導(dǎo)航的航向偏差小于1 m；在車速為0.3 m/s時(shí)，前視距離固定為1.2 m的純追蹤模型系統(tǒng)在前進(jìn)7.4 m之后跟蹤誤差趨于穩(wěn)定，使用模糊自適應(yīng)調(diào)整只需前進(jìn)4.3 m跟蹤誤差趨于穩(wěn)定。中國(guó)農(nóng)大研究王亮團(tuán)隊(duì)將深度相機(jī)與神經(jīng)網(wǎng)絡(luò)控制相結(jié)合，經(jīng)反復(fù)網(wǎng)絡(luò)訓(xùn)練后，景深和寬度方向最大絕對(duì)誤差分別為0.720 m、0.090 m。

表3 3種常用導(dǎo)航控制決策性能對(duì)比Tab.3 Comparison of three commonly used navigation control decision-making performance

4 結(jié)束語(yǔ)

中國(guó)水果種植面積大，隨著社會(huì)老齡化加劇，果園勞動(dòng)力逐漸下降，急需發(fā)展果園機(jī)械化、智能化。自主導(dǎo)航技術(shù)是果園機(jī)械化的基礎(chǔ)，目前果園種植不規(guī)整，作物行距、間距大小不一，丘陵山地占據(jù)我國(guó)大多數(shù)的果園種植面積，丘陵山地路形復(fù)雜，高低不平，坡度較大。針對(duì)以上問(wèn)題，提出以下幾點(diǎn)展望。

（1）果園規(guī)整化治理

我國(guó)南方丘陵山地果園大多都是零散種植，土地不規(guī)整，種植制度不統(tǒng)一，機(jī)器人自主導(dǎo)航技術(shù)應(yīng)用受限。因此，規(guī)范果園種植體系，統(tǒng)一種植間距，規(guī)劃不同品種區(qū)，建設(shè)適合農(nóng)機(jī)機(jī)械化作業(yè)果園種植模式，有利于有效推廣果園機(jī)械化作業(yè)。

（2）優(yōu)化農(nóng)業(yè)機(jī)器人行走控制算法

農(nóng)業(yè)機(jī)器人在直線作業(yè)環(huán)境下容易自主行走且不易偏航。農(nóng)作物一般是按行種植，從當(dāng)前行作業(yè)至下一行需在行盡頭進(jìn)行地頭轉(zhuǎn)彎，此時(shí)需考慮機(jī)器人的轉(zhuǎn)彎半徑及轉(zhuǎn)彎角度等因素對(duì)自主作業(yè)的影響。加上農(nóng)業(yè)機(jī)器人在轉(zhuǎn)彎時(shí)容易失衡，轉(zhuǎn)彎角度過(guò)大或過(guò)小時(shí)容易損壞農(nóng)作物。因此，需結(jié)合PID控制及模糊控制等多種控制技術(shù)，優(yōu)化農(nóng)業(yè)機(jī)器人自主導(dǎo)航控制算法，精準(zhǔn)控制其地頭轉(zhuǎn)彎處的自主導(dǎo)航坐標(biāo)。

（3）多機(jī)協(xié)同導(dǎo)航

隨著果園機(jī)械化技術(shù)的發(fā)展，高精度導(dǎo)航技術(shù)越來(lái)越顯得重要。在未來(lái)的果園中，水果的采摘、運(yùn)輸、噴農(nóng)藥等作業(yè)將離不開(kāi)導(dǎo)航技術(shù)。綜合考慮多種作業(yè)單元的需求，目前單一功能的機(jī)器人恐將不能滿足作業(yè)需求。例如，在采摘水果的同時(shí)需要運(yùn)輸機(jī)把水果運(yùn)輸?shù)街付ǖ攸c(diǎn)或者多臺(tái)機(jī)器人同時(shí)采摘運(yùn)輸水果，即多機(jī)協(xié)同作業(yè)。在這種情況下，多機(jī)協(xié)同導(dǎo)航技術(shù)將發(fā)揮基于網(wǎng)絡(luò)集中控制的作業(yè)優(yōu)勢(shì)，多機(jī)器人協(xié)同導(dǎo)航技術(shù)集成也將成為農(nóng)業(yè)機(jī)器人技術(shù)發(fā)展的一個(gè)重要方向。