趙潤茂，卞賢炳，陳建能，董春旺，武傳宇，賈江鳴，毛明，熊永森

分布控制的乘坐式仿形采茶原型機研制與試驗

趙潤茂1,2，卞賢炳1，陳建能1,2*，董春旺3，武傳宇1,2，賈江鳴1,2，毛明1，熊永森4

1.浙江理工大學機械與自動控制學院，浙江 杭州 310018；2.浙江省種植裝備技術(shù)重點實驗室，浙江 杭州 310018；3.中國農(nóng)業(yè)科學院茶葉研究所，浙江 杭州 310008；4.浙江省農(nóng)作物收獲裝備技術(shù)重點實驗室，浙江 金華 321000

為提高茶鮮葉采摘機械的自動化水平以及采摘完整率，降低采茶機系統(tǒng)開發(fā)成本，縮短開發(fā)周期，本研究提出了機采茶蓬面割刀自動仿形方法和分布式快速控制原型機低成本開發(fā)方法，研制了仿形采茶樣機，并開展室內(nèi)和田間試驗。仿形采茶機采用超聲波傳感器，感知往復式割刀與茶樹蓬面間的距離信息，通過絲桿實現(xiàn)仿形傳動；利用Hampel濾波和低通濾波算法對距離信息在線預處理，剔除葉間空缺和割刀振動對茶蓬面真實高度估計的影響。為避免PD控制中數(shù)字差分對信號噪聲的放大，設計了基于非線性跟蹤微分器的仿形控制律PNTD?；贑AN總線網(wǎng)絡和代碼生成技術(shù)，實現(xiàn)多執(zhí)行單元的分布式快速控制原型機并開展試驗，室內(nèi)多次階躍測試結(jié)果表明，系統(tǒng)響應最大峰值時間為0.14?s，最大超調(diào)量為3.6%；田間試驗結(jié)果表明，割刀覆蓋區(qū)嫩梢平均采收率92.01%，芽葉完整率82.6%，雜質(zhì)率6.4%，一芽三葉及以下嫩梢占87.91%。研制的分布式控制仿形采茶原型機作業(yè)有效，所采茶鮮葉滿足大宗茶機采技術(shù)標準和后續(xù)加工工藝要求。

采茶機；仿形；分布式控制；快速控制原型；非線性跟蹤微分器

茶是21世紀公認的健康植物飲料之一，中國茶產(chǎn)業(yè)的發(fā)展促進了世界茶葉產(chǎn)量的增長[1]。鮮葉采摘是茶葉生產(chǎn)過程的重要環(huán)節(jié)，而采摘作業(yè)窗口期短與用工緊張的矛盾已經(jīng)成為制約茶產(chǎn)業(yè)發(fā)展的瓶頸問題[2-3]，因此，開展機械自動化采茶技術(shù)與裝備研究，實現(xiàn)“機器換人”，是解決這一問題的根本途徑，也有利于節(jié)本增效。我國從1955年開始進行機械化采茶研究[4]，市場上先后出現(xiàn)了主要以切割式、折斷式、拉斷式等3種采摘原理的小型采茶機。受制于釆茶機械與自動化技術(shù)較難融合、農(nóng)機與茶葉種植農(nóng)藝不配套等諸多因素，自走式或乘坐式茶葉仿形收獲機械鮮有報道。針對附加值較高的名優(yōu)茶鮮葉選擇性采摘，前人根據(jù)研究結(jié)果[5-7]提出了基于視覺與圖像技術(shù)的嫩芽識別與定位算法，進而驅(qū)動機械手實現(xiàn)嫩芽精準采摘，嫩芽識別準確率分別為92%、93.1%和85%，此類依賴于視覺定位的采茶機械研發(fā)周期長，對環(huán)境條件要求高，推廣應用難度大。針對大宗茶采摘，國內(nèi)以往復式割刀為執(zhí)行器的手持式采茶機應用較多，主要有單人式和雙人式，但因受制于機具重量，而作業(yè)強度高、效率低[8]。日本研發(fā)了乘用型采茶機[9-10]，以進一步提高機采茶自動化程度，降低作業(yè)強度，但其通過將割刀設定至某一高度后直接行進的方式采收鮮葉，無法實現(xiàn)對采摘蓬面的自適應仿形，收獲的芽葉破碎率高，且易導致茶樹損傷；閆晶晶[11]設計了一款手扶式仿形采茶機，采用接觸式傳感器測量蓬面高度變化并通過Bang-Bang控制刀具仿形收獲，選用的接觸式傳感器易造成茶樹損傷，且測量結(jié)果易受接觸力變化影響，數(shù)據(jù)變異大，又因Bang-Bang控制易超調(diào)，茶葉收獲質(zhì)量難以保障，同時，由于茶園地面多不平整、人行困難，手持采收勞動強度較大。

控制系統(tǒng)是實現(xiàn)采茶機自動化作業(yè)的核心。嵌入式系統(tǒng)以功耗低、體積小、集成度高等優(yōu)點[12]在農(nóng)產(chǎn)品自動收獲領域被廣泛應用，但當涉及復雜的控制器設計時，因代碼遷移性和可讀性不強，參數(shù)調(diào)節(jié)、信號獲取不易在線執(zhí)行并可視化交互，導致算法驗證過程繁瑣，給控制策略和算法研究帶來了不便?？焖倏刂圃图夹g(shù)（Rapid control prototype，RCP）借助模塊化設計，以虛擬控制器控制實際對象，能快速開展硬件測試和半實物仿真，具有研發(fā)周期短、成本損耗少、可靠性高等特點[13-14]，在控制系統(tǒng)開發(fā)過程中得到廣泛應用，如德國dSPACE和瑞士Speedgoat等RCP產(chǎn)品。劉歡歡[15]通過MATLAB/Simulink建立了履帶式機器人圖形化速度控制與轉(zhuǎn)向控制模型，搭建了基于dSPACE的履帶式機器人運動控制平臺，通過在線仿真與參數(shù)調(diào)整實現(xiàn)了對移動機器人的有效控制；陶岳[16]采用Speedgoat開發(fā)柔順操作機械臂的控制系統(tǒng)，通過MATLAB/Simulink設計并實現(xiàn)了機械臂的狀態(tài)反饋控制。商業(yè)化RCP產(chǎn)品雖具有強大、穩(wěn)定算力，但硬件體積大、成本高，不適于部署分布式算法，也難以被應用于需多執(zhí)行單元組網(wǎng)控制的仿形采茶研究。

針對目前大宗茶鮮葉的仿形收獲裝備自動化水平較低、收獲破損率高且難以滿足后續(xù)茶葉標準化加工要求等現(xiàn)狀，本研究提出了一種機采茶蓬面超聲波測距及割刀仿形控制方法；同時為加速系統(tǒng)研制過程，提出了基于CAN總線網(wǎng)絡的分布式低成本快速控制原型機開發(fā)方法；搭建采茶機樣機，在室內(nèi)測試了執(zhí)行割刀動態(tài)響應，在田間驗證了茶鮮葉采收率、芽葉完整率、雜質(zhì)率等農(nóng)藝參數(shù)，證實了分布式仿形采茶RCP系統(tǒng)作業(yè)有效性，為助推機采茶產(chǎn)業(yè)提質(zhì)增效提供了一種新裝備及其快速實現(xiàn)方法。

1 材料與方法

1.1 仿形采茶機結(jié)構(gòu)與工作原理

仿形采茶機主要包括移動平臺和左、中、右3組仿形采茶單元等部件（圖1-A），我國茶園大多屬于密植茶園，有些地區(qū)位于丘陵地帶，茶園中各隴茶樹間地勢起伏[17]。為適應丘陵地區(qū)的茶園管理、土壤和地形特點，研制的采茶機以高地隙兩驅(qū)移動平臺為配套動力，底盤高度和車輪間距可調(diào)，具有較強的爬坡能力和田間行駛能力；左、中、右3個拆卸方便的仿形采茶單元搭載于高地隙的移動平臺上，且左右2個仿形采茶單元與中仿形采茶單元前后錯開布置。

各仿形采茶單元結(jié)構(gòu)如圖1-B所示，主要包括對稱布置的直流電機、聯(lián)軸器、滾珠絲桿、直線導軌和絲桿螺母滑塊，擺臂一端與兩側(cè)螺母滑塊鉸接，另一端與采茶執(zhí)行器殼體鉸接。采茶執(zhí)行器采用D300便攜往復式電動采茶機（江誠盛海牌，200?W），所使用的特殊柵板結(jié)構(gòu)較好地保證了被采收鮮葉和原茶樹的完整性[18]。在采茶執(zhí)行器的內(nèi)壁對稱安裝一對超聲波傳感器用于實時獲取割刀面至蓬面的距離信息，超聲波傳感器的感知范圍為扇形區(qū)域，可降低因茶樹蓬面間隙造成的偶然性測距誤差，提高測量精度，具有響應時間短、檢測精度高、抗環(huán)境干擾能力強等特點[19]。

如圖2-A所示，超聲波傳感器布置在離采茶執(zhí)行器割刀面適當距離1處，當采茶機橫跨于茶隴上方作業(yè)時，各仿形采茶單元上安裝的超聲波傳感器實時獲取其與被檢測茶葉嫩梢的距離值2，此時，耕深為(1-2)。如圖2-B所示，以單個仿形采茶單元的單側(cè)仿形為例，采茶執(zhí)行器內(nèi)壁的兩枚超聲波傳感器所檢測到的離底部茶葉嫩梢的距離值分別為3和4，仿形執(zhí)行機構(gòu)工作時，設計目標耕深為，設計控制死區(qū)為±Δ,即當各傳感器的實時反饋值3和4超出(1-)±Δ區(qū)間時，控制系統(tǒng)控制仿形執(zhí)行機構(gòu)兩側(cè)的直流電機正轉(zhuǎn)或反轉(zhuǎn)，實現(xiàn)末端采茶執(zhí)行器的仿形調(diào)整；反之，當各傳感器的實時反饋值3和4處于(1-)±Δ區(qū)間內(nèi)時，控制系統(tǒng)發(fā)出電機鎖停指令，仿形執(zhí)行機構(gòu)完成仿形。

1.2 仿形采茶機電控系統(tǒng)

1.2.1 分布式架構(gòu)設計

分布式系統(tǒng)具有處理數(shù)據(jù)的分布性和獨立性、執(zhí)行任務的并行性與全局性。CAN總線技術(shù)具有成本低、結(jié)構(gòu)簡單、可靠性高和實時性強等優(yōu)點，目前，該技術(shù)已廣泛應用于農(nóng)業(yè)機械的整機通信網(wǎng)絡領域[20-22]。針對采茶機作業(yè)的實際需求，解決各電控單元之間信息傳輸和處理問題，保證各仿形采茶單元能完成預期的檢測、執(zhí)行和反饋任務，實現(xiàn)多源信息的實時處理。整機的電控系統(tǒng)采用了基于CAN總線的分布式控制系統(tǒng)。

系統(tǒng)模型主要由主控制器節(jié)點和多個功能節(jié)點組成，如圖3所示。主控制器負責在線處理各超聲波傳感器檢測的距離信息并根據(jù)末端采茶執(zhí)行器的當前位置做出相應的控制決策。功能節(jié)點包括根據(jù)實際采茶需求所布置的合適數(shù)量的仿形控制單元，接收來自MCU的控制決策信息的控制幀，實現(xiàn)對仿形執(zhí)行機構(gòu)的運動控制。某一仿形控制單元功能節(jié)點所接收的控制幀通訊格式：第1—8字節(jié)，依次對應傳感器標識符、傳感器1十位數(shù)、傳感器1個位數(shù)、傳感器2十位數(shù)、傳感器2個位數(shù)、未定義、未定義、數(shù)據(jù)校驗位。

注：A：乘坐式仿形采茶機實物；B：仿形采茶單元結(jié)構(gòu)圖。1-左仿形采茶單元，2-中仿形采茶單元，3-駕駛位，4-右仿形采茶單元，5-移動平臺，6-超聲波傳感器，7-滾珠絲杠，8-擺臂，9-絲桿螺母滑塊，10-直流電機，11-機架，12-聯(lián)軸器，13-采茶執(zhí)行器，14-直線導軌

注：A：超聲波傳感器測距；B：仿形采茶單元單側(cè)仿形

圖4是本系統(tǒng)各仿形控制單元功能節(jié)點結(jié)構(gòu)示意圖，每個功能節(jié)點包括CAN總線接口、雙路電源接口、單元控制開關接口和電機驅(qū)動接口。各節(jié)點與CAN總線連接，在滿足節(jié)點信息接收條件時讀取控制幀并及時反饋包含狀態(tài)數(shù)據(jù)的應答幀。

1.2.2 系統(tǒng)硬件組成

圖5是采茶機電控系統(tǒng)硬件組成示意圖，其中，主控制器設計采用一塊Arduino Due開發(fā)板（32位ARM Cortex-M3），具有54路數(shù)字輸入/輸出接口（其中12路可作為PWM輸出）、12路模擬輸入接口和2個CAN接口。MCU通過Standard Type-B USB與計算機通信，實現(xiàn)快速仿真。針對本研究設計需求布置3路仿形控制單元功能節(jié)點，分別對應左、中、右3組仿形采茶單元，MCU通過其6路模擬輸入接口實時獲取3組仿形采茶單元共6枚超聲波傳感器（羅舸公司，UB300-18GM45-U-V15，檢測范圍30～300?mm，模擬量電壓輸出范圍0～3.3?V）所測量的距離信息，并以其內(nèi)置的2個CAN接口作為系統(tǒng)的CAN總線接口。

各仿形控制單元功能節(jié)點采用低成本的Arduino UNO開發(fā)板（搭載AVR ATmega328P芯片）實現(xiàn)，該開發(fā)板具有14路數(shù)字輸入/輸出接口（其中6路可作為PWM輸出）和6路模擬輸入接口，采用MCP2515芯片連接至開發(fā)板其中一路SPI接口，實現(xiàn)CAN總線物理擴展。直流電機驅(qū)動器選用大功率的雙路電機驅(qū)動模塊，單片驅(qū)動器可實現(xiàn)對兩臺直流電機（上邁科技，555行星減速電機，額定電壓24?V）的同時驅(qū)動。本研究采用3組仿形控制單元連接于CAN總線上實現(xiàn)分布式控制，并在首末兩個功能節(jié)點上各接有1個120?Ω電阻來匹配總線電阻，提高整體通信的抗干擾性和可靠性。

圖3 基于CAN總線的分布式控制系統(tǒng)架構(gòu)

圖4 CAN功能節(jié)點示意圖

1.3 仿形采茶機傳感控制算法及快速原型開發(fā)

1.3.1 超聲波仿形信號預處理

本研究初始獲得的超聲波傳感器信號包含電控設備內(nèi)部各元器件產(chǎn)生的熱噪聲、刀具往復運動產(chǎn)生的高頻噪聲和葉片間空隙處的測距異常值所產(chǎn)生的異常值噪聲，因此需對傳感器仿形信號實施預處理。

首先采用Hampel濾波對葉片間空隙處的測距異常值實施檢測并剔除，選擇樣本窗口長度+1為7，異常檢測閾值（標準差倍數(shù)）σ為3。Hampel濾波算法根據(jù)當前所采集的數(shù)據(jù)樣本信息，將x設置為當前樣本的中心，計算由樣本x及其周圍偶數(shù)個（兩側(cè)各/2個）樣本組成的窗口中值m，并利用中位數(shù)絕對值估計了各樣本對中值的標準差σ。若某個樣本的中值m與標準差σ滿足式（1），則用中值m替換該樣本x。

|x－m|＞n×σ……………………（1）

低通濾波根據(jù)當前時刻超聲波傳感器的采樣值與前一時刻濾波輸出值進行加權(quán)，得到有效濾波值，實現(xiàn)傳感器輸出信號的反饋，使低頻信號正常通過，超過預設臨界值的、由刀具高頻振動所產(chǎn)生的高頻信號及電路噪聲則被阻隔、減弱，如式（2）表達：

()=()＋(1－)(－1)………（2）

式中為濾波系數(shù)；()為當前采樣值；()為當前濾波輸出值；(－1)為前一時刻濾波輸出值。

當采茶機在茶園作業(yè)時，各超聲波傳感器的數(shù)據(jù)會受到環(huán)境和振動等因素影響而產(chǎn)生波動，采用Hampel濾波和低通濾波算法對傳感器數(shù)據(jù)進行實時濾波，實現(xiàn)了在設備行進過程中數(shù)據(jù)的在線更新，保證MCU對各仿形控制單元控制決策的準確實施。

1.3.2 PNTD控制器設計

仿形采茶機的被控對象為驅(qū)動各采茶執(zhí)行器實現(xiàn)對茶樹蓬面仿形的6臺直流電機，各功能節(jié)點從CAN總線上獲取對應2路傳感器的偏差信息，經(jīng)控制器處理得到控制量完成PWM脈寬調(diào)制，實現(xiàn)對各電機的運動控制。在傳統(tǒng)PD控制器的數(shù)字差分環(huán)節(jié)中，雖然控制器的輸出與輸入誤差信號的變化呈正比關系，微分對抑制誤差的產(chǎn)生具有“超前預測”作用，但只要信號中存在噪聲，其快速作用的趨向性會增加系統(tǒng)的擾動[23]，在作業(yè)環(huán)境復雜、不可控因素較多情況下難以滿足系統(tǒng)對控制精度、響應速度和抗干擾能力的要求。

非線性跟蹤微分器（Nonlinear tracking differentiator，NTD），主要用于解決在測量不連續(xù)或帶隨機噪聲的信號中合理提取連續(xù)信號及微分信號的問題。其中一種廣泛應用于運動控制系統(tǒng)中的微分器構(gòu)造如下[24]：

由以上可得，對非線性跟蹤微分器輸入一個信號()，它將給出兩個輸出1()和2()，其中1()始終跟蹤輸入信號()的變化，當1()快速跟蹤()時，2()可作為()的微分來實現(xiàn)其對速度的跟蹤。當輸入信號()帶有噪聲時，該非線性跟蹤微分器還能同時起到濾波作用。

式中和0均為可調(diào)參數(shù)，為“跟蹤因子”，決定跟蹤速度，越大，系統(tǒng)的跟蹤速度越快；0為“濾波因子”，對信號中的噪聲起濾波作用。

圖6 非線性跟蹤微分器測試模型

圖7 整定參數(shù)的NTD輸出特性曲線

圖8 PNTD控制器模型

1.3.3 快速控制原型開發(fā)技術(shù)

本研究采用快速控制原型技術(shù)（RCP）實現(xiàn)仿形采茶機傳感控制算法開發(fā)、代碼生成與下載。Arduino通過Simulink Support Package for Arduino Hardware組件實現(xiàn)了與MATLAB Simulink的無縫銜接，采用模塊化、圖形化方式進行編程，在整機傳感控制算法和被控直流電機之間快速地搭建實時環(huán)境，進行硬件在環(huán)仿真與在線調(diào)參，實現(xiàn)從算法策略到硬件快速驗證的基于模型設計的開發(fā)流程。

如圖9所示，先分別在Simulink環(huán)境下搭建利用Hampel濾波算法和低通濾波算法實現(xiàn)6路超聲波傳感器數(shù)字信號并行處理的數(shù)據(jù)處理模塊和基于PNTD控制器的運動控制模塊；將2臺直流電機作為被控對象進行各仿形單元逐一硬件在環(huán)仿真，并對數(shù)據(jù)處理模塊中的相關濾波參數(shù)、運動控制模塊中PNTD控制器的相關控制參數(shù)在線調(diào)參；利用Simulink代碼生成技術(shù)生成主控制器嵌入式代碼并下載至Arduino Due開發(fā)板，生成3個功能節(jié)點嵌入式代碼并下載至各Arduino UNO開發(fā)板；最后進行目標機的CAN組網(wǎng)從而建立仿形采茶機快速控制原型。

2 結(jié)果與分析

為驗證開發(fā)的算法及分布式控制原型系統(tǒng)的有效性，在浙江省種植裝備技術(shù)重點實驗室分別進行了超聲波傳感器濾波精度測試，以及控制系統(tǒng)響應測試；在杭州市農(nóng)業(yè)科學研究院茶葉研究所試驗田進行了整機搭載的田間試驗。主控制器主要是根據(jù)各超聲波傳感器數(shù)據(jù)來實施對各功能節(jié)點運動決策的發(fā)送，因此傳感信號的濾波效果直接影響末端執(zhí)行件仿形的準確性。自動控制系統(tǒng)響應測試主要驗證算法理論設計與程序設計的可行性和準確性，田間試驗的目的是驗證搭載分布式PNTD控制系統(tǒng)的仿形采茶原型機作業(yè)效果是否滿足采茶機作業(yè)質(zhì)量標準和大宗茶制作要求。

圖9 快速控制原型系統(tǒng)代碼生成流程圖

2.1 超聲波傳感器濾波精度測試

濾波精度測試設備為安裝有單套仿形采茶單元的移動試驗臺，如圖10-A所示，控制器采用Arduino UNO開發(fā)板，通過Standard Type-B USB與計算機信通，利用Simulink模塊同時進行信號處理和運動控制的在線仿真，試驗選取盆栽龍井43茶樹為被測試驗對象。測試開始前將移動試驗臺橫跨于被測植株上方，根據(jù)1.1章節(jié)所述的仿形原理，設定此次試驗的目標距離值=1+50，其中傳感器安裝在末端至割刀平面距離1為175?mm處。調(diào)節(jié)末端采茶執(zhí)行器的姿態(tài)，使其固定保持在割刀面高于茶樹蓬面50?mm左右處，開啟刀片運動，設定系統(tǒng)的采樣頻率為100?Hz，采樣時間60?s。數(shù)字信號處理子系統(tǒng)按照圖10-B所示的算法流程實現(xiàn)兩側(cè)超聲波傳感器輸出信息的在線同步采集，每枚超聲波傳感器各選取前600個數(shù)據(jù)分別繪制濾波前后的輸出信號曲線，如圖11所示。

在圖11中，兩超聲波傳感器的輸出曲線均在設計允許的偏差范圍(225±5)mm內(nèi)波動，并由圖11可知，傳感器的原始輸出曲線存在較大幅度的擾動和噪聲，經(jīng)數(shù)字濾波后的輸出曲線很好地剔除了異常值和高頻噪聲，且能較快跟蹤原始數(shù)據(jù)。采用的超聲波傳感器濾波精度可滿足設備田間作業(yè)的要求。

2.2 PNTD控制系統(tǒng)響應測試

通過快速控制原型技術(shù)，利用MATLAB Simulink進行PNTD控制系統(tǒng)的響應測試。首先試湊整定其比例系數(shù)p為25，微分系數(shù)d為20。如圖12-A所示，選用2.1章節(jié)所采用的移動試驗臺以及一套在螺母滑塊上安裝有泡沫平板的電機絲杠滑臺，在電機驅(qū)動下，通過平板沿豎直方向做間歇性往復運動來制造干擾信號。將移動試驗臺布置在絲杠滑臺上方適當位置，給定系統(tǒng)目標距離值為200?mm，根據(jù)實際收集茶葉長度的允許誤差范圍，設定偏差信號的控制死區(qū)上下限均為3?mm，同步開啟各試驗臺進行測試，并選取一枚超聲波傳感器多個響應階段的反饋量繪制響應曲線（圖12-B）。其中，響應效果最差階段的系統(tǒng)峰值時間為0.14?s，超調(diào)量為3.6%，穩(wěn)態(tài)誤差均在系統(tǒng)可接受范圍內(nèi)（預設控制死區(qū)上下限內(nèi)）。試驗結(jié)果表明PNTD控制系統(tǒng)各階段的響應效果較好，所采用的算法與程序設計均可滿足設備田間作業(yè)的要求。

注：A為傳感器濾波精度測試現(xiàn)場；B為數(shù)據(jù)采集流程。1-超聲波傳感器1，2-電池，3-計算機，4-Arduino UNO，5-超聲波傳感器2，6-割刀

注：A：超聲波傳感器1濾波效果對比；B：超聲波傳感器2濾波效果對比

注：A：PNTD控制系統(tǒng)測試現(xiàn)場；B：響應曲線。1-可調(diào)電源，2-泡沫平板，3-仿形試驗臺，4-電機絲桿滑臺

2.3 田間試驗

為了驗證搭載分布式PNTD控制系統(tǒng)的仿形采茶原型機作業(yè)效果，因此燒錄主控制器和各功能節(jié)點的嵌入式代碼，開展了整機搭載的田間試驗，圖13-A為試驗現(xiàn)場，采收對象為經(jīng)蓬面養(yǎng)護和肥培管理，處于適采期的龍井43機采綠茶，茶樹蓬面平整，發(fā)芽整齊，茶蓬高度為70～80?cm，蓬面寬度約為120?cm。試驗前根據(jù)文獻[26]所采用的方法進行葉密度測定，如圖13-B所示。用自制的長寬分別為50?cm和40?cm的矩形框測定被采摘茶樹冠面嫩梢的平均生長區(qū)域面積約為2?095?mm2。推行試驗臺沿茶樹隴長方向行進10?m，期間平均移動速度0.36?km·h-1，共收集鮮葉約4.05?kg，采收效率約為145.8?kg·h-1。整個采收過程仿形采茶機運行正常，作業(yè)后采摘面整齊，高度一致，切口平整。

利用對角線四分法對采收的全部鮮葉縮分[27]，最后得到500?g樣本進行統(tǒng)計，平均芽葉完整率為82.6%，老樁老梗等雜質(zhì)率為6.4%；如圖14所示，根據(jù)機械化采茶技術(shù)標準統(tǒng)計其中的完整嫩梢芽葉，結(jié)果如表1所示，完整嫩梢總數(shù)為488枚，一芽三葉及以下嫩梢占87.91%，由式（7）計算得到各仿形采茶單元對末端采茶執(zhí)行器割刀覆蓋蓬面上完整嫩梢的采收率為92.01%。

經(jīng)田間試驗驗證，該仿形采茶原型機仿形效果良好，分布式控制系統(tǒng)數(shù)據(jù)傳輸準確可靠，機采效果符合采茶機作業(yè)質(zhì)量標準和大宗綠茶的制作要求。

3 結(jié)論

為提高大宗茶鮮嫩葉采收的自動化程度，助力茶產(chǎn)業(yè)節(jié)本增效綠色發(fā)展，提出并研制了一種基于超聲波傳感器的機采茶蓬面割刀仿形方法與樣機，提高了鮮葉采收的完整率和可用率。首先，設計了數(shù)字濾波算法對傳感信號實施預處理，濾除葉片間隙和割刀振動對仿形高度估計的影響，提出了一種基于非線性跟蹤微分器的PNTD控制律，有效避免了PD控制中數(shù)字差分對信號噪聲的放大，室內(nèi)多次階躍試驗結(jié)果表明，該系統(tǒng)最大峰值時間為0.14?s，最大超調(diào)量為3.6%；在此基礎上，構(gòu)建了基于CAN總線的仿形單元分布式控制結(jié)構(gòu)，實現(xiàn)了該分布式控制結(jié)構(gòu)的低成本RCP系統(tǒng)；最后，開展了整機田間試驗，試驗結(jié)果表明，研制的分布式控制仿形采茶原型機工作性能良好，割刀覆蓋蓬面上嫩梢的平均采收率92.01%，平均芽葉完整率82.6%，平均雜質(zhì)率6.4%，一芽三葉及以下嫩梢占87.91%。采摘質(zhì)量能滿足機械化采茶技術(shù)標準和大宗綠茶制作工藝要求。

注：A：仿形采茶原型機試驗現(xiàn)場；B：葉密度測定。

注：A：一芽二葉；B：一芽三葉；C：一芽四葉及以上

表1 芽葉數(shù)量統(tǒng)計

[1] 劉仲華, 陳宗懋, 楊亞軍, 等.創(chuàng)新驅(qū)動中國茶產(chǎn)業(yè)高質(zhì)量發(fā)展——從茶學基礎研究到支撐產(chǎn)業(yè)發(fā)展[J].中國茶葉, 2021, 43(2): 1-9.

Liu Z H, Chen Z M, Yang Y J, et al.Innovation drives high-quality development of Chinese tea industry: from basic research of tea science to supporting industrial development [J].China Tea, 2021, 43(2): 1-9.

[2] 劉仲華.中國茶葉深加工產(chǎn)業(yè)發(fā)展歷程與趨勢[J].茶葉科學, 2019, 39(2): 115-122.

Liu Z H.The development process and trend of Chinese tea comprehensive processing industry [J].Journal of Tea Science, 2019, 39(2): 115-122.

[3] 湯一平, 韓旺明, 胡安國, 等.基于機器視覺的乘用式智能采茶機設計與試驗[J].農(nóng)業(yè)機械學報, 2016, 47(7):15-20.

Tang Y P, Hang W M, Hu A G, et al.Design and experiment of intelligentized tea-plucking machine for human riding based on machine vision [J].Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(7): 15-20.

[4] 權(quán)啟愛.采茶機械的研制和我國采茶機械化事業(yè)的發(fā)展[J].中國茶葉, 2018, 40(8): 14-17.

Quan Q A.Research and development of tea picking machinery and the development of mechanization of tea picking in China [J].China Tea, 2018, 40(8): 14-17.

[5] 吳雪梅, 張富貴, 呂敬堂.基于圖像顏色信息的茶葉嫩葉識別方法研究[J].茶葉科學, 2013, 33(6): 584-589.

Wu X M, Zhang F G, Lv J T.Research on recognition of tea tender leaf based on image color information [J].Journal of Tea Science, 2013, 33(6): 584-589.

[6] Li Y T, He L Y, Jia J M, et al.In-field tea shoot detection and 3D localization using an RGB-D camera [J].Computers and Electronics in Agriculture, 2021, 185: 106149.doi: org/10.1016/j.compag.2021.106149.

[7] Chen J, Chen Y, Jin X J, et al.Research on a parallel robot for tea flushes plucking [J].Advances in Economics, Business and Management Research, 2015.doi: 10.2991/emim-15.2015.5.

[8] 易文裕, 程方平, 邱云橋, 等.單人采茶機研究現(xiàn)狀與發(fā)展趨勢[J].中國農(nóng)機化學報, 2020, 41(11): 33-38.

Yi W Y, Cheng F P, Qiu Y Q, et al.Research status and development trend of single tea-picking machine [J].Journal of Chinese Agricultural Mechanization, 2020, 41(11): 33-38.

[9] 韓余, 肖宏儒, 秦廣明, 等.國內(nèi)外采茶機械發(fā)展狀況研究[J].中國農(nóng)機化學報, 2014, 35(2): 20-24.

Han Y, Xiao H R, Qin G M, et al.Studies on develop situations of tea-leaf picker both at home and abroad [J].Journal of Chinese Agricultural Mechanization, 2014, 35(2): 20-24.

[10] Shirai K.Traveling type tea leaf plucking machine: JP2006166710(A) [P].2006-06-29.

[11] 閆晶晶.仿形采茶機的優(yōu)化設計及與茶園管理的協(xié)調(diào)性研究[D].合肥: 安徽農(nóng)業(yè)大學, 2019.

Yan J J.Optimization design of profiling tea picking machine and research on coordination with tea plantation management [D].Hefei: Anhui Agricultural University, 2019.

[12] 王福剛, 楊文君, 葛良全.嵌入式系統(tǒng)的發(fā)展與展望[J].計算機測量與控制, 2014, 22(12): 3843-3847,3863.

Wang F G, Yang W J, Ge L Q.Development and prospects of embedded system [J].Computer Measurement & Control, 2014, 22(12): 3843-3847,3863.

[13] 方正, 張淇淳, 齊玉成.基于DSP的快速控制原型系統(tǒng)[J].東北大學學報(自然科學版), 2009, 30(8): 1069-1073.

Fang Z, Zhang Q C, Qi Y C.A rapid control prototyping system based on DSP [J].Journal of Northeastern University (Natural Science), 2009, 30(8): 1069-1073.

[14] 夏振興, 代偉, 趙大勇, 等.桌面機械臂快速控制原型系統(tǒng)設計與開發(fā)[J].控制工程, 2021, 28(1): 84-92.

Xia Z X, Dai W, Zhao D Y, et al.Design and development of rapid control prototype system oriented towards desktop robot arm [J].Control Engineering of China, 2021, 28(1): 84-92.

[15] 劉歡歡.基于dSPACE的履帶式機器人運動控制系統(tǒng)設計[D].濟南: 濟南大學,2019.

Liu H H.Design of crawler robot motion control system based on dSPACE [D].Jinan: University of Jinan, 2019.

[16] 陶岳.柔順操作機械臂設計與控制關鍵技術(shù)研究[D].西安: 陜西科技大學, 2019.

Tao Y.Research on the design of compliant manipulator and key technologies of control [D].Xi'an: Shaanxi University of Science and Technology, 2019.

[17] 吳先坤, 李兵, 王小勇, 等.單人背負式采茶機的設計分析[J].農(nóng)機化研究, 2017, 39(8): 92-96, 101．

Wu X K, Li B, Wang X Y, et al.Design and analysis of single knapsack tea plucking machine [J].Journal of Agricultural Mechanization Research, 2017, 39(8): 92-96, 101.

[18] 陳緯.一種便攜式采茶機: CN212728090U[P].2021-03-19.

Chen W.The utility model relates to a portable tea picking machine: CN212728090U [P].2021-03-19.

[19] 高可可, 孫江宏, 高鋒, 等.固定式割膠機器人割膠誤差分析與精度控制[J].農(nóng)業(yè)工程學報, 2021, 37(2): 44-50.

Gao K K, Sun J H, Gao F, et al.Tapping error analysis and precision control of fixed tapping robot [J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(2): 44-50.

[20] 高原源, 王秀, 楊碩, 等.基于CAN總線的播種深度監(jiān)測評價系統(tǒng)研究[J].農(nóng)業(yè)機械學報, 2019, 50(12): 23-32.

Gao Y Y, Wang X, Yang S, et al.Development of CAN-based sowing depth monitoring and evaluation system [J].Transactions of the Chinese Society for Agricultural Machinery, 2019, 50(12): 23-32.

[21] 安曉飛, 孟志軍, 武廣偉, 等.基于CAN總線的谷物產(chǎn)量快速計量系統(tǒng)研發(fā)（英文）[J].農(nóng)業(yè)工程學報, 2015, 31(s2): 262-266.

An X F, Meng Z J, Wu G W, et al.Development of grain yield monitoring system based on CAN bus technology [J].Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(s2): 262-266.

[22] 胡煉, 羅錫文, 張智剛, 等.基于CAN總線的分布式插秧機導航控制系統(tǒng)設計[J].農(nóng)業(yè)工程學報, 2009, 25(12): 88-92.

Hu L, Luo X W, Zhang Z G, et al.Design of distributed navigation control system for rice transplanters based on controller area network [J].Transactions of the Chinese Society of Agricultural Engineering, 2009, 25(12): 88-92.

[23] 謝云德, 龍志強.高精度快速非線性離散跟蹤微分器[J].控制理論與應用, 2009, 26(2):127-132.

Xie Y D, Long Z Q.A high-speed nonliner discrete tracking-differentiator with high precision [J].Control Theory & Applications, 2009, 26(2): 127-132.

[24] 韓京清.自抗擾控制技術(shù)[J].前沿科學, 2007(1): 24-31.

Han J Q.Auto Disturbances rejection control technique [J].Frontier Science, 2007(1): 24-31.

[25] 杜超.感應電機驅(qū)動系統(tǒng)的自抗擾控制[D].西安: 西安理工大學, 2020.

Du C.Active disturbance rejection control for an induction motor drive system [D].Xi'an: Xi'an University of Technology, 2020.

[26] Zhu Y P, Wu C Y, Tong J H, et al.Deviation tolerance performance evaluation and experiment of picking end effector for famous tea [J].Agriculture, 2021, 11(2): 128-128.

[27] 中華人民共和國農(nóng)業(yè)部.采茶機作業(yè)質(zhì)量: NY/T 2614—2014 [S].北京: 中國農(nóng)業(yè)出版社, 2015.

Ministry of Agriculture of the People's Republic of China.Operating quality for tea picking machines: NY/T 2614-2014 [S].Beijing: China Agricultural Press, 2015.

[28] 李修華, 顏森, 高娜娜, 等.基于超聲波傳感器的小麥追肥精準評估系統(tǒng)研究[J].農(nóng)業(yè)機械學報, 2020, 51(s1): 203-209.

Li X H, Yan S, Gao N N, et al.Accurate evaluation system for wheat topdressing based on ultrasonic sensor [J].Transactions of the Chinese Society of Agricultural Engineering, 2020, 51(s1): 203-209.

[29] 付根平, 楊塵宇, 張世昂, 等.香蕉園機器人導航的激光與超聲波組合測距方法研究[J].農(nóng)業(yè)機械學報, 2021, 52(5): 159-168.

Fu G P, Yang C Y, Zhang S A, et al.Research on laser and ultrasonic combined ranging method for robot navigation at banana plantation [J].Transactions of the Chinese Society of Agricultural Engineering, 2021, 52(5): 159-168.

[30] 姜增如.控制系統(tǒng)建模與仿真—基于MATLAB/Simulink的分析與實現(xiàn)[M].北京: 清華大學出版社, 2020.

Jiang Z R.Control ssystem modeling and simulation: analysis and implementation based on MATLAB/Simulink [M].Beijing: Tsinghua University Press, 2020.

Development and Test for Distributed Control Prototype of the Riding Profiling Tea Harvester

ZHAO Runmao1,2, BIAN Xianbing1, CHEN Jianneng1,2*, DONG Chunwang3,WU Chuanyu1,2, JIA Jiangming1,2, MAO Ming1, XIONG Yongsen4

1.Faculty of Mechanical Engineering & Automation, Zhejiang Sci-Tech University, Hangzhou 310018, China; 2.Key Laboratory of Zhejiang Transplanting Equipment Technology, Hangzhou 310018, China; 3.Tea Research Institute, Chinese Academy of Agricultural Sciences, Hangzhou 310008, China; 4.Key Laboratory of Crop Harvesting Equipment Technology of Zhejiang Province, Jinhua 321000, China

To better realize the mechanized picking of ordinary fresh tea leaves, reduce the system development cost, and improve the automation level and picking integrity rate, a profiling method of machine-made tea canopy surface cutter and a development method of low-cost and rapid control prototype machine with distributed control were both put forward in this study.Additionally, the profiling tea harvester prototype was developed and the indoor and field tests were launched.The profiling tea harvesteruses ultrasonic sensor to sense the distance information from the reciprocating cutter to the tea canopy and realizes profiling transmission through screw rods.Then, Hampel filter and Low-pass filter algorithms are used to preprocess the distance information on-line to eliminate the influence of inter leaf vacancy and cutter vibration on the real height estimation of tea canopy surface.Meanwhile, a proportional nonlinear tracking differentiator (PNTD) control system based on nonlinear tracking differentiator was established in order to avoid the amplification of signal noise by digital difference in conventional PD control and improve the accuracy of profiling of each tea picking unit.Based on CAN bus network and code generation technology, the distributed fast control prototype with multiple execution units was realized and tested.The indoor step test results show that the maximum peak time of this control system was 0.14?s and the maximum overshoot was 3.6%.Finally, to verify the effectiveness of the distributed control profiling tea picking prototype, profiling picking experiments were conducted in the tea garden.The average picking rate of young shoots on the canopy covered by cutter was 92.01%，the integrity rate of buds and leaves was 82.6%, the impurity rate was 6.4%, and the young shoots with at least one bud and three leaves accounted for 87.91%.All the results demonstrate that the proposed methods had good performance and could be used for picking ordinary tea.

tea harvester, profiling, distributed, rapid control prototyping, nonlinear tracking differentiator

S571.1

A

1000-369X(2022)02-263-14

2021-09-01

2021-10-14

國家自然科學基金（51975537、52105284）、浙江理工大學科研啟動基金（20022307-Y）、財政部和農(nóng)業(yè)農(nóng)村部：國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系資助、浙江省領雁計劃項目（2022C02052）

趙潤茂，男，講師，主要從事農(nóng)場環(huán)境融合感知與農(nóng)業(yè)機器人研究。*通信作者：jiannengchen@zstu.edu.cn

（責任編輯：趙鋒）