徐廣飛，陳美舟，金誠謙，苗河泉，逄煥曉，刁培松

(1. 山東理工大學(xué)農(nóng)業(yè)工程與食品科學(xué)學(xué)院，山東淄博，255000； 2. 聊城市農(nóng)業(yè)科學(xué)院，山東聊城，252000；3. 農(nóng)業(yè)農(nóng)村部南京農(nóng)業(yè)機(jī)械化研究所，南京市，210014)

0 引言

智能化拖拉機(jī)是實(shí)施精準(zhǔn)作業(yè)、發(fā)展現(xiàn)代農(nóng)業(yè)的重要支撐手段，智能化農(nóng)機(jī)裝備技術(shù)的應(yīng)用對我國農(nóng)業(yè)結(jié)構(gòu)調(diào)整、技術(shù)升級、新興產(chǎn)業(yè)培育具有重大意義?！吨袊圃?025》明確，“在農(nóng)機(jī)裝備領(lǐng)域，加快發(fā)展大型拖拉機(jī)及其復(fù)式作業(yè)機(jī)具、大型高效聯(lián)合收割機(jī)等高端農(nóng)業(yè)裝備及關(guān)鍵核心零部件。提高農(nóng)機(jī)裝備信息收集、智能決策和精準(zhǔn)作業(yè)能力，推進(jìn)形成面向農(nóng)業(yè)生產(chǎn)的信息化整體解決方案”。因此，自動(dòng)駕駛拖拉機(jī)在近幾年越來越成為研究熱點(diǎn)。目前，拖拉機(jī)作業(yè)已經(jīng)可以實(shí)現(xiàn)基于導(dǎo)航的直線、曲線、地頭轉(zhuǎn)彎行駛控制以及基于激光雷達(dá)的避障控制[1]，對于自動(dòng)駕駛拖拉機(jī)而言，一些關(guān)鍵技術(shù)成為自動(dòng)駕駛程度的重要體現(xiàn)。自動(dòng)駕駛領(lǐng)域應(yīng)用的主要關(guān)鍵技術(shù)包括轉(zhuǎn)向控制、制動(dòng)控制以及決策等。通過關(guān)鍵技術(shù)的討論研究，總結(jié)我國自動(dòng)駕駛技術(shù)的發(fā)展現(xiàn)狀，發(fā)現(xiàn)我國自動(dòng)駕駛拖拉機(jī)存在的問題，促進(jìn)我國自動(dòng)駕駛拖拉機(jī)的進(jìn)一步發(fā)展，對于提高我國大型農(nóng)機(jī)裝備的智能化水平具有重要意義。

1 自動(dòng)駕駛拖拉機(jī)研究現(xiàn)狀

1.1 自動(dòng)駕駛拖拉機(jī)國內(nèi)研究現(xiàn)狀

目前，國內(nèi)的自動(dòng)駕駛拖拉機(jī)產(chǎn)品眾多。東方紅LX904自動(dòng)駕駛拖拉機(jī)基于“衛(wèi)導(dǎo)+慣導(dǎo)+激光雷達(dá)(微波雷達(dá))+相機(jī)”的高精度、多源組合導(dǎo)航技術(shù)，能夠?qū)崿F(xiàn)2.5 cm以內(nèi)的精準(zhǔn)作業(yè)，完成從播種、中耕到收獲的全過程自動(dòng)作業(yè)；“超級拖拉機(jī)1號”是國內(nèi)首款無駕駛室的純電動(dòng)拖拉機(jī)，于2018年10月23日在洛陽下線，該產(chǎn)品包括無人駕駛系統(tǒng)、動(dòng)力電池系統(tǒng)、智能控制系統(tǒng)、中置電機(jī)及驅(qū)動(dòng)系統(tǒng)、智能網(wǎng)聯(lián)系統(tǒng)等，能夠?qū)崿F(xiàn)對機(jī)具控制、PTO線控(電控執(zhí)行機(jī)構(gòu))、提升/耕深控制、定速巡航、無人駕駛、路徑規(guī)劃、整車狀態(tài)監(jiān)控等；東方紅LF1104-C無人駕駛拖拉機(jī)的無人駕駛系統(tǒng)由差分基準(zhǔn)站、遠(yuǎn)程遙控干預(yù)系統(tǒng)、車載農(nóng)機(jī)無人駕駛系統(tǒng)、農(nóng)機(jī)監(jiān)測和信息管理系統(tǒng)4部分組成，具備在規(guī)定區(qū)域內(nèi)的自動(dòng)路徑規(guī)劃及導(dǎo)航、自動(dòng)換向、自動(dòng)剎車、遠(yuǎn)程啟動(dòng)、遠(yuǎn)程熄火、自動(dòng)后動(dòng)力輸出、發(fā)動(dòng)機(jī)轉(zhuǎn)速的自動(dòng)控制、農(nóng)具的自動(dòng)控制、障礙物的主動(dòng)避讓和遠(yuǎn)程控制等功能。

雷沃歐豹系列無人駕駛導(dǎo)航拖拉機(jī)配套旋耕機(jī)雙機(jī)實(shí)現(xiàn)了無人駕駛協(xié)同旋耕作業(yè)，集全球衛(wèi)星定位、GPS自動(dòng)導(dǎo)航、電控液壓自動(dòng)轉(zhuǎn)向、作業(yè)機(jī)具自動(dòng)升降、油門開度自動(dòng)調(diào)節(jié)和緊急遙控熄火等多項(xiàng)自動(dòng)化功能為一體，實(shí)現(xiàn)了拖拉機(jī)自動(dòng)控制精密播種、施肥、起壟等作業(yè)。阿波斯無人駕駛高地隙植保機(jī)能夠?qū)崿F(xiàn)作業(yè)路徑規(guī)劃、自動(dòng)田間轉(zhuǎn)向、自動(dòng)對接行、車輛姿態(tài)控制，保證直線導(dǎo)航跟蹤精度小于1.25 cm，自動(dòng)對行精度小于2.5 cm，轉(zhuǎn)向輪偏角控制精度小于1°。

近幾年，自動(dòng)駕駛技術(shù)與高精度定位技術(shù)結(jié)合，基于各類導(dǎo)航的高精度自動(dòng)駕駛技術(shù)得到不斷研究和發(fā)展。黑龍江八一農(nóng)墾大學(xué)基于GPS/GIS進(jìn)行了直線導(dǎo)航控制器設(shè)計(jì)，具有良好的控制效果。華南農(nóng)業(yè)大學(xué)在東方紅X-804拖拉機(jī)上開發(fā)了基于RTK-DGPS的自動(dòng)導(dǎo)航控制系統(tǒng)，基于PID算法的導(dǎo)航控制器具有較好的控制精度，之后提出了雙閉環(huán)轉(zhuǎn)向控制方法，將拖拉機(jī)直線跟蹤平均誤差從0.03 m降低到0.019 m[2-3]。隨著我國北斗衛(wèi)星導(dǎo)航技術(shù)的應(yīng)用，江蘇大學(xué)進(jìn)行了基于北斗衛(wèi)星導(dǎo)航的拖拉機(jī)路徑跟蹤控制研究，獲得了較好的直線跟蹤精度[4]。

為了解決單一導(dǎo)航信號不穩(wěn)定以及精度低的問題，組合導(dǎo)航技術(shù)的研究逐漸進(jìn)入自動(dòng)駕駛技術(shù)研究的視野。中國農(nóng)業(yè)大學(xué)基于自適應(yīng)卡爾曼濾波方法對慣性導(dǎo)航系統(tǒng)(INS)和全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)航向信息進(jìn)行融合，有效解決了農(nóng)機(jī)自動(dòng)導(dǎo)航系統(tǒng)在田間作業(yè)過程中因防風(fēng)樹林等對衛(wèi)星信號的遮擋與干擾，大大提高了導(dǎo)航精度[5]；之后基于速度自適應(yīng)進(jìn)行了自動(dòng)導(dǎo)航控制研究，進(jìn)一步提高了控制精度[6-7]。江蘇大學(xué)通過將GPS/INS組合導(dǎo)航技術(shù)與線控轉(zhuǎn)向技術(shù)相結(jié)合實(shí)現(xiàn)了農(nóng)用車輛的路徑跟蹤自動(dòng)駕駛[8]。

西北農(nóng)林科技大學(xué)采用激光導(dǎo)航方式以激光掃描儀為檢測設(shè)備對果樹位置信息實(shí)時(shí)采集，采用最小二乘法規(guī)劃拖拉機(jī)導(dǎo)航路徑，實(shí)現(xiàn)了拖拉機(jī)在果園環(huán)境下的直線行走控制[9]。首都師范大學(xué)論述了基于激光測距傳感器的自動(dòng)導(dǎo)航拖拉機(jī)行進(jìn)前方障礙物檢測與識別方法，能夠有效識別障礙物特征信息，在此基礎(chǔ)上，基于機(jī)器視覺的自動(dòng)駕駛技術(shù)得到了研究。中國農(nóng)業(yè)大學(xué)提出了基于機(jī)器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導(dǎo)航系統(tǒng)路徑識別方法并進(jìn)行了控制研究，通過圖像處理技術(shù)對作業(yè)路徑及作業(yè)行進(jìn)行快速檢測，輔助拖拉機(jī)完成自動(dòng)路徑跟蹤作業(yè)[10]。為進(jìn)一步提高識別精度和速度，又進(jìn)行了基于雙目視覺的田間導(dǎo)航路徑識別方法研究，設(shè)計(jì)了路徑跟蹤控制策略以實(shí)現(xiàn)多種類型的路徑跟蹤[11]。

自動(dòng)駕駛技術(shù)以不同形式應(yīng)用在無人駕駛拖拉機(jī)上，一定程度上推動(dòng)了智能化農(nóng)機(jī)裝備的發(fā)展。但是國內(nèi)自動(dòng)駕駛拖拉機(jī)仍存在控制精度低、控制技術(shù)單一、傳感器可靠性差、傳感器融合率低等問題。同時(shí)，人工智能、大數(shù)據(jù)、5G通訊等高端技術(shù)以及先進(jìn)控制算法等應(yīng)用較少，導(dǎo)致我國拖拉機(jī)的自動(dòng)駕駛智能化程度偏低。

1.2 自動(dòng)駕駛拖拉機(jī)國外研究現(xiàn)狀

國外進(jìn)行自動(dòng)駕駛拖拉機(jī)研究的國家有俄羅斯、美國、日本等。俄羅斯的無人駕駛拖拉機(jī)AgroBot，控制中心通過拖拉機(jī)配備的計(jì)算機(jī)信息傳輸，可同時(shí)監(jiān)視幾十臺設(shè)備的運(yùn)行。美國某公司推出了無人駕駛拖拉機(jī)Spirit，無駕駛室，能完成直行、轉(zhuǎn)彎、避障、作業(yè)等動(dòng)作，被譽(yù)為“履帶上的變電站”。美國某公司推出電動(dòng)無人駕駛拖拉機(jī)GridCON，全自主運(yùn)行，依靠拖曳電纜來驅(qū)動(dòng)，具備導(dǎo)航系統(tǒng)、轉(zhuǎn)彎系統(tǒng)和避障系統(tǒng)等功能，其原型是約翰迪爾6210R拖拉機(jī)。此外，配備的智能導(dǎo)航系統(tǒng)可以避免拖拉機(jī)越過或者是撞上障礙物。

美國某公司生產(chǎn)出全球第一輛自動(dòng)駕駛果園噴霧機(jī)，通過筆記本電腦和蜂窩網(wǎng)絡(luò)可以實(shí)現(xiàn)8臺自動(dòng)駕駛噴霧機(jī)的同時(shí)操控；高精度定位技術(shù)可以有效地節(jié)約肥料、農(nóng)藥，保障工作人員的安全，節(jié)省大量的人力，適用于柑橘、核桃等開闊果園。日本推出自動(dòng)駕駛電動(dòng)拖拉機(jī)X tractor通過鋰離子電池組和太陽能電池板的組合完全供電，4個(gè)Mattracks形狀的“爬行器”替代了車輪，可以在各種地形中實(shí)現(xiàn)最佳牽引力。各“爬行器”各由獨(dú)立集成電動(dòng)機(jī)控制，可以以不同的速度獨(dú)立地旋轉(zhuǎn)，從而獲得非常緊湊的轉(zhuǎn)彎半徑。通過GPS、車載傳感器(如攝像頭)的配合和基于人工智能的制導(dǎo)系統(tǒng)應(yīng)用，實(shí)現(xiàn)在常規(guī)田地和稻田中的自動(dòng)行駛；AI系統(tǒng)可監(jiān)控天氣和農(nóng)作物生長率。

美國NH驅(qū)動(dòng)概念拖拉機(jī)使用了自動(dòng)駕駛的軟硬件設(shè)施。內(nèi)置軟件通過對拖拉機(jī)形狀、體積以及拖拉機(jī)負(fù)載機(jī)具尺寸的評估，計(jì)算出最優(yōu)效率的運(yùn)行路徑；激光雷達(dá)或者攝像頭檢測障礙物后，系統(tǒng)會通知工作人員，并尋求該如何處理這些障礙物；系統(tǒng)在大屏幕上顯示了路徑運(yùn)行軌跡及4個(gè)攝像頭采集的實(shí)時(shí)畫面，發(fā)動(dòng)機(jī)功率以及燃油水平等數(shù)據(jù)也能實(shí)時(shí)顯示；駕駛員可通過播種間距、播種速度等作業(yè)參數(shù)的設(shè)置與監(jiān)測，實(shí)現(xiàn)自動(dòng)播種。

田間作業(yè)環(huán)境復(fù)雜，單純依靠導(dǎo)航技術(shù)尚不能滿足所有作業(yè)情況，拖拉機(jī)需要具有自主“辨識”能力。早在1995年明尼蘇達(dá)大學(xué)介紹了一種基于多處理器、多任務(wù)體系結(jié)構(gòu)的地面車輛嵌入式實(shí)時(shí)控制系統(tǒng)，通過視覺系統(tǒng)自動(dòng)跟蹤道路，借助距離傳感器執(zhí)行障礙檢測和避碰，并設(shè)計(jì)了視覺感知、路徑跟蹤、障礙物檢測和避碰的算法[12]。丹麥皇家獸醫(yī)和農(nóng)業(yè)大學(xué)開發(fā)了一種能夠遵循預(yù)定路線計(jì)劃的自動(dòng)駕駛拖拉機(jī)，通過改裝方向盤、油門和自動(dòng)轉(zhuǎn)向系統(tǒng)控制的連續(xù)可變傳動(dòng)執(zhí)行器，以一種確定的方式遵循預(yù)定義的指令，對未知的障礙和情況做出及時(shí)反應(yīng)[13]。比利時(shí)魯汶大學(xué)為了實(shí)現(xiàn)自動(dòng)牽引—掛車系統(tǒng)軌跡跟蹤的自動(dòng)化，提高其轉(zhuǎn)向精度，提出了一種非線性模型預(yù)測控制方法，控制精度和效率較高[14]。日本筑波大學(xué)提出了一種利用激光測距儀(LRF)完成各種現(xiàn)場作業(yè)(如產(chǎn)品裝卸)的牽引—掛車停止控制方案，這種基于激光的路標(biāo)導(dǎo)航系統(tǒng)，以及SHB單元，可以進(jìn)行自動(dòng)牽引—拖車系統(tǒng)的應(yīng)用[15]。

國外自動(dòng)駕駛技術(shù)研究較早，多傳感器融合技術(shù)的應(yīng)用能夠有效地獲取環(huán)境信息以及拖拉機(jī)自身狀態(tài)信息，人工智能、通訊、高效控制、圖像識別等技術(shù)有效解決了更多更復(fù)雜的田間作業(yè)難題。但國外自動(dòng)駕駛拖拉機(jī)更加適用于控制難度較低的大型農(nóng)場及牧場，目前尚不適合我國的小地塊及復(fù)雜地形的應(yīng)用。

2 自動(dòng)駕駛轉(zhuǎn)向控制技術(shù)研究現(xiàn)狀

導(dǎo)航以及視覺傳感器采集的信息能夠?yàn)樽詣?dòng)駕駛提供位置參考，但自動(dòng)駕駛需要通過轉(zhuǎn)向系統(tǒng)的控制實(shí)現(xiàn)路徑跟蹤，因此，基于液壓的轉(zhuǎn)向系統(tǒng)控制方法得到廣泛深入的研究，主要針對電磁比例換向、電液耦合轉(zhuǎn)向助力以及電液耦合轉(zhuǎn)向自動(dòng)駕駛控制等。

電磁比例換向既能根據(jù)輸入信號的極性對液流方向進(jìn)行控制，又能根據(jù)輸入信號的大小控制流量大小，最終實(shí)現(xiàn)對轉(zhuǎn)向的控制。圖1為常用的電磁比例換向閥組。基于電磁比例換向控制，中國農(nóng)業(yè)大學(xué)為滿足鋤草機(jī)器人執(zhí)行機(jī)構(gòu)運(yùn)動(dòng)需求，對除草機(jī)器人配套動(dòng)力——東方紅804拖拉機(jī)進(jìn)行了電液伺服運(yùn)動(dòng)控制研究，有效提高了拖拉機(jī)的轉(zhuǎn)向精度[16]。國立首爾大學(xué)考慮現(xiàn)有的液壓閥重疊或死區(qū)，提出了一種電液比例閥和電子控制單元結(jié)合的電液轉(zhuǎn)向控制系統(tǒng)[17-18]。山東大學(xué)針對傳統(tǒng)的全液壓轉(zhuǎn)向系統(tǒng)在轉(zhuǎn)向過程中易發(fā)生轉(zhuǎn)向沉重、失靈等狀況，提出一種拖拉機(jī)線控液壓轉(zhuǎn)向系統(tǒng)，然而，由于全液壓自動(dòng)轉(zhuǎn)向系統(tǒng)是基于電磁比例換向閥進(jìn)行控制，通用性差，改裝成本過高，控制精度并不理想[19-22]。

各類新型電液耦合的自動(dòng)駕駛轉(zhuǎn)向系統(tǒng)得到了研究。江蘇大學(xué)進(jìn)行了大客車新型電控液壓轉(zhuǎn)向系統(tǒng)的研究，將新型電液比例閥內(nèi)置于傳統(tǒng)動(dòng)力轉(zhuǎn)向器，通過隨速調(diào)節(jié)比例閥開度實(shí)現(xiàn)可變助力，有效提高了大客車高速行駛時(shí)的操縱安全性，降低了轉(zhuǎn)向系統(tǒng)在不轉(zhuǎn)向時(shí)的無效能耗[23]。山東理工大學(xué)設(shè)計(jì)了一套電液耦合轉(zhuǎn)向試驗(yàn)臺(圖2)，能夠較好地實(shí)現(xiàn)拖拉機(jī)自動(dòng)駕駛轉(zhuǎn)向模擬[24]。湖南大學(xué)、清華大學(xué)和吉林大學(xué)先后設(shè)計(jì)了電液耦合助力轉(zhuǎn)向控制策略，對電液耦合轉(zhuǎn)向系統(tǒng)控制進(jìn)行了初步研究，主要應(yīng)用于大中型商用車或者工程車[25-28]。

圖1 電磁比例換向閥

圖2 電液耦合轉(zhuǎn)向試驗(yàn)臺

南京航空航天大學(xué)提出了一種集電動(dòng)助力和電動(dòng)液壓助力轉(zhuǎn)向功能于一體的電液復(fù)合轉(zhuǎn)向系統(tǒng)，該轉(zhuǎn)向系統(tǒng)具有復(fù)雜的機(jī)電液耦合關(guān)系，通過選擇主要耦合參數(shù)作為設(shè)計(jì)變量，以轉(zhuǎn)向能耗、轉(zhuǎn)向路感和方向盤回差為優(yōu)化目標(biāo)設(shè)計(jì)了電液耦合轉(zhuǎn)向改進(jìn)的競爭多目標(biāo)粒子群優(yōu)化算法，轉(zhuǎn)向經(jīng)濟(jì)性更優(yōu)越，轉(zhuǎn)向路感更好，方向盤回差更小[29]。為了獲得更好的電液轉(zhuǎn)向系統(tǒng)的信號響應(yīng)，索非亞技術(shù)大學(xué)提出了一種最優(yōu)調(diào)諧比例積分微分(PID)系統(tǒng)，通過計(jì)算開關(guān)閥的驅(qū)動(dòng)信號來實(shí)現(xiàn)轉(zhuǎn)向軌跡跟蹤[30]。為了考察電液耦合轉(zhuǎn)向油缸驅(qū)動(dòng)轉(zhuǎn)矩與輪胎樞軸轉(zhuǎn)向阻力轉(zhuǎn)矩的匹配度，集美大學(xué)建立了模塊化的慣性軸承的穩(wěn)態(tài)運(yùn)動(dòng)—機(jī)械耦合模型，提出了連桿力和轉(zhuǎn)向液壓的計(jì)算方法[31-32]。

綜上所述，自動(dòng)駕駛拖拉機(jī)轉(zhuǎn)向控制研究主要經(jīng)歷了電磁比例換向控制、電液耦合轉(zhuǎn)向助力控制以及電液耦合轉(zhuǎn)向自動(dòng)駕駛控制等方面。電控液壓系統(tǒng)和電液耦合系統(tǒng)為主要的控制結(jié)構(gòu)，兩者均涉及機(jī)械、電氣、液壓三系統(tǒng)的相互作用，在電機(jī)、液壓管路、液壓閥、動(dòng)力缸等與機(jī)械轉(zhuǎn)向結(jié)構(gòu)間存在耦合關(guān)系，因此協(xié)同控制比較困難，尤其是轉(zhuǎn)向過程中還會受到車速、液壓油液溫度、液壓供油壓力、土壤不平、震動(dòng)、機(jī)械連接間隙等因素的影響，導(dǎo)致控制存在很大的不確定性以及干擾，因此，需要建立較為合理精確的模型并設(shè)計(jì)更為有效的控制器來實(shí)現(xiàn)有效控制。

在自動(dòng)駕駛實(shí)現(xiàn)過程中，由于農(nóng)田的空間約束以及高效的作業(yè)要求，拖拉機(jī)需要進(jìn)行快速轉(zhuǎn)彎，單純的轉(zhuǎn)向控制已無法滿足農(nóng)業(yè)生產(chǎn)需求，通過增加橫擺力矩能夠有效實(shí)現(xiàn)拖拉機(jī)快速轉(zhuǎn)彎，因此，需要加強(qiáng)對轉(zhuǎn)向制動(dòng)控制的深入研究。

3 自動(dòng)駕駛制動(dòng)控制技術(shù)研究現(xiàn)狀

日本在農(nóng)業(yè)機(jī)械自動(dòng)化領(lǐng)域發(fā)展較快，尤其是農(nóng)機(jī)自動(dòng)駕駛方面。自動(dòng)駕駛控制研究主要集中在制動(dòng)力分配控制、穩(wěn)定性制動(dòng)控制及可再生制動(dòng)控制等。日本京都大學(xué)考慮到拖拉機(jī)在旋耕時(shí)的側(cè)向運(yùn)動(dòng)會受到耕作土壤和耕層空間變化所產(chǎn)生的反作用力干擾，進(jìn)行了拖拉機(jī)制動(dòng)力分配控制研究[33-34]。

農(nóng)用拖拉機(jī)與重型車輛的底盤類似，因此，我國對制動(dòng)系統(tǒng)的研究始于重型車輛。吉林大學(xué)考慮了在轉(zhuǎn)彎過程中的側(cè)翻風(fēng)險(xiǎn)，設(shè)計(jì)了對重型車輛的轉(zhuǎn)彎制動(dòng)控制策略，通過控制制動(dòng)力顯著提高了彎道制動(dòng)的方向穩(wěn)定性[35]。之后利用差動(dòng)制動(dòng)控制來提高重型車輛穩(wěn)定性，如圖3所示，顯著提高了車輛在暫態(tài)機(jī)動(dòng)過程中的穩(wěn)定性[36]。伊朗科技大學(xué)通過使用制動(dòng)力分布可變的制動(dòng)系統(tǒng)，改善制動(dòng)性能和車輛穩(wěn)定性，提出了一種創(chuàng)新的制動(dòng)力分配策略，該策略能顯著提高車輛在不同減速等級下的曲線制動(dòng)穩(wěn)定性[37]。劍橋大學(xué)總結(jié)了由劍橋汽車動(dòng)力學(xué)協(xié)會(CVDC)開發(fā)的新型氣動(dòng)滑控制動(dòng)系統(tǒng)的三軸重型貨車(HGV)半掛車緊急制動(dòng)性能測試，設(shè)計(jì)了雙穩(wěn)態(tài)閥門和滑?；瑒?dòng)控制器，能夠在極端操縱時(shí)更精確地控制車輪力[38]。

圖3 制動(dòng)控制示意圖

吉林大學(xué)在傳統(tǒng)的半掛車制動(dòng)系統(tǒng)的基礎(chǔ)上進(jìn)行了改進(jìn)，設(shè)計(jì)了一種基于前饋與反饋相結(jié)合的氣動(dòng)主動(dòng)制動(dòng)壓力控制策略，通過PWM控制信號精確控制主動(dòng)制動(dòng)系統(tǒng)所需的輪缸制動(dòng)壓力，控制策略實(shí)用可靠，能準(zhǔn)確控制車輛的制動(dòng)壓力[39]。

由于重型車輛重心位置高、重量大、體積大，容易發(fā)生側(cè)翻，文獻(xiàn)[40]又進(jìn)一步考慮重型車輛的橫搖穩(wěn)定性和橫擺穩(wěn)定性機(jī)理，研究了基于仿真和差動(dòng)制動(dòng)技術(shù)的重型車輛穩(wěn)定性控制方法，提高了車輛的行駛安全性和制動(dòng)穩(wěn)定性。為了進(jìn)一步解決制動(dòng)安全性、制動(dòng)經(jīng)濟(jì)性和舒適性之間的耦合問題，綜合主制動(dòng)系統(tǒng)和輔助制動(dòng)系統(tǒng)、電子控制制動(dòng)系統(tǒng)(EBS)，提出了一種制動(dòng)力分配控制策略，如圖4所示。該策略根據(jù)制動(dòng)強(qiáng)度、制動(dòng)墊磨損程度和制動(dòng)規(guī)程的限制來分配制動(dòng)力，在不同的負(fù)載條件下，保證了相同的制動(dòng)距離，減小了制動(dòng)時(shí)的牽引力，提高了制動(dòng)安全性與經(jīng)濟(jì)性，提高了駕駛員的舒適性[41]。

圖4 制動(dòng)力分配控制示意圖

為了進(jìn)一步研究制動(dòng)過程的影響因素，并對制動(dòng)能量進(jìn)行回收控制，烏克蘭哈爾科夫國立技術(shù)大學(xué)研究了液壓機(jī)控制參數(shù)對帶GMT的輪式拖拉機(jī)制動(dòng)過程的影響，確定了HMG液壓機(jī)在制動(dòng)過程中控制參數(shù)變化的形式與輪式拖拉機(jī)的運(yùn)動(dòng)學(xué)、功率、能耗之間的關(guān)系，從而減少了制動(dòng)距離，不足之處在于需要通過試驗(yàn)驗(yàn)證理論結(jié)果[42]。齊魯工業(yè)大學(xué)通過分析制動(dòng)過程中的載荷轉(zhuǎn)移和牽引座縱向力，提出了半掛汽車列車的再生制動(dòng)方法，在理想制動(dòng)力分配的基礎(chǔ)上，制訂了適合半掛汽車列車的再生制動(dòng)控制策略[43]。

集成式電子液壓制動(dòng)系統(tǒng)為非線性時(shí)變系統(tǒng)，易受到溫度、濕度、載荷擾動(dòng)等多重不確定因素的影響而產(chǎn)生振蕩現(xiàn)象[35]。拖拉機(jī)在大田作業(yè)時(shí)，各類不確定性因素顯著增加。因此在數(shù)學(xué)建模過程中需要考慮模型不確定性與干擾噪聲等。

綜上可知，制動(dòng)控制技術(shù)的研究主要經(jīng)歷了考慮土層變化制動(dòng)力分配控制、考慮車輛穩(wěn)定性制動(dòng)力分配控制以及可再生制動(dòng)控制研究。與汽車具有ABS、ESC等成熟的制動(dòng)力矩控制系統(tǒng)不同，拖拉機(jī)制動(dòng)力分配控制系統(tǒng)研發(fā)尚未出現(xiàn)，制動(dòng)力分配控制技術(shù)可以提高拖拉機(jī)的機(jī)動(dòng)性及轉(zhuǎn)向能力。由于拖拉機(jī)需要在土壤高低不平、硬度不均勻的惡劣環(huán)境下進(jìn)行中高速作業(yè)，制動(dòng)力分配控制系統(tǒng)需要實(shí)現(xiàn)強(qiáng)振動(dòng)下的魯棒性，且拖拉機(jī)質(zhì)量通常較大，重心偏高，在中高速情況下采取的制動(dòng)分配會對車輛的穩(wěn)定性造成影響，甚至引發(fā)側(cè)翻。因此，需要設(shè)計(jì)一種具有魯棒性以及防側(cè)翻的橫擺力矩控制方案。

4 自動(dòng)駕駛決策技術(shù)研究現(xiàn)狀

駕駛行為決策是智能系統(tǒng)在一個(gè)連續(xù)的時(shí)間序列上，根據(jù)當(dāng)前移動(dòng)載體狀態(tài)合理地選擇操縱行為，以實(shí)現(xiàn)最終駕駛目標(biāo)，屬于序貫決策問題，可詳細(xì)描述為：在每一個(gè)時(shí)序點(diǎn)上，智能系統(tǒng)根據(jù)當(dāng)前時(shí)刻的狀態(tài)信息選擇響應(yīng)的動(dòng)作(如制動(dòng)、轉(zhuǎn)向等)，執(zhí)行決策的動(dòng)作后，車輛的狀態(tài)向新的狀態(tài)遷移，智能系統(tǒng)根據(jù)反饋的狀態(tài)信息，在新的時(shí)序點(diǎn)上再次進(jìn)行行駛行為決策，每一步動(dòng)作均與最終的行駛目標(biāo)有關(guān)。

機(jī)器學(xué)習(xí)在車輛、水下自主機(jī)器人等行為的決策應(yīng)用上相對廣泛與深入，而在拖拉機(jī)的駕駛行為決策方面應(yīng)用較少，使得拖拉機(jī)的基于機(jī)器學(xué)習(xí)的決策研究具有更大的研究空間。機(jī)器學(xué)習(xí)主要包括強(qiáng)化學(xué)習(xí)、模仿學(xué)習(xí)、深度學(xué)習(xí)以及深度強(qiáng)化學(xué)習(xí)等。其中，強(qiáng)化學(xué)習(xí)因存在與環(huán)境實(shí)時(shí)交互的在線學(xué)習(xí)特點(diǎn)，而被普遍應(yīng)用于環(huán)境未知的學(xué)習(xí)場景中[44]，原理如圖5所示。

圖5 強(qiáng)化學(xué)習(xí)原理圖

強(qiáng)化學(xué)習(xí)是智能體以“試錯(cuò)”的方式進(jìn)行學(xué)習(xí)，以與環(huán)境進(jìn)行交互獲得最大獎(jiǎng)賞為目標(biāo)的指導(dǎo)行為，具有很好的環(huán)境適用性。哈爾濱工程大學(xué)對基于行為主義的智能體技術(shù)在自主式水下機(jī)器人(Autonomous underwater vehicle，簡稱AUV)運(yùn)動(dòng)規(guī)劃中的應(yīng)用進(jìn)行了深入研究，極大提高了AUV自主作業(yè)過程中對環(huán)境的適應(yīng)性、反應(yīng)的快速性以及決策的有效性[45]。江蘇大學(xué)以智能汽車為研究對象，針對緊急變道問題，利用hp自適應(yīng)偽譜法對初始階段和切換階段的切換點(diǎn)進(jìn)行銜接，優(yōu)化跟蹤階段軌跡，在滿足各項(xiàng)約束的情況下成功避開障礙物，同時(shí)縮短了需要優(yōu)化的軌跡[46]。隨后，針對自主水下機(jī)器人在水下未知環(huán)境下的避障過程中存在的參數(shù)不確定性、干擾或模型不匹配問題，文獻(xiàn)[47]提出了一種改進(jìn)的基于Q學(xué)習(xí)的控制方法，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行函數(shù)逼近，克服了控制器設(shè)計(jì)中出現(xiàn)的連續(xù)狀態(tài)和大狀態(tài)空間問題，取得了很好的避障效果。文獻(xiàn)[48]通過強(qiáng)化學(xué)習(xí)進(jìn)行車輛變道訓(xùn)練得到較好的變道曲線以及變道效率。清華大學(xué)提出了一種基于自適應(yīng)徑向基函數(shù)網(wǎng)絡(luò)滑?？刂?ARBFNSMC)的車輛動(dòng)力學(xué)穩(wěn)定性控制策略，采用了參考模型層、偏航力矩控制層、制動(dòng)力矩分配層和執(zhí)行層的遞階控制結(jié)構(gòu)，通過對不同層的運(yùn)動(dòng)決策分配來提高控制性能[49]?？颂m菲爾德大學(xué)提出了一種基于無監(jiān)督和有監(jiān)督混合學(xué)習(xí)方法對駕駛員制動(dòng)強(qiáng)度進(jìn)行識別[50]。清華大學(xué)通過神經(jīng)網(wǎng)絡(luò)逼近最優(yōu)參數(shù)及不確定性的方法分別進(jìn)行自動(dòng)駕駛車輛緊急制動(dòng)控制以及側(cè)向動(dòng)力學(xué)研究[51-52]。

然而，強(qiáng)化學(xué)習(xí)過于依賴環(huán)境的交互，使得學(xué)習(xí)過程漫長，而模仿學(xué)習(xí)，以優(yōu)秀專家?guī)鞛閷ο筮M(jìn)行模仿，可以大大提高學(xué)習(xí)效率，因此，斯坦福大學(xué)通過模仿學(xué)習(xí)將單智能體推廣到多智能體領(lǐng)域駕駛場景[53]?？突仿〈髮W(xué)研究了基于學(xué)習(xí)的道路自主駕駛仿人車道跟蹤與行為改變方法，分別提出基于視覺的道路駕駛端到端學(xué)習(xí)系統(tǒng)；基于注意力的分層動(dòng)作空間學(xué)習(xí)結(jié)構(gòu)并利用深度強(qiáng)化學(xué)習(xí)算法獲得變道行為，同時(shí)，利用LSTM對車輛進(jìn)行軌跡預(yù)測，并演示人的行駛軌跡[54]。文獻(xiàn)[55-56]進(jìn)一步通過LSTM對高速車輛的運(yùn)動(dòng)軌跡進(jìn)行了有效預(yù)測。慕尼黑工業(yè)大學(xué)及北京聯(lián)合大學(xué)等將深度強(qiáng)化學(xué)習(xí)應(yīng)用于車輛的縱向預(yù)測控制中，取得了很好預(yù)測效果[57-58]。

由于深度神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的表示大規(guī)模動(dòng)態(tài)信息的能力，并且RL可以有效地與動(dòng)態(tài)環(huán)境交互以尋找最優(yōu)策略。深度強(qiáng)化學(xué)習(xí)有效的結(jié)合了兩者的優(yōu)勢。因此，中南大學(xué)針對智能車輛運(yùn)動(dòng)規(guī)劃過程中的模型誤差和跟蹤依賴問題，提出了一種基于深度強(qiáng)化學(xué)習(xí)的智能車輛模型轉(zhuǎn)移軌跡規(guī)劃方法，該方法能夠直接獲得有效的控制動(dòng)作序列，解決連續(xù)輸入和連續(xù)輸出的智能車輛軌跡規(guī)劃問題。與傳統(tǒng)的軌跡規(guī)劃方法相比，該方法能夠輸出連續(xù)的轉(zhuǎn)角控制序列，減小了橫向控制誤差[59]。斯坦福大學(xué)利用深度Q學(xué)習(xí)進(jìn)行車輛控制，采用各種獎(jiǎng)勵(lì)函數(shù)來誘導(dǎo)特定的駕駛行為、雙Q學(xué)習(xí)、梯度更新規(guī)則和其他超參數(shù)，成功學(xué)會了并進(jìn)行了轉(zhuǎn)彎操作[60]。

綜上可知，智能決策技術(shù)經(jīng)歷了強(qiáng)化學(xué)習(xí)、模仿學(xué)習(xí)以及深度強(qiáng)化學(xué)習(xí)3個(gè)主要階段。而自動(dòng)駕駛拖拉機(jī)在作業(yè)過程中與周邊動(dòng)、靜態(tài)場景進(jìn)行交互，要確保轉(zhuǎn)彎時(shí)不能發(fā)生碰撞或側(cè)翻，保證路徑跟蹤精度及最大作業(yè)效率，同時(shí)面臨能耗約束、轉(zhuǎn)彎半徑約束及地面滑移率約束等，可以借鑒智能汽車、水下機(jī)器人等的決策研究，設(shè)計(jì)更好的智能決策技術(shù)來解決上述問題。另外，同樣可以將智能決策技術(shù)應(yīng)用到拖拉機(jī)的執(zhí)行系統(tǒng)：電液耦合轉(zhuǎn)向系統(tǒng)、制動(dòng)系統(tǒng)、作業(yè)系統(tǒng)等，使得拖拉機(jī)的系統(tǒng)運(yùn)行能夠更加合理高效。

5 存在問題

通過分析國內(nèi)外自動(dòng)駕駛拖拉機(jī)的發(fā)展與研究現(xiàn)狀以及拖拉機(jī)自動(dòng)駕駛關(guān)鍵技術(shù)：轉(zhuǎn)向、制動(dòng)及決策技術(shù)，可以看出，我國的拖拉機(jī)自動(dòng)駕駛研究仍未成熟，一些制約自動(dòng)駕駛拖拉機(jī)進(jìn)一步發(fā)展的關(guān)鍵技術(shù)問題仍然亟待解決，主要體現(xiàn)在以下幾個(gè)方面。

1) 多傳感器融合技術(shù)欠缺。隨著北斗導(dǎo)航、高速攝像等多傳感器的應(yīng)用技術(shù)的成熟發(fā)展，如何更好地將傳感器獲得的多方位數(shù)據(jù)信息進(jìn)行整合處理，為自動(dòng)駕駛提供更好的保障是亟待解決的難點(diǎn)之一。拖拉機(jī)進(jìn)行田間作業(yè)時(shí)，傳感器進(jìn)行各類信息獲取的過程中會面臨各類干擾噪聲的影響，嚴(yán)重影響自動(dòng)駕駛質(zhì)量，同時(shí)，傳感器可能面臨失效風(fēng)險(xiǎn)，一旦傳感器失效，自動(dòng)駕駛拖拉機(jī)就會出現(xiàn)失控，出現(xiàn)安全隱患。

2) 現(xiàn)有的自動(dòng)駕駛實(shí)施方案主要有兩種：一種是在原有拖拉機(jī)液壓助力系統(tǒng)基礎(chǔ)上改裝并聯(lián)電磁閥等液壓控制部分，還有一種是不改變原來的液壓系統(tǒng)在轉(zhuǎn)向管柱或方向盤上增加電機(jī)控制部分，由于并聯(lián)電磁閥需改變原有油路且改裝成本較高，實(shí)施困難。因此，第二種方案采用較多。該方案由電機(jī)以及液壓組合提供轉(zhuǎn)向動(dòng)力，而電機(jī)與液壓提供的動(dòng)力比例關(guān)系需要依據(jù)不同的拖拉機(jī)進(jìn)行調(diào)整；轉(zhuǎn)向系統(tǒng)為機(jī)械系統(tǒng)、電氣系統(tǒng)、液壓系統(tǒng)的耦合，內(nèi)在轉(zhuǎn)向耦合機(jī)理尚未深入發(fā)掘，這給轉(zhuǎn)向控制帶來很大困難。由于拖拉機(jī)作業(yè)環(huán)境復(fù)雜，轉(zhuǎn)向過程容易受到土壤不平、振動(dòng)、機(jī)械連接間隙等影響，導(dǎo)致行駛控制精度下降，作業(yè)效果較差。

3) 拖拉機(jī)制動(dòng)系統(tǒng)的控制研究較少，尚未形成系統(tǒng)的制動(dòng)方案，如制動(dòng)力分配技術(shù)等高效制動(dòng)技術(shù)也未見應(yīng)用。制動(dòng)控制系統(tǒng)內(nèi)部由于管路設(shè)置及結(jié)構(gòu)影響，使得制動(dòng)發(fā)生時(shí)，輪胎的制動(dòng)力分配不均進(jìn)而產(chǎn)生附加橫擺力矩，增大了拖拉機(jī)的側(cè)翻風(fēng)險(xiǎn)。同時(shí)，制動(dòng)液壓或氣壓在拖拉機(jī)高速作業(yè)情況下受到農(nóng)田環(huán)境中的不確定性以及擾動(dòng)的影響，造成流量不穩(wěn)，進(jìn)而影響制動(dòng)控制效果。

4) 自動(dòng)駕駛拖拉機(jī)在田間作業(yè)過程中面臨的是動(dòng)態(tài)變化環(huán)境，在實(shí)現(xiàn)精準(zhǔn)以及高效作業(yè)的同時(shí)，還要處理能耗、安全等問題。同時(shí)，自動(dòng)駕駛拖拉機(jī)的控制涉及多個(gè)執(zhí)行系統(tǒng)：轉(zhuǎn)向系統(tǒng)、制動(dòng)系統(tǒng)、感知系統(tǒng)等，這些系統(tǒng)之間的相互配合完成拖拉機(jī)的整體控制也是難點(diǎn)。上述兩個(gè)問題可歸納為多目標(biāo)多約束問題，而人工智能的興起為自動(dòng)駕駛拖拉機(jī)解決問題提供了重要參考。在保證自動(dòng)駕駛拖拉機(jī)作業(yè)安全的條件下更好地完成作業(yè)。

綜上所述，自動(dòng)駕駛拖拉機(jī)在多傳感器融合、電液耦合轉(zhuǎn)向控制、制動(dòng)控制以及作業(yè)場景下的智能決策方面具有較大的研究空間。

6 展望

自動(dòng)駕駛拖拉機(jī)是自動(dòng)化、智能化技術(shù)集成度比較高的機(jī)械系統(tǒng)。隨著對控制精度、智能化水平要求的不斷提高，待解決的技術(shù)問題不計(jì)其數(shù)，本文僅僅從關(guān)鍵技術(shù)中總結(jié)出近年來研究領(lǐng)域較為關(guān)注的一些熱點(diǎn)問題，重點(diǎn)分析了自動(dòng)駕駛拖拉機(jī)在國內(nèi)外的發(fā)展現(xiàn)狀及趨勢，并主要從轉(zhuǎn)向控制、制動(dòng)控制、智能決策3個(gè)層面對實(shí)現(xiàn)自動(dòng)駕駛拖拉機(jī)的關(guān)鍵技術(shù)進(jìn)行了歸納整理。轉(zhuǎn)向控制以電控液壓轉(zhuǎn)向?yàn)橹?，在原有全液壓轉(zhuǎn)向系統(tǒng)基礎(chǔ)上加裝轉(zhuǎn)向電機(jī)成本較低、效果較好，是目前采用較多的方案；自動(dòng)駕駛拖拉機(jī)制動(dòng)控制主要集中在高速作業(yè)下的制動(dòng)力分配上；智能決策目前對于自動(dòng)駕駛拖拉機(jī)的研究主要集中于障礙物識別及避障。集成以上關(guān)鍵技術(shù)，未來自動(dòng)駕駛拖拉機(jī)會有更大的發(fā)展?jié)摿Γ饕ㄒ韵聨讉€(gè)方面。

1) 多傳感器融合技術(shù)會得到更大的發(fā)展應(yīng)用，北斗導(dǎo)航、攝像頭、激光雷達(dá)、毫米波雷達(dá)等會更大范圍的應(yīng)用到自動(dòng)駕駛拖拉機(jī)上，通過對多傳感器信息融合得到全方位的周邊環(huán)境信息，隨著傳感器技術(shù)的發(fā)展以及各類信息融合算法的應(yīng)用，拖拉機(jī)的狀態(tài)參數(shù)信息獲取會更為精確快速，能夠?yàn)橥侠瓩C(jī)自動(dòng)駕駛提供各類信息參考，從而提高控制精度。

2) 在對電液耦合轉(zhuǎn)向技術(shù)及制動(dòng)控制技術(shù)自身特性研究的基礎(chǔ)上，轉(zhuǎn)向控制技術(shù)與制動(dòng)控制技術(shù)需要進(jìn)行集成控制，進(jìn)一步進(jìn)行技術(shù)整合，一方面能夠提高中央控制器的運(yùn)算速率，提高拖拉機(jī)整體的響應(yīng)能力；另一方面，通過轉(zhuǎn)向制動(dòng)集成控制，可以有效提高拖拉機(jī)的橫、縱向運(yùn)動(dòng)控制，最終，實(shí)現(xiàn)自動(dòng)駕駛高效轉(zhuǎn)向，提高作業(yè)效率，保證作業(yè)安全。

3) 綜合性能較優(yōu)的控制算法會得到越來越廣泛的研究應(yīng)用。通過高性能控制算法的設(shè)計(jì)來解決多傳感器信息融合及應(yīng)用、多執(zhí)行機(jī)構(gòu)的綜合精確控制等問題，同時(shí)，控制算法本身需要具備良好的響應(yīng)能力、抵抗作業(yè)環(huán)境及系統(tǒng)本身帶來的干擾及不確定性等能力。通過高性能算法提高拖拉機(jī)自動(dòng)駕駛的綜合控制能力。

4) 隨著我國土地流轉(zhuǎn)合并的推進(jìn)及大型農(nóng)場的發(fā)展，智能決策技術(shù)將會得到更多的應(yīng)用。通過智能決策技術(shù)能夠使自動(dòng)拖拉機(jī)根據(jù)“自身”條件及外界的環(huán)境條件、作業(yè)要求等，綜合考慮多控制目標(biāo)、多控制約束，通過智能決策技術(shù)的“學(xué)習(xí)”方式，最終決策出當(dāng)前環(huán)境及作業(yè)要求下的最優(yōu)作業(yè)速度、作業(yè)路徑、轉(zhuǎn)向及制動(dòng)控制方案等等，提高作業(yè)效率、減少作業(yè)損失及作業(yè)能耗、提高作業(yè)安全，為下一步多智能農(nóng)機(jī)進(jìn)行協(xié)同作業(yè)發(fā)展打下基礎(chǔ)。