符志軍,王景景

(江西工程學(xué)院,江西 新余 338029)

0 引言

我國是一個農(nóng)業(yè)大國,水稻是我國最主要的經(jīng)濟和糧食作物之一。在水稻生產(chǎn)中,插秧一直是制約其機械化發(fā)展的瓶頸環(huán)節(jié)。我國傳統(tǒng)的插秧方式為人工方式,效率低,農(nóng)民的勞動強度大。隨著科技的發(fā)展,插秧機逐漸代替了人工插秧的方式,有效減輕了農(nóng)民的勞動強度,提高了生產(chǎn)效率,種植均勻性和產(chǎn)量也得到了提升。但是,隨著精細農(nóng)業(yè)理念的提出[1-2],我國現(xiàn)有的插秧機智能化水平與發(fā)達國家仍然存在較大的差距,無法達到對插秧機的智能化和自動化控制,還需要對智能插秧機的控制優(yōu)化展開研究。

要實現(xiàn)插秧機的智能化和自動化控制作業(yè),前提是需要插秧機能夠識別周邊農(nóng)田環(huán)境,進行精確的導(dǎo)航,自主規(guī)劃行駛路線行走,完成既定任務(wù)[3]。插秧機的自主導(dǎo)航技術(shù)是智能農(nóng)業(yè)裝備的必備組成之一,其集合了地理信息系統(tǒng)、遙感技術(shù)和智能農(nóng)業(yè)機械等技術(shù)[4]。采用該技術(shù)不僅可以克服人工操作插秧機的弊端(如勞動強度大、無法實時了解插秧機作業(yè)狀態(tài)等),而且能夠?qū)崿F(xiàn)無人導(dǎo)航作業(yè)。但是,要實現(xiàn)插秧機的自主導(dǎo)航,還需要相關(guān)算法對有關(guān)信息進行處理。

路徑跟蹤算法是計算機網(wǎng)絡(luò)算法的一種,是實現(xiàn)插秧機自動轉(zhuǎn)向或曲線跟蹤的算法。模糊控制算法模型易于建立,但難以精確建立插秧機的跟蹤模型;追蹤算法易于獲得函數(shù)關(guān)系,但不易調(diào)節(jié)車距。因此,將模糊算法和追蹤算法結(jié)合,可以有效地解決各算法的缺點。目前,這兩種算法結(jié)合的計算機網(wǎng)絡(luò)算法還未在插秧機的自主導(dǎo)航系統(tǒng)上進行實踐,故本文基于計算機網(wǎng)絡(luò)算法對智能插秧機控制進行優(yōu)化研究。

1 硬件設(shè)計

1.1 總體設(shè)計

該智能插秧機是在原有的手動操控的插秧機基礎(chǔ)上改造完成,其控制系統(tǒng)主要組成包括單片機、視覺導(dǎo)航裝置、自動轉(zhuǎn)向裝置、擋位和油門、數(shù)據(jù)采集系統(tǒng)、通訊裝置及發(fā)動機等,如圖1所示。

圖1 智能插秧機控制系統(tǒng)結(jié)構(gòu)簡圖Fig.1 The structure diagram of intelligent rice transplanter control system

1.2 單片機

單片機是整個插秧機控制系統(tǒng)的核心部件,用于對插秧機的作業(yè)過程進行控制。工作時,單片機將視覺導(dǎo)航裝置、數(shù)據(jù)采集系統(tǒng)的信息接收、處理和分析后,將下一步動作以指令的形式發(fā)送至各末端執(zhí)行機構(gòu)進行相應(yīng)的操作。

1.3 視覺導(dǎo)航裝置

視覺導(dǎo)航裝置主要用于獲得插秧環(huán)境的三維信息,以準(zhǔn)確識別插秧機的行駛路徑,由CCD攝像頭、視頻采集卡和監(jiān)視器等組成。作業(yè)時,CCD攝像頭實時采集插秧環(huán)境圖像,將光信號轉(zhuǎn)化為模擬電信號后傳遞給視頻采集卡;其后,視頻采集卡進一步將信號轉(zhuǎn)換為單片機可處理的數(shù)字信號,從而準(zhǔn)確讀取圖像信息,進行行駛路徑的識別。

1.4 自動轉(zhuǎn)向裝置

自動轉(zhuǎn)向裝置用于控制插秧機的轉(zhuǎn)向,其性能決定了導(dǎo)航系統(tǒng)的穩(wěn)定性和可靠性。目前,自動轉(zhuǎn)向裝置主要分為兩種:第1種是在將原有的液壓轉(zhuǎn)向系統(tǒng)進行改裝,包括增加液壓控制閥等,通過控制閥門的換向和開口即可進行自動轉(zhuǎn)向;第2種是采用電動方向盤替代原有的方向盤,其結(jié)構(gòu)簡圖如圖2所示。這種方向盤的結(jié)構(gòu)主要包括步進電機、齒輪、轉(zhuǎn)向輪及方向盤,通過控制電機的轉(zhuǎn)向、角度和速度等實現(xiàn)自動轉(zhuǎn)向[5]。本控制系統(tǒng)采用第2種自動轉(zhuǎn)向裝置。

圖2 電動方向盤結(jié)構(gòu)簡圖Fig.2 The electric steering wheel structure diagram

1.5 擋位和油門

擋位用于控制插秧機的行駛速度。原有的擋位為多桿機構(gòu),其結(jié)構(gòu)圖如圖3(a)所示。工作時,操作手桿1的運動會帶動控制桿2運動,從而改變行駛速度。在改裝時,在原有的多桿機構(gòu)基礎(chǔ)上加裝1個曲柄搖桿機構(gòu)。通過步進電機帶動曲柄搖桿機構(gòu),從而控制行駛速度。改裝后的結(jié)構(gòu)如圖3(b)所示。

油門用于加大插秧機的行駛速度,原有的油門為踏板的形式,通過駕駛員踩踏板達到加速的目的;為了自動控制行駛速度,在踏板上加裝電動推桿,通過收縮和拉伸電動推桿即可控制油門。

1.6 數(shù)據(jù)采集和監(jiān)控系統(tǒng)

數(shù)據(jù)采集和監(jiān)控系統(tǒng)主要用于插秧機行駛狀態(tài)的采集和監(jiān)控,包括通訊裝置的參數(shù)設(shè)置、插秧機的行駛狀態(tài)、發(fā)動機的運行參數(shù)、位置參數(shù)和視覺導(dǎo)航裝置運行狀態(tài)共5個部分。系統(tǒng)將采集到的數(shù)據(jù)通過通信裝置協(xié)議解析后,可以將動態(tài)變化趨勢繪制成曲線圖,并存儲至數(shù)據(jù)庫以備后續(xù)的查詢。數(shù)據(jù)采集和監(jiān)控系統(tǒng)的結(jié)構(gòu)如圖4所示。

圖4 數(shù)據(jù)采集和監(jiān)控系統(tǒng)結(jié)構(gòu)圖Fig.4 The structure diagram of data acquisition and monitoring system

1.7 通信裝置

通信裝置主要用于完成數(shù)據(jù)信息的傳遞,本文采用CAN總線結(jié)構(gòu)[6]。工作時,各傳感器節(jié)點完成數(shù)據(jù)采集后,將數(shù)據(jù)上傳至CAN總線,通過通訊協(xié)議解析后利用GSM模塊將數(shù)據(jù)傳輸至單片機,以供數(shù)據(jù)的分析、顯示和調(diào)用。通信裝置的結(jié)構(gòu)圖如圖5所示。

圖5 通信裝置結(jié)構(gòu)圖Fig.5 The structure drawing of communication device

2 智能插秧機控制算法優(yōu)化設(shè)計

插秧機進行自動導(dǎo)航時,首先需要將插秧機抽象為數(shù)學(xué)模型;然后根據(jù)插秧機各部位傳感器獲取的運動參數(shù),將當(dāng)前插秧機的位置信息與預(yù)設(shè)路徑對比,按照模糊算法和純追蹤算法結(jié)合的控制算法對前輪轉(zhuǎn)角求解,將結(jié)果傳遞至單片機;最后,控制電動方向盤的轉(zhuǎn)動角度,直至插秧機行駛至預(yù)設(shè)路徑。智能插秧機的自動導(dǎo)航原理如圖6所示。

圖6 智能插秧機的自動導(dǎo)航原理圖Fig.6 The principle diagram of automatic navigation of intelligent rice transplanter

2.1 插秧機數(shù)學(xué)模型的建立

由于插秧機的前輪負(fù)責(zé)轉(zhuǎn)向,則后輪中心可視作整個插秧機的控制點,則插秧機可簡化為二輪車模型[7],如圖7所示。

模型的橫坐標(biāo)為規(guī)劃行駛路徑,正向為插秧機前進方向。該模型建立的前提是假設(shè)插秧機保持恒速直線行駛,且路面平整。通過對模型分析,可以得到插秧機的運動學(xué)模型的公式為

x(t)=vycosα(t),y(t)=vysinα(t),α(t)=vytanδ/L

其中,vy為插秧機的縱向行駛速度,可通過速度傳感器測得;α和δ為插秧機行駛的航向角度和前輪轉(zhuǎn)角,α可通過陀螺儀測得;L為插秧機前后軸間距,本系統(tǒng)L=1.52m。通過對插秧機自動轉(zhuǎn)向裝置進行分析,可得裝置的傳遞函數(shù)H(s)為

其中,K(s)和F(s)分別為期望和實際的前輪轉(zhuǎn)角拉氏變換的結(jié)果[8]。

圖7 二輪車模型簡圖Fig.7 The sketch of two wheeler model

2.2 自動導(dǎo)航控制算法設(shè)計

插秧機在進行自動導(dǎo)航時,需要預(yù)先規(guī)劃行駛路徑,并輸入導(dǎo)航軟件。該預(yù)設(shè)路徑可看作點的集合,可表示為

M={P0(x0,y0),P1(x1,y1),...,Pn(xn,yn)}

導(dǎo)航模糊控制器的設(shè)計步驟如下:第1步為確定控制器的輸入變量為行駛的橫向偏差和航向偏差,輸出變量為前輪轉(zhuǎn)角;第2步為控制規(guī)則的設(shè)計,包括輸入、輸出變量的模糊化處理,模糊量隸屬度函數(shù)和隸屬度的設(shè)計以及控制規(guī)則的制定;第3步為模糊推理和反模糊化,包括輸入量與模糊值的匹配,推理蘊含模糊集合;最后一步為模糊算法應(yīng)用程序的編制。通過該導(dǎo)航模糊控制器可以得到一個期望的前輪轉(zhuǎn)角。

進行純追蹤算法控制器的設(shè)計,第1步求解路徑彎度Φ。在規(guī)劃路徑上搜索與當(dāng)前插秧機位置最近的點坐標(biāo)為Pm(xm,ym),而后在規(guī)劃路徑上每隔i個點取一個點,共取3個點,坐標(biāo)分別為Pm+i(xm+i,ym+i)、Pm+2i(xm+2i,ym+2i)和Pm+3i(xm+3i,ym+3i)。路徑彎度Φ為PmPm+i和Pm+2iPm+3i的最小夾角,計算公式為

(ym+i-ym)(ym+3i-ym+2i)

第2步求解前視距離l,計算公式為

l=lj+k1v+k2φ

其中,lj為前視距離的基礎(chǔ)值;k1和k2分別為速度和路徑彎度系數(shù);v為當(dāng)前插秧機行駛速度。

最后,建立純追蹤算法模型,求解圖如圖8所示。

圖8 純追蹤法模型求解圖Fig.8 The solution diagram of pure tracing method model

圖8中,Pr和Pm分別為插秧機的當(dāng)前位置和預(yù)描位置;C和R分別為轉(zhuǎn)彎的圓心和半徑;Ψe為航向偏差。通過對圖8進行分析,可以得到前輪轉(zhuǎn)角δ＇為

將模糊控制器和純追蹤算法控制器求得的兩個前輪轉(zhuǎn)角進行綜合計算,可以確定最終的前輪轉(zhuǎn)角δ2,計算方式為

δ2=k3δ+k4δ′(k3+k4=1)

其中,k3和k4分別為模糊算法和純追蹤算法的前輪轉(zhuǎn)角的量化參數(shù)。

3 試驗結(jié)果

為了驗證該智能插秧機的控制性能,需要對其進行相關(guān)試驗。由于對插秧機的自動導(dǎo)航功能進行了優(yōu)化,因此主要對插秧機的自動導(dǎo)航的控制算法進行相關(guān)試驗。

基于田間環(huán)境較為復(fù)雜、人工數(shù)據(jù)采集較為困難的現(xiàn)狀,在平坦的水泥路面進行自動導(dǎo)航試驗。自動導(dǎo)航試驗在兩種預(yù)設(shè)路徑進行行駛:第1種是直線行駛,第2種是直線和轉(zhuǎn)彎混合行駛。插秧機自動導(dǎo)航路徑的跟蹤效果圖分別如圖9(a)、(b)所示。

由圖9可知:預(yù)設(shè)路徑和自動導(dǎo)航路徑的重合度較高,僅在轉(zhuǎn)彎處的重合度較差。這可能是由插秧機轉(zhuǎn)彎時的側(cè)滑以及靈敏度的誤差引起的,但恢復(fù)直線行駛時插秧機能夠快速恢復(fù)跟蹤,說明插秧機可以進行有效的自動導(dǎo)航。

圖9 插秧機自動導(dǎo)航路徑的跟蹤效果圖Fig.9 The tracking rendering of automatic navigation path of rice transplanter

4 結(jié)論

1)針對我國插秧機的智能化和自動化控制水平較低的問題,基于計算機網(wǎng)絡(luò)算法對智能插秧機控制進行了優(yōu)化研究。該智能插秧機的控制系統(tǒng)主要組成包括單片機、視覺導(dǎo)航裝置、自動轉(zhuǎn)向裝置、擋位和油門、數(shù)據(jù)采集系統(tǒng)、通訊裝置、發(fā)動機等。

2)為了使插秧機能夠進行自動導(dǎo)航,先將插秧機抽象為數(shù)學(xué)模型,再按照模糊算法和純追蹤算法結(jié)合的控制算法對前輪轉(zhuǎn)角求解,使插秧機能夠按照預(yù)設(shè)路徑行駛。

3)為了驗證該智能插秧機的控制性能,對其進行自動導(dǎo)航控制試驗,結(jié)果表明:插秧機可以進行有效的自動導(dǎo)航。