第 31 卷 第 10 期 農(nóng) 業(yè) 工 程 學(xué) 報 Vol.31 No.10 2015 年 5月 Transactions of the Chinese Society of Agricultural Engineering May 2015 1 農(nóng)業(yè)機械自動導(dǎo)航技術(shù)研究進展胡靜濤1,2，高 雷1,2，白曉平1,2，李逃昌1,2，劉曉光1,2（ 1. 中國科學(xué)院沈陽自動化研究所，沈陽 110016； 2. 中國科學(xué)院網(wǎng)絡(luò)化控制系統(tǒng)重點實驗室，沈陽 110016） 摘 要： 農(nóng)業(yè)機械自動導(dǎo)航是精準農(nóng)業(yè)技術(shù)體系中的一項核心關(guān)鍵技術(shù)，廣泛應(yīng)用于耕作、播種、施肥、噴藥、收獲等農(nóng)業(yè)生產(chǎn)過程。農(nóng)機位置測量方法、農(nóng)機模型與導(dǎo)航路徑跟蹤控制方法是農(nóng)業(yè)機械自動導(dǎo)航技術(shù)的研究重點，受到國內(nèi)外科研人員的廣泛關(guān)注。農(nóng)機位置測量主要有相對測量和絕對測量二類方法，前者以基于機器視覺的測量方法為代表，主要利用圖像處理技術(shù)識別作物行，進而確定導(dǎo)航基準線，實現(xiàn)農(nóng)機與作物的相對位置與航向信息的測量；后者則以基于全球?qū)Ш叫l(wèi)星系統(tǒng)的測量方法為代表，利用衛(wèi)星定位技術(shù)實現(xiàn)農(nóng)機位置的高精度測量，在農(nóng)業(yè)生產(chǎn)中應(yīng)用最為廣泛；而面對復(fù)雜的田間環(huán)境變化，在位置測量中應(yīng)用多傳感器數(shù)據(jù)融合技術(shù)通?？梢缘玫礁玫臏y量結(jié)果。導(dǎo)航路徑跟蹤控制通常以農(nóng)機運動學(xué)模型或動力學(xué)模型為核心，多采用最優(yōu)控制、最優(yōu)估計、自適應(yīng)控制、人工神經(jīng)網(wǎng)絡(luò)、模糊控制、魯棒控制等現(xiàn)代控制理論與方法；而無模型控制方法則可以避免建模不準確或者模型參數(shù)劇烈變化對農(nóng)機路徑跟蹤控制性能所產(chǎn)生的負面影響。該文從上述 2 個方面綜述分析了農(nóng)業(yè)機械自動導(dǎo)航技術(shù)的研究現(xiàn)狀及存在的問題，并對未來農(nóng)機導(dǎo)航技術(shù)的發(fā)展做出了展望，指出采用衛(wèi)星導(dǎo)航技術(shù)，開展農(nóng)機地頭自動轉(zhuǎn)向控制、障礙物探測及主動避障、多機協(xié)同導(dǎo)航等高級導(dǎo)航技術(shù)研究，以及引入先進的物聯(lián)網(wǎng)技術(shù)，是現(xiàn)代農(nóng)機自動導(dǎo)航技術(shù)發(fā)展的主要趨勢。 關(guān)鍵詞： 農(nóng)業(yè)機械；導(dǎo)航；模型；農(nóng)機物聯(lián)網(wǎng) doi： 10.11975/j.issn.1002-6819.2015.10.001 中圖分類號： TP273 文獻標志碼： A 文章編號： 1002-6819(2015)-10-001-10 胡靜濤，高 雷，白曉平，等. 農(nóng)業(yè)機械自動導(dǎo)航技術(shù)研究進展J. 農(nóng)業(yè)工程學(xué)報，2015，31(10)：110. doi： 10.11975/j.issn.1002-6819.2015.10.001 http:/www.tcsae.org Hu Jingtao, Gao Lei, Bai Xiaoping, et al. Review of research on automatic guidance of agricultural vehiclesJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(10): 1 10. (in Chinese with English abstract) doi： 10.11975/j.issn.1002-6819.2015.10.001 http:/www.tcsae.org 0 引 言農(nóng)業(yè)機械自動導(dǎo)航是一個古老的話題。 早在 1924 年，Willrodt1就發(fā)明了一種拖拉機駕駛附件并取得美國專利，這是一種安裝在拖拉機前軸上的機械裝置，它能引導(dǎo)拖拉機沿著與已經(jīng)開好的犁溝平行的路線行走。 1941年， Andrew2發(fā)明了一種拖拉機自動控制方法，在田地中央放置一個大輪盤，利用纏繞在輪盤上的金屬線引導(dǎo)拖拉機沿著螺旋線運動。 現(xiàn)代意義的農(nóng)業(yè)機械自動導(dǎo)航是在精準農(nóng)業(yè)技術(shù)驅(qū)動下發(fā)展起來的。精準農(nóng)業(yè)技術(shù)產(chǎn)生于 20 世紀 80 年代中期，它是指綜合應(yīng)用地球空間信息技術(shù)、計算機輔助決策技術(shù)、農(nóng)業(yè)工程技術(shù)等現(xiàn)代高新科技，以獲得農(nóng)田“高產(chǎn)、高效、高質(zhì)、高級和低害”為目標的現(xiàn)代化農(nóng)業(yè)生產(chǎn)模式和技術(shù)體系3。進入 21 世紀以來，在生物技術(shù)、信息技術(shù)的帶動下，精準農(nóng)業(yè)技術(shù)得到迅速發(fā)展，現(xiàn)代農(nóng)業(yè)進入了以提高農(nóng)業(yè)資源利用率、保護農(nóng)業(yè)生態(tài)環(huán)境為核心的“精準農(nóng)業(yè)”時代。 作為精準農(nóng)業(yè)的一項核心關(guān)鍵技術(shù)，農(nóng)業(yè)機械自動導(dǎo)航廣泛應(yīng)用于耕作、播種、施肥、噴藥、收獲等農(nóng)業(yè)收稿日期： 2015-04-03 修訂日期： 2015-05-10 基金項目：國家高技術(shù)研究發(fā)展計劃（ 863 計劃）項目（ 2013AA040403） 作者簡介：胡靜濤，男，研究員，博士生導(dǎo)師，研究領(lǐng)域為現(xiàn)代農(nóng)業(yè)精準作業(yè)測控技術(shù)。沈陽 中國科學(xué)院沈陽自動化研究所， 110016。 Email： hujingtaosia.cn 生產(chǎn)過程。導(dǎo)航系統(tǒng)的作用是使農(nóng)業(yè)機械按照優(yōu)化的作業(yè)路徑工作，減少重復(fù)作業(yè)區(qū)和遺漏作業(yè)區(qū)的面積，提高農(nóng)業(yè)機械的田間作業(yè)質(zhì)量和效率、降低駕駛員勞動強度。 本文介紹了現(xiàn)代農(nóng)機自動導(dǎo)航系統(tǒng)的典型結(jié)構(gòu)及其主要功能，綜述了農(nóng)機導(dǎo)航系統(tǒng)的兩大核心技術(shù)農(nóng)機位置測量方法和導(dǎo)航路徑跟蹤控制方法的研究進展，并對未來農(nóng)機導(dǎo)航技術(shù)的發(fā)展做出了展望。 1 現(xiàn)代農(nóng)機自動導(dǎo)航系統(tǒng)的典型結(jié)構(gòu) 農(nóng)機的自動導(dǎo)航控制主要是對農(nóng)機進行橫向位置控制，即控制農(nóng)機跟蹤事先規(guī)劃好的作業(yè)路徑，使其與路徑之間的橫向位置偏差保持在一定的精度范圍之內(nèi)，從而滿足農(nóng)業(yè)生產(chǎn)的需要。現(xiàn)代農(nóng)機自動導(dǎo)航系統(tǒng)一般由檢測單元、控制單元、執(zhí)行單元及監(jiān)控單元四部分組成（如圖 1 所示）。 圖 1 現(xiàn)代農(nóng)機自動導(dǎo)航系統(tǒng)的典型結(jié)構(gòu) Fig.1 Typical structure of a modern agriculture vehicle autonomous guidance system ·綜合研究· 農(nóng)業(yè)工程學(xué)報（ http:/www.tcsae.org） 2015 年 2 檢測單元負責(zé)農(nóng)機當(dāng)前位置與姿態(tài)的檢測，其中位姿傳感器通常包括位置傳感器、姿態(tài)傳感器、速度傳感器等，用于測量農(nóng)機當(dāng)前的位置、姿態(tài)角（包括航向角、俯仰角和橫滾角）信息及位置和姿態(tài)角的變化速度，即農(nóng)機運動速度和轉(zhuǎn)動角速度等；車輪轉(zhuǎn)角傳感器用于測量農(nóng)機轉(zhuǎn)向輪當(dāng)前轉(zhuǎn)向角度信息，用作轉(zhuǎn)向控制回路的反饋傳感器。 控制單元是導(dǎo)航系統(tǒng)的核心，負責(zé)導(dǎo)航路徑規(guī)劃及路徑跟蹤控制。其中導(dǎo)航控制器根據(jù)農(nóng)機的當(dāng)前位姿信息和目標路徑信息，按照某種導(dǎo)航控制策略，計算出轉(zhuǎn)向角度的期望值，即轉(zhuǎn)向角指令；轉(zhuǎn)向控制器根據(jù)農(nóng)機的當(dāng)前轉(zhuǎn)向角和來自導(dǎo)航控制器的轉(zhuǎn)向角指令，按照某種轉(zhuǎn)向控制策略，計算出對轉(zhuǎn)向執(zhí)行機構(gòu)的控制量，如頻率、電壓等，從而控制轉(zhuǎn)向執(zhí)行機構(gòu)的運轉(zhuǎn)，將農(nóng)機轉(zhuǎn)向輪轉(zhuǎn)動到轉(zhuǎn)向角指令要求的角度。 執(zhí)行單元是農(nóng)機轉(zhuǎn)向的執(zhí)行機構(gòu)，其作用是將轉(zhuǎn)向控制器的控制信號轉(zhuǎn)換為對農(nóng)機轉(zhuǎn)向輪的轉(zhuǎn)向力矩，使轉(zhuǎn)向輪發(fā)生轉(zhuǎn)動。轉(zhuǎn)向執(zhí)行機構(gòu)一般有機械式和液壓式兩種。機械式一般采用電機驅(qū)動農(nóng)機原轉(zhuǎn)向軸轉(zhuǎn)動，實現(xiàn)農(nóng)機轉(zhuǎn)向操作，安裝簡便、適應(yīng)性廣。而液壓式適用于液壓轉(zhuǎn)向方式的農(nóng)機，由自動轉(zhuǎn)向液壓回路直接控制轉(zhuǎn)向油缸的動作，實現(xiàn)農(nóng)機轉(zhuǎn)向操作。液壓式轉(zhuǎn)向執(zhí)行機構(gòu)轉(zhuǎn)向控制精度高、執(zhí)行速度快，具有操作簡便可靠、可靠性高等優(yōu)點。 監(jiān)控單元是導(dǎo)航系統(tǒng)的人機交互界面，一般由一臺田間計算機承擔(dān)。田間計算機的主要功能包括系統(tǒng)參數(shù)設(shè)定、導(dǎo)航任務(wù)管理、導(dǎo)航狀態(tài)監(jiān)視等功能。 2 農(nóng)機位置測量方法 農(nóng)機自動導(dǎo)航要解決的首要問題是農(nóng)機位姿測量，包括對農(nóng)機位置、航向、速度、車輪轉(zhuǎn)角等反映農(nóng)機當(dāng)前運動狀態(tài)的量的測量，其中最重要的是農(nóng)機當(dāng)前位置測量。位置測量可以采用 2 種方式，一是相對位置測量，即測量農(nóng)機與導(dǎo)航基線的相對位置，典型的相對位置測量方法是基于機器視覺的位置測量方法。另一種是絕對位置測量，即測量農(nóng)機在地理空間中的絕對位置，代表性的是基于全球?qū)Ш叫l(wèi)星系統(tǒng)（ global navigation satellite system， GNSS）的位置測量方法。 2.1 基于機器視覺的位置測量方法 機器視覺（ machine vision）主要用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。機器視覺技術(shù)最大的特點是速度快、信息量大、功能多?；跈C器視覺的農(nóng)機自動導(dǎo)航技術(shù)將攝像機作為位置測量傳感器，利用圖像處理技術(shù)識別作物行，進而確定導(dǎo)航基準線，實現(xiàn)農(nóng)機與作物的相對位置與航向信息的測量。目前，用于作物行識別和導(dǎo)航定位基準線檢測的方法主要包括 Hough 變換法、垂直投影法和最小二乘法等。 Hough 變換方法是應(yīng)用最為廣泛的一種直線段檢測方法， 基于 Hough 變換的導(dǎo)航基準線提取方法魯棒性好、受作物行缺苗和噪聲影響小，已成為研究最為廣泛的一種導(dǎo)航特征提取方法。 Searcy 等4最早將 Hough 變換引入到農(nóng)機導(dǎo)航特征提取中來，提出了一種基于 Hough 變換的作物行參數(shù)提取方法。 Bakker 等5首先通過攝像機標定，把圖像坐標系的作物行映射到世界坐標系得到平行的作物行，然后把多行疊加到一行，最后運用 Hough變換提取甜菜行。刁智華等6采用將 Hough 變換參數(shù) 空間范圍縮小到 45° 135° ,在考慮導(dǎo)航信息量和準確性的前提下，提取最重要的中間兩行作物行作為導(dǎo)航基線，在保證精度的同時，減少了計算量。但是 Hough 變換算法本身存在累加器峰值較難確定和重復(fù)線段多、時間復(fù)雜度和空間復(fù)雜度高等缺點。針對這些問題，許多學(xué)者提出了改進的 Hough 變換方法，包括基于過已知點的Hough 變換方法7、隨機 Hough 變換方法8-9和基于壟平行特征的改進 Hough 變換方法。 Sogaard 等10較早闡述垂直投影法，該方法先利用超綠特征對彩色圖像進行灰度化，然后用垂直投影的方法分割目標區(qū)域和非目標區(qū)域，確定作物行數(shù)和作物行中心線候選點。孫元義等11利用該方法對棉田圖像進行處理獲得棉田噴灑農(nóng)業(yè)機器人的導(dǎo)航基準線候選點，采用Hough 變換的方法提取出導(dǎo)航參數(shù)。馬紅霞等12用該方法找出導(dǎo)航定位點，并根據(jù)定位點位置設(shè)置感興趣區(qū)域，然后采用 Hough 變換在該區(qū)域內(nèi)對導(dǎo)航定位點擬合出導(dǎo)航基準線，試驗結(jié)果表明該方法具有較高的擬合精度，能夠滿足農(nóng)機田間作業(yè)導(dǎo)航要求。 最小二乘法也是一種常用的直線檢測方法，最小二乘法具有檢測速度快、精度高等優(yōu)點。司永勝等13提出了一種基于最小二乘法的早期作物行中心線檢測方法，該方法根據(jù)特征點進行兩次最小二乘法擬合，得到作物行中心線，對于有作物缺失的作物行，采用統(tǒng)計條形區(qū)域內(nèi)特征點數(shù)量的方法判別檢測結(jié)果的可信度，準確地檢測出了作物行中心線。 王新忠等14提出了基于機器視覺的壟間加熱管敏感區(qū)域提取方法，根據(jù)最小二乘法原理對導(dǎo)航離散點簇擬合得到 2 條加熱管邊緣線，在此基礎(chǔ)上給出中心導(dǎo)航基準線檢測算法，并針對光照不均勻和遮擋對導(dǎo)航路徑檢測進行了試驗。 除以上幾種作物行識別和導(dǎo)航基準線提取方法外，國內(nèi)外學(xué)者還提出了其他的作物行識別方法。如基于壟線消失點的算法15、基于先驗知識與消隱點算法16、基于隨機候選點提取直線的方法17、基于支持向量機的作物行識別方法18、基于掃描濾波的農(nóng)機局視覺導(dǎo)航基準線快速檢測方法19、基于紋理特征的作物行識別方法20、基于邊緣檢測與掃描濾波的農(nóng)機導(dǎo)航基準線提取方法21等。 2.2 基于 GNSS 的位置測量方法 目前能夠提供商業(yè)服務(wù)的 GNSS 包括美國的NAVSTAR GPS（ global positioning system）、俄羅斯的GLONASS（ global navigation satellite system）和中國的北斗系統(tǒng)，其中應(yīng)用時間最長、應(yīng)用范圍最廣泛的是美國的 GPS。 由于普通 GPS 接收機的定位精度只有 10 m 左右，無法滿足農(nóng)機導(dǎo)航控制的需求，目前農(nóng)機導(dǎo)航系統(tǒng)第 10 期 胡靜濤等：農(nóng)業(yè)機械自動導(dǎo)航技術(shù)研究進展 3 中普遍使用具有厘米級定位精度的 RTK-GPS（ real time kinematic）22。 OConnor 等23將高精度 RTK-GPS 應(yīng)用于農(nóng)機導(dǎo)航中，最早進行了具有實用價值的研究與探索。其利用一套四天線 RTK-GPS系統(tǒng)為一臺 John Deere 7800拖拉機提供位姿信息，在田間行駛速度 3.25 km/h 時，航向誤差不大于 0.1°，直線跟蹤標準差不大于 2.5 cm。日本國家農(nóng)業(yè)研究中心農(nóng)業(yè)機械及系統(tǒng)研究小組24使用天寶 2 cm 精度的 MS750 GPS 與 Japan Aviation Electronics 生產(chǎn)的 IMU JCS-7401A，對改造后的久保田 SPU650 型水稻收割機進行自動導(dǎo)航控制，實現(xiàn)了插秧精度平均橫向偏差小于3 cm，最大橫向偏差不大于 4 cm。 Perez-Ruiz 等25通過試驗研究對比了專用基站、 OmniSTAR 虛擬基站等多種差分修正信號對衛(wèi)星定位誤差的修正能力，根據(jù)試驗結(jié)果對不同作業(yè)需求給出 GPS 修正信號推薦建議。 Baio 26在 CASE 公司的 7700 甘蔗收割機上安裝了 Trimble 公司的自動導(dǎo)航系統(tǒng)，采用 Trimble 公司的 AgGPS RTK 450做基站，開展了對行精度、甘蔗損失及田間作業(yè)效率試驗研究，結(jié)果表明自動導(dǎo)航系統(tǒng)在白天和夜間都能提高對行精度，但甘蔗損失并沒有明顯降低，田間作業(yè)效率也與人工駕駛相同。 Ortiz 等27將基于 RTK-GPS 的自動導(dǎo)航系統(tǒng)應(yīng)用于花生收獲，并對采用不同種植方式時應(yīng)自動導(dǎo)航系統(tǒng)的經(jīng)濟效益進行了試驗研究，結(jié)果表明采用基于 RTK-GPS 的自動導(dǎo)航系統(tǒng)能夠減小產(chǎn)量損失、提高純收益。 Samuel 等28綜合考慮天氣條件、地形與障礙、完全性等多種因素，設(shè)計了一種基于 GPS 的農(nóng)業(yè)機器人平臺，并集成多種傳感器實現(xiàn)了環(huán)境信息檢測。 羅錫文等29對基于 RTK-GPS 的農(nóng)機自動導(dǎo)航控制系統(tǒng)進行了比較深入的研究，在東方紅 X-804 拖拉機上開發(fā)了基于 RTK-GPS 的自動導(dǎo)航控制系統(tǒng)，在拖拉機行進速度為 0.8 m/s 時，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。高雷等30采用模塊化設(shè)計思想，基于嵌入式技術(shù)和 CAN 總線技術(shù)，設(shè)計開發(fā)了一種基于 RTK-GPS 的農(nóng)機自動導(dǎo)航控制系統(tǒng)。周建軍等31、劉兆祥等32采用 Trimble RTK-GPS 4700 作為位置傳感器，使用簡化的二輪車模型，用模糊控制方法實現(xiàn)了農(nóng)機的直線和曲線路徑追蹤。 偉利國等33在 XDNZ630 型水稻插秧機上安裝了天寶 RTK-GPS 接收機 AgGPS332 進行定位， 采用模糊控制策略實現(xiàn)了直線路徑追蹤， 在 0.6 m/s的行駛速度下，最大追蹤誤差小于 10 cm。 2.3 基于多傳感器數(shù)據(jù)融合的位置測量方法 農(nóng)業(yè)機械自動導(dǎo)航系統(tǒng)的應(yīng)用環(huán)境，是一個復(fù)雜多變、非結(jié)構(gòu)化的野外農(nóng)田環(huán)境，每種位姿檢測方法都具有一定的局限性。如機器視覺的方法可能受作物生長狀況、惡劣天氣條件的影響，而 GNSS 容易受到周圍環(huán)境的干擾而影響定位精度。因為沒有一種單獨的位置傳感器能夠滿足所有不同應(yīng)用條件下農(nóng)業(yè)機械導(dǎo)航的需求，基于多傳感器數(shù)據(jù)融合的位置測量方法受到人們的普遍關(guān)注。一方面，它可以在一種傳感器測量失效時，自動切換到另一種可用的傳感器測量方式；另一方面，也能夠融合多種傳感器的數(shù)據(jù)，從而得到更好的測量結(jié)果。常見的多傳感器組合導(dǎo)航系統(tǒng)包括 GPS/INS、 GPS/DR 和INS/CNS 組合導(dǎo)航系統(tǒng)等。 基于多傳感器的數(shù)據(jù)融合就是利用系統(tǒng)的物理模型以及噪聲的統(tǒng)計特性，利用一定的估計準則來獲得系統(tǒng)的最優(yōu)狀態(tài)估計34。常用的估計方法包括 Kalman 濾波、粒子濾波、 H 濾波以及智能算法等。 Kalman 濾波是最常用的估計理論，它的主要思想是基于導(dǎo)航系統(tǒng)的物理模型和系統(tǒng)的狀態(tài)噪聲和量測噪聲模型，利用 Kalman 濾波器對系統(tǒng)的狀態(tài)向量進行估計。Liu 等35提出了一種雙濾波平滑 Kalman 濾波算法，該方法有效地解決了 GPS 信號中斷時，慣性導(dǎo)航累積誤差較大的問題，導(dǎo)航結(jié)果表明，在 GPS 中斷的情況下，平均定位精度提高了 95%以上。 Fakharian 等36提出了一種自適應(yīng) Kalman 濾波算法，車載試驗表明，與常規(guī) Kalman濾波相比，該方法具有較好的效果。黎永健等37采用MEMS 慣性傳感器加速度計和陀螺儀聯(lián)合測量農(nóng)機姿態(tài)角，采用 Kalman 濾波計算姿態(tài)角，實現(xiàn)對 GPS 定位數(shù)據(jù)的姿態(tài)校正，提高了導(dǎo)航定位準確性。周建軍等38將模糊邏輯和 Kalman 濾波相結(jié)合開展了 GPS 和航位推算（ dead reckoning， DR）組合導(dǎo)航定位方法研究，通過對 GPS、陀螺儀及速度傳感器數(shù)據(jù)的融合，提高了導(dǎo)航系統(tǒng)定位精度， x 方向和 y 方向平均誤差分別為 0.13 和 0.20 m。 Khoomboon39采用粒子濾波進行信息融合，利用位置已知的參考點坐標修正 GPS 的定位誤差，有效提高了導(dǎo)航定位精度。 籍穎等40在粒子濾波的重要密度函數(shù)中引入無跡 Kalman 濾波，并采用多項式重采樣算法和 Markov鏈蒙特卡羅方法，有效抑制了粒子退化和樣本貧化，仿真結(jié)果表明該方法可有效提高導(dǎo)航定位精度。 劉曉光等41-42結(jié)合 Kalman 濾波和 H 濾波的優(yōu)點，提出了一種采用自適應(yīng)魯棒波濾的農(nóng)機組合導(dǎo)航方法，根據(jù)濾波估計誤差方差陣實時調(diào)整 Kalman 濾波和 H 濾波的權(quán)重，提高了組合導(dǎo)航系統(tǒng)的精度和魯棒性。 3 農(nóng)機模型與導(dǎo)航路徑跟蹤控制方法 3.1 基于農(nóng)機運動學(xué)模型的導(dǎo)航路徑跟蹤控制方法 在農(nóng)機導(dǎo)航中，最典型、應(yīng)用最廣泛的是稱作二輪車模型的農(nóng)機運動學(xué)模型。在這種模型中，把農(nóng)機抽象為一個二輪車，用 4 組參量來描述農(nóng)機當(dāng)前位姿（參見圖 2），一是在大地直角坐標系中農(nóng)機后輪中心的坐標C(x,y)， m；二是農(nóng)機當(dāng)前的航向角 ， (°)；三是轉(zhuǎn)向輪當(dāng)前的轉(zhuǎn)角 ， (°)；最后是農(nóng)機當(dāng)前的速度矢量 v， m/s。另外還有一個常量，即農(nóng)機前后輪的軸距 L， m。農(nóng)機運動模型即是根據(jù)運動學(xué)原理，描述上述這些參量的相互關(guān)系的模型，如式（ 1）所示。 cossintanxvyvvL=（ 1） 式中： x、 y 是農(nóng)機后輪中心在大地直角坐標系統(tǒng)中的坐農(nóng)業(yè)工程學(xué)報（ http:/www.tcsae.org） 2015 年 4 標， m； 是農(nóng)機當(dāng)前的航向角， (°)； 是轉(zhuǎn)向輪當(dāng)前的轉(zhuǎn)角， (°)； v 是農(nóng)機當(dāng)前的速度矢量， m/s； L 是農(nóng)機前后輪的軸距， m。 注： C(x,y)是農(nóng)機后輪中心在大地直角坐標系統(tǒng)中的坐標， m； 是農(nóng)機當(dāng)前的航向角， (°)； 是轉(zhuǎn)向輪當(dāng)前的轉(zhuǎn)角， (°)； v 是農(nóng)機當(dāng)前的速度矢量， m·s-1；L 是農(nóng)機前后輪的軸距， m。 Note: C(x,y) is coordinates of central point of the rear wheels of agricultural vehicle. is current heading of the agricultural vehicle, (°). is turning angle of the turning wheels, (°). v is vehicle speed, m·s-1. L is distance between shafts, m. 圖 2 農(nóng)機二輪車運動學(xué)模型 Fig.2 Two wheels kinematics model of an agriculture vehicle 基于農(nóng)機運動學(xué)模型的導(dǎo)航路徑跟蹤，就是根據(jù)農(nóng)機當(dāng)前位置、航向參數(shù)，確定農(nóng)機轉(zhuǎn)彎方向、轉(zhuǎn)動角度，以讓農(nóng)機沿著既定的路線行駛。 OConnor 等43-44較早在二輪車模型的基礎(chǔ)上，建立了以農(nóng)機航向誤差及其變化率、轉(zhuǎn)向輪偏角及其變化率和位置誤差為狀態(tài)變量的農(nóng)機運動學(xué)模型，并且對該運動學(xué)模型進行線性化逼近，然后基于線性化后的模型設(shè)計了最優(yōu)導(dǎo)航控制器，并將其應(yīng)用到約翰迪爾的 7800 型拖拉機上進行了拖拉機的導(dǎo)航控制試驗，取得了很好的路徑跟蹤控制效果。 Bell45-46進一步擴展了 OConnor 的工作，設(shè)計了適合圓弧、螺旋線和任意曲線路徑的拖拉機路徑跟蹤控制的相關(guān)算法。李逃昌等47以二輪車模型為基礎(chǔ)，建立了以橫向偏差和航向偏差為狀態(tài)變量的農(nóng)機相對運動學(xué)模型，引入線性二次型最優(yōu)控制器，提高了導(dǎo)航控制精度及其穩(wěn)定性。孟慶寬等48建立了二自由度運動學(xué)模型和視覺預(yù)瞄模型，提出了一種基于粒子群優(yōu)化的自適應(yīng)模糊控制算法，車載試驗表明，在不同速度條件下該算法導(dǎo)航精度相對于常規(guī)模糊控制算法都有較大的提高。白曉平等49在基于非線性運動學(xué)模型的主控制器之上，增加了一個自校正控制器對控制量進行修正，既保留了基于運動學(xué)模型的控制方法的優(yōu)勢，又減小了不精確模型對導(dǎo)航控制的影響，提高了導(dǎo)航控制精度。 3.2 基于農(nóng)機動力學(xué)模型的導(dǎo)航路徑跟蹤控制方法 由于農(nóng)機本身的復(fù)雜性、土壤等農(nóng)田環(huán)境以及農(nóng)機具負載的不確定性的存在，導(dǎo)致農(nóng)機導(dǎo)航控制系統(tǒng)為一個復(fù)雜的不確定性系統(tǒng)。基于運動學(xué)模型的方法對農(nóng)機導(dǎo)航控制系統(tǒng)參數(shù)的變化和外部干擾不具有魯棒性，也沒有考慮到機具負載變化等情況導(dǎo)致的農(nóng)機動力學(xué)特性的變化，路徑跟蹤控制方法難以取得預(yù)期的效果。為此，人們尋求基于農(nóng)機動力學(xué)模型的導(dǎo)航控制方法。 根據(jù)牛頓第二定律，并且假設(shè) 、 很小，可以得到農(nóng)機的橫向力和力矩平衡方程如式（ 2）所示。 ()frzffrrmv v F FILFLF +=+=（ 2） 式中： Ff、 Fr分別為作用在農(nóng)機前后輪上的橫向力， N；Lf、 Lr分別為農(nóng)機前輪和后輪到農(nóng)機質(zhì)量中心的距離， m；m 為農(nóng)機的質(zhì)量， kg； Iz為農(nóng)機的轉(zhuǎn)動慣量， kg·m2； 為農(nóng)機的橫擺角速度， m/s； 為農(nóng)機的車體側(cè)偏角， （ °）。 Bevly 等50-51在大量辨識試驗的基礎(chǔ)上提出了一種航向率動力學(xué)模型，并基于該模型設(shè)計了 LQR 路徑跟蹤控制方法，解決了農(nóng)機在高速行駛時的導(dǎo)航控制問題。Eaton 等52-53將 Backstepping 控制方法應(yīng)用到農(nóng)機路徑跟蹤控制中，并且在控制方法的設(shè)計過程中考慮了轉(zhuǎn)向系動力學(xué)特性的影響，取得了較好的試驗效果。 Bao 等54建立了拖拉機的兩輪車動力學(xué)模型，采用 Kalman 濾波有效濾除了噪聲和重復(fù)性測量的影響，實現(xiàn)了對拖拉機運行狀態(tài)的估計。 3.3 模型無關(guān)的導(dǎo)航路徑跟蹤控制方法 為了避免建模不準確或者模型參數(shù)劇烈變化對農(nóng)機路徑跟蹤控制性能所產(chǎn)生的負面影響，有些學(xué)者便采用與模型無關(guān)的控制方法進行農(nóng)機路徑跟蹤控制器的設(shè)計。 在過程工業(yè)上被廣泛應(yīng)用的 PID 方法是基于誤差來生成消除誤差的控制策略，由于其設(shè)計過程中不依賴于數(shù)學(xué)模型，對線性或者非線性控制對象都適用，所以在農(nóng)機導(dǎo)航控制領(lǐng)域 PID 方法也得到了大量的應(yīng)用55-57。 純追蹤方法是一種幾何方法（參見圖 3），它不涉及復(fù)雜的控制理論知識，具有控制參數(shù)少、算法設(shè)計模擬人的駕駛行為具有預(yù)見性等特點，在農(nóng)機導(dǎo)航控制領(lǐng)域也得到了應(yīng)用。 注： G(VXg，VYg)為目標點在農(nóng)機本體坐標系中的坐標， m； 為農(nóng)機瞬時轉(zhuǎn)彎曲率， m-1； R 為農(nóng)機的瞬時轉(zhuǎn)彎半徑， m； d 為農(nóng)機相對于路徑的橫向位置誤差， m； Ld為前視距離， m； e為農(nóng)機當(dāng)前航向和目標點處期望航向之間的誤差， (°)； 為農(nóng)機沿著轉(zhuǎn)向弧線到達目標點時的航向變化角度， (°)；VX，VY 為農(nóng)機瞬時速度的橫向、縱向分量， m·s-1。 Note: G(VXg, VYg) is the coordinates of the target point in the agricultural vehicle coordinate system, m; is the instant turning curvature of the agricultural vehicle, m-1; R is the instant turning radius of the agricultural vehicle， m； d is the lateral error of the agricultural vehicle to the path， km； Ldis the forward-looking distance, m; is the heading error of the agricultural vehicle to the target heading, (°); eis the changing angle of the agricultural vehicle from the current point to the target point, (°); VX, VY is the transverse and longitudinal component of the agricultural vehicle speed, m·s-1. 圖 3 純追蹤方法的幾何表達 Fig.3 Geometric expression of pure pursuit method 黃沛琛等58-59根據(jù)地頭轉(zhuǎn)向的特點，利用 BP 神經(jīng)網(wǎng)絡(luò)確定前視距離，然后根據(jù)純追蹤算法確定農(nóng)機期望的轉(zhuǎn)向角。李逃昌等60-61采用帶有自調(diào)整函數(shù)的解析式模糊控制器對前視距離的大小進行在線自適應(yīng)調(diào)整，提出第 10 期 胡靜濤等：農(nóng)業(yè)機械自動導(dǎo)航技術(shù)研究進展 5 了一種基于模糊自適應(yīng)純追蹤模型的農(nóng)機路徑跟蹤方法，對不同的農(nóng)機行駛速度和不同的農(nóng)機與路徑間的初始誤差具有很好的適應(yīng)性和很好的控制效果；同時采用自適應(yīng)純追蹤模型確定農(nóng)機期望橫擺角速度，提出了一種農(nóng)機橫向位置控制與橫擺角速度控制二級級聯(lián)式控制策略，使農(nóng)機在機具負載變化或受到外部干擾時，仍然能保證橫擺角速度具有期望的響應(yīng)性能。 由于模糊控制具有仿人的智能性，不少學(xué)者基于模糊控制研究了農(nóng)機的路徑跟蹤控制方法。 Xue 等62基于模糊控制方法和可變視場機器視覺設(shè)計小型移動機器人在玉米田間的路徑跟蹤控制器，并通過實際田間試驗驗證了方法的有效性。劉兆祥等63設(shè)計了一種自適應(yīng)模糊控制算法，這種算法基于遺傳算法和 RTK-GPS 技術(shù)，并且將構(gòu)造的導(dǎo)航系統(tǒng)在田間進行了試驗。張漫等64設(shè)計了一種模糊自適應(yīng)農(nóng)機路徑跟蹤控制方法，該方法能夠有效地減弱控制過程的超調(diào)。陳寧等65通過對純追蹤模型跟蹤誤差因素的分析，提出了一種改進的純追蹤算法，將轉(zhuǎn)向控制分解為 3 個控制周期分步校正車體的航向角和轉(zhuǎn)向角，在前視距離 L 3vT（ v 為農(nóng)機速度， T 為控制周期）時可取得較好的跟蹤效果。陳康等66進一步改進了該控制算法，設(shè)計了一種兩步純追蹤航向校正算法，在 2 個控制周期內(nèi)完成了航向校正。 4 農(nóng)機自動導(dǎo)航技術(shù)發(fā)展展望 農(nóng)機自動導(dǎo)航技術(shù)經(jīng)過多年的發(fā)展已日臻成熟，特別是基于視覺和基于 GNSS/GIS 的導(dǎo)航技術(shù)已成為現(xiàn)代農(nóng)機自動導(dǎo)航系統(tǒng)的主流技術(shù)，在農(nóng)業(yè)生產(chǎn)實踐中得到了廣泛應(yīng)用，但農(nóng)機自動導(dǎo)航技術(shù)仍有許多問題需要深入研究。 4.1 采用衛(wèi)星導(dǎo)航技術(shù) 全球?qū)Ш叫l(wèi)星系統(tǒng) GNSS 的升級與擴展為農(nóng)機自動導(dǎo)航技術(shù)發(fā)展提供了技術(shù)手段。 目前美國 GPS 主要使用 L1、 L2 2 個頻段發(fā)送偽距碼，民用碼在 L1頻段傳送，精度更高的加密碼則同時在 L1、L2頻段傳送。近來年，美國對 GPS 進行了現(xiàn)代化升級，一方面在 L2頻段上增加了民用碼 L2C，另一方面又增加了一個民用頻段 L5。工作在 L1、 L2C、 L5頻段、具有更高定位精度和更高可靠性的三頻接收機將取代當(dāng)前廣泛應(yīng)用的雙頻接收機。 中國自行研制的全球衛(wèi)星定位與通信系統(tǒng)北斗衛(wèi)星導(dǎo)航系統(tǒng)（ beidou navigation satellite system， BDS），是繼美國的 GPS 和俄羅斯的 GLONASS 之后第 3 個成熟的衛(wèi)星導(dǎo)航系統(tǒng)，可在全球范圍內(nèi)全天候、全天時為各類用戶提供高精度、高可靠定位、導(dǎo)航、授時服務(wù)。北斗系統(tǒng)還具有獨特的短報文通信能力，可支持通信信息量較小、實時性要求高的用戶與用戶間雙向報文通信。2012 年 12 月 27 日，北斗系統(tǒng)空間信號接口控制文件正式版正式公布，北斗導(dǎo)航業(yè)務(wù)正式對亞太地區(qū)提供無源定位、導(dǎo)航、授時服務(wù)。北斗衛(wèi)星導(dǎo)航技術(shù)必將在中國精準農(nóng)業(yè)技術(shù)應(yīng)用中發(fā)揮重要作用。 4.2 高級導(dǎo)航技術(shù) 1）農(nóng)機地頭自動轉(zhuǎn)向控制技術(shù) 目前在農(nóng)業(yè)生產(chǎn)中獲得實際應(yīng)用的主要是一種稱為A-B 直線導(dǎo)航的技術(shù)。在導(dǎo)航開始之前，首先指定 A、 B 2 點的 GPS 坐標位置，設(shè)定直線 A-B 為導(dǎo)航基準線。在整個作業(yè)過程中，自動導(dǎo)航系統(tǒng)完成一系列與 A-B 線平行的路徑跟蹤，但在地頭調(diào)頭時仍由駕駛員操縱農(nóng)機。 農(nóng)機地頭自動轉(zhuǎn)向控制技術(shù)研究早已引起了科研人員的關(guān)注，但相關(guān)研究進展比較緩慢。 Cariou 等67-68研究了農(nóng)機地頭自動轉(zhuǎn)向的路徑規(guī)劃及運動控制問題，提出了環(huán)形、魚尾形轉(zhuǎn)向策略，采用帶有側(cè)滑角的運動學(xué)模型和模型預(yù)測控制方法，實現(xiàn)了農(nóng)機在地頭的自動轉(zhuǎn)向?qū)π?。黃沛琛等58-59使用直線組合進行地頭轉(zhuǎn)向路徑規(guī)劃，提出了一種基于改進純追蹤模型的農(nóng)機地頭轉(zhuǎn)向控制方法，仿真結(jié)果表明該方法路徑規(guī)劃簡單、占用空間小、跟蹤精度較高。 農(nóng)機地頭轉(zhuǎn)向要考慮許多因素，如地頭空間大小、農(nóng)機作業(yè)寬度、農(nóng)機轉(zhuǎn)向半徑等。農(nóng)機地頭轉(zhuǎn)向自動控制要綜合考慮這些影響因素，結(jié)合整體作業(yè)路徑規(guī)劃，確定有效的轉(zhuǎn)向方式，動態(tài)規(guī)劃出地頭轉(zhuǎn)向路徑，并控制農(nóng)機完成地頭轉(zhuǎn)向。相比于農(nóng)機直線導(dǎo)航技術(shù)，農(nóng)機地頭自動轉(zhuǎn)向控制技術(shù)研究才剛剛起步，實現(xiàn)有效實用的地頭自動轉(zhuǎn)向控制仍是農(nóng)機自動導(dǎo)航控制系統(tǒng)要解決的一個重要問題。 2）障礙物探測及主動避障技術(shù) 農(nóng)田多為開闊的空間，作業(yè)范圍內(nèi)很少有障礙物，因此目前的農(nóng)機自動導(dǎo)航系統(tǒng)都沒有考慮障礙物探測及避障問題，遇到緊急情況需要駕駛員處理。農(nóng)田中可能出現(xiàn)的障礙物主要有電線桿（塔）、大樹、人、其他農(nóng)機等，電線桿（塔）、大樹等靜態(tài)障礙物可以在路徑規(guī)劃時避開，但這增加了路徑規(guī)劃的復(fù)雜度。而人、其他農(nóng)機等動態(tài)出現(xiàn)在農(nóng)田中，只能在農(nóng)機作業(yè)過程中實時探測并采取必要的避障措施。障礙物探測及主動避障技術(shù)也是農(nóng)機導(dǎo)航系統(tǒng)要解決的一個重要問題。 障礙探測可采用機器視覺識別技術(shù)、激光測距技術(shù)等。最簡單的避障措施是暫時停機，如作業(yè)路徑前方出現(xiàn)人或其他農(nóng)機時，就可以控制農(nóng)機停下來，待人或農(nóng)機移開后繼續(xù)作業(yè)。較為高級的避障措施，是根據(jù)識別出的障礙物情況，實時規(guī)劃避障路徑，控制農(nóng)機繞開障礙物。 障礙物探測及主動避障技術(shù)在智能交通、機器人領(lǐng)域有許多研究成果可以借鑒，但由于農(nóng)機自動導(dǎo)航系統(tǒng)運行環(huán)境的特殊性，還需要結(jié)合農(nóng)機自動導(dǎo)航的實際需求開展有針對性的研究。 3）多機協(xié)同導(dǎo)航技術(shù) 農(nóng)業(yè)生產(chǎn)集約化、規(guī)?；a(chǎn)業(yè)化是現(xiàn)代農(nóng)業(yè)的發(fā)展趨勢，隨著農(nóng)業(yè)機械化水平的迅速提高，為提高田間作業(yè)效率、降低能源消耗，多臺同種或異種農(nóng)機在田間聯(lián)合作業(yè)的農(nóng)機集群作業(yè)模式，逐漸成為大規(guī)模農(nóng)機應(yīng)用的發(fā)展趨勢。 農(nóng)業(yè)工程學(xué)報（ http:/www.tcsae.org） 2015 年 6 多機聯(lián)合作業(yè)有 2 種形式，一種是多臺同類型農(nóng)機在田間共同作業(yè)，其中一臺主機作為領(lǐng)航機，其他為從機跟隨主機共同完成播種、噴藥、施肥、收割等田間作業(yè)。另一種是主從協(xié)同作業(yè)，從機根據(jù)主機的要求配合主機作業(yè)，如收割機 -運糧車間的主從協(xié)同作業(yè)，在收割機提出卸糧請求時，運糧車自動跟隨收割機行進并配合收割機完成卸糧作業(yè)。 多機聯(lián)合作業(yè)對農(nóng)機導(dǎo)航系統(tǒng)提出了新的技術(shù)挑戰(zhàn)，多機協(xié)同導(dǎo)航技術(shù)是下一代農(nóng)業(yè)機械導(dǎo)航系統(tǒng)要解決的一項關(guān)鍵技術(shù)69。多機協(xié)同導(dǎo)航首先要對主機、從機的作業(yè)路徑進行全局規(guī)劃，作業(yè)過程中主機與從機之間要建立通信聯(lián)系，協(xié)同完成導(dǎo)航控制。 4.3 農(nóng)機物聯(lián)網(wǎng)技術(shù) 物聯(lián)網(wǎng)是以電子標簽和電子編碼為基礎(chǔ)， 建立在互聯(lián)網(wǎng)基礎(chǔ)上的實物互聯(lián)網(wǎng)絡(luò)。近年來，隨著智能農(nóng)業(yè)、精準農(nóng)業(yè)的發(fā)展，物聯(lián)網(wǎng)技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用逐步拓寬，在農(nóng)業(yè)環(huán)境監(jiān)測、溫室控制、節(jié)水灌溉、氣象監(jiān)測、產(chǎn)品安全與溯源、設(shè)備智能診斷管理等方面取得了良好的應(yīng)用效果。 在農(nóng)機自動導(dǎo)航應(yīng)用方面，農(nóng)機物聯(lián)網(wǎng)技術(shù)主要應(yīng)解決 3 個層面的物聯(lián)：一是單機自動導(dǎo)航系統(tǒng)各功能部件之間的車載物聯(lián)，二是多臺農(nóng)機之間的機群物聯(lián)，三是農(nóng)機與監(jiān)控中心的遠程物聯(lián)。目前車載物聯(lián)主要采用基于 ISO 11783 協(xié)議標準的農(nóng)機總線通信技術(shù)，機群物聯(lián)和遠程物聯(lián)尚沒有統(tǒng)一標準。 5 結(jié) 論 現(xiàn)代農(nóng)機自動導(dǎo)航系統(tǒng)一般由檢測單元、控制單元、執(zhí)行單元及監(jiān)控單元四部分組成，檢測單元負責(zé)農(nóng)機當(dāng)前位置與姿態(tài)的檢測，控制單元負責(zé)導(dǎo)航路徑規(guī)劃及路徑跟蹤控制，執(zhí)行單元執(zhí)行控制單元的控制指令，監(jiān)控單元則作為人機交互界面承擔(dān)導(dǎo)航任務(wù)監(jiān)控功能。 在農(nóng)機自動導(dǎo)航系統(tǒng)中，農(nóng)機位置測量方法和導(dǎo)航路徑跟蹤控制方法是二項核心技術(shù)。現(xiàn)代農(nóng)機自動導(dǎo)航系統(tǒng)中，位置測量主要有基于機器視覺的相對測量方法、基于全球?qū)Ш叫l(wèi)星系統(tǒng) （ global navigation satellite system，GNSS）的絕對測量方法，多傳感器數(shù)據(jù)融合技術(shù)也常用于位置測量中，以得到更好的測量結(jié)果。導(dǎo)航路徑跟蹤控制方法則主要包括基于農(nóng)機運動學(xué)或動力學(xué)模型的控制方法、以及模型無關(guān)的控制方法。 農(nóng)機自動導(dǎo)航技術(shù)經(jīng)過多年的發(fā)展已日臻成熟，在農(nóng)業(yè)生產(chǎn)實踐中得到了廣泛應(yīng)用。但是農(nóng)機自動導(dǎo)航技術(shù)仍有許多問題需要深入研究，地頭自動轉(zhuǎn)向控制技術(shù)、障礙物檢測與主動避障技術(shù)、多機協(xié)同導(dǎo)航技術(shù)、農(nóng)機物聯(lián)網(wǎng)技術(shù)將是下一代農(nóng)業(yè)機械自動導(dǎo)航系統(tǒng)的研究重點。 參 考 文 獻 1 Willrodt F L. Steering attachment for tractorsP. U. S. Patent :1506706, 1924. 2 Andrew F W. Automatic tractor controlP. U. S. Patent: 2259193, 1941. 3 趙春江 . 精準農(nóng)業(yè)研究與實踐 M. 北京：科學(xué)出版社，2009. 4 Searcy S W, Reid J F. Detecting crop rows using the Hough TransformC/ ASAE Annual Meeting. St. Joseph, MI,1986. 5 Bakker T, Wouters H, Van A K, et al. A vision based row detection system for sugar beetJ. Computers and Electronics in Agriculture, 2008, 60(1): 87 95. 6 刁智華，王會丹，宋寅卯 . 基于機器視覺的農(nóng)田機械導(dǎo)航線提取算法研究 J. 農(nóng)機化研究， 2015,37(2):35