首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 484 毫秒
1.
基于Kalman滤波和纯追踪模型的农业机械导航控制   总被引:8,自引:0,他引:8  
以KUBOTA SPU-68水田插秧机为试验平台,以RTK-DGPS为主要导航方式,辅以航向姿态参考系统AHRS500GA-227,研究提高农业机械导航控制精度的方法.在重点对GPS倾斜误差校正的基础上,设计了Kalman滤波器对定位数据进行平滑处理,同时实现磁航向传感器偏移误差的在线辨识与航向校正.采用纯追踪模型实现农业机械直线跟踪控制,基于ITAE优化准则,仿真研究了最佳前视距离的确定方法.试验结果表明:GPS倾斜误差校正和Kalman滤波后的导航参数可以更真实地反映插秧机水田实际运动状态;纯追踪模型可以用于插秧机田间作业直线导航,当行进速度0.6m/s时,直线跟踪最大误差小于0.17m,平均误差小于0.02m.  相似文献   

2.
为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明:滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。  相似文献   

3.
GNSS/MIMU/DR的农业机械组合导航定位方法   总被引:1,自引:0,他引:1  
为解决实际农田环境中农业机械自动导航系统的位姿信息易受跟踪卫星数动态变化、天线遮挡、数据传输错误等因素影响,造成定位精度和稳定性变差的问题,采用全球导航卫星系统(GNSS)、微机械惯性测量单元(MIMU)及航位推算(DR)相融合的组合导航定位系统,建立了农业机械两轮运动学定位模型,针对系统状态噪声不稳定的因素,提出了一种根据当前估计值与预测值的偏差自适应地调节系统状态协方差阵的扩展卡尔曼滤波算法,并分别基于静止状态和直线导轨运动状态进行了试验验证。试验结果表明,在静止状态和直线导轨运动状态下,采用自适应滤波算法的航向角平均值绝对偏差分别为0.0014°、0.0245°,标准差分别为0.0474°、0.2511°;位置距离平均偏差分别为0.0037m、0.0076m,标准差分别为0.0010m、0.0044m,与固定值滤波算法相比,自适应滤波算法的各项评价指标得到了明显改善,进一步验证了算法改进的必要性和优越性。  相似文献   

4.
为解决实际农田环境中农业机械自动导航系统的位姿信息易受跟踪卫星数动态变化、天线遮挡、数据传输错误等因素影响,造成定位精度和稳定性变差的问题,采用全球导航卫星系统(GNSS)、微机械惯性测量单元(MIMU)及航位推算(DR)相融合的组合导航定位系统,建立了农业机械两轮运动学定位模型,针对系统状态噪声不稳定的因素,提出了一种根据当前估计值与预测值的偏差自适应地调节系统状态协方差阵的扩展卡尔曼滤波算法,并分别基于静止状态和直线导轨运动状态进行了试验验证。试验结果表明,在静止状态和直线导轨运动状态下,采用自适应滤波算法的航向角平均值绝对偏差分别为0.001 4°、0.024 5°,标准差分别为0.047 4°、0.251 1°;位置距离平均偏差分别为0.003 7 m、0.007 6 m,标准差分别为0.001 0 m、0.004 4 m,与固定值滤波算法相比,自适应滤波算法的各项评价指标得到了明显改善,进一步验证了算法改进的必要性和优越性。  相似文献   

5.
基于DGPS与双闭环控制的拖拉机自动导航系统   总被引:1,自引:0,他引:1  
以东方红X-804型拖拉机为平台,设计了一种基于RTK-DGPS定位和双闭环转向控制相结合的自动导航系统,研究提高农业机械导航控制精度的方法。阐述了导航系统整体设计方案,以RTK-DGPS和AHRS500GA分别提供位置信息和辅助修正信息实现准确定位,以电控液压转向系统实现转向控制。分析了整体控制的策略,建立了路径跟踪的传递函数模型,阐述了双闭环转向控制算法的建立过程,以及控制器的硬件实现。试验结果表明:GPS定位数据经过校正后,平均偏差降低至0.031 m;双闭环控制算法提高了自动转向系统性能,稳态时方波信号以及正弦波信号的跟踪误差平均值为0.40°;在拖拉机田间作业跟踪过程中,路径跟踪误差平均值不超过0.019 m,转向轮偏角跟踪误差平均值为0.43°,标准差不超过0.041 m。  相似文献   

6.
基于自校准变结构Kalman的农机导航BDS失锁续航方法   总被引:2,自引:0,他引:2  
针对农机自动导航作业过程中存在的BDS信号失锁导致系统突然失控的问题,提出了一种适用于轮式农机的基于自校准变结构Kalman滤波器的农机导航BDS失锁续航方法。依据4自由度农机运动学模型,设计了BDS/INS信息融合Kalman滤波器;进行INS导航定位误差不确定度分析,并设计了基于自回归模型的航向校准方法、INS传感器角速率测量零偏实时校准方法,结合上述方法设计了自校准变结构滤波器,进行位姿信息处理,结合导航跟踪控制方法实现失锁续航功能。根据分米级精度要求,进行了机器人直线、矩形路径失锁续航试验和农机田间直线续航试验。机器人续航试验结果表明:行驶速度为1 m/s时,与运用未校准滤波器的续航系统相比,该方法实际平均横向偏差减小34%,横向偏差达到20 cm时机器人在路径上的平均行驶距离提高80%。农机田间续航试验结果表明:行驶速度为1 m/s时,在实际偏差小于20 cm的条件下,农机在路径上的行驶平均距离达到16. 65 m。  相似文献   

7.
久保田插秧机的GPS导航控制系统设计   总被引:13,自引:3,他引:13  
将计算机技术、传感器技术、GPS技术和数据通讯技术等集成和融合,在久保田插秧机上开发了基于DGPS和电子罗盘的导航控制系统.论述了导航控制系统的结构和工作原理,提出了一种利用航向跟踪实现路径跟踪的控制方法.仿真和试验结果表明,该控制方法简单有效,导航控制系统可以控制插秧机按预定的路线行走.速度为0.75 m/s,直线路径跟踪时,平均误差0.04 m,最大误差0.13 m;速度为0.33 m/s,圆曲线路径跟踪时,平均误差0.04 m,最大误差0.087 m.  相似文献   

8.
基于模糊控制的农用车辆路线跟踪   总被引:20,自引:5,他引:15  
构建了自动导航模糊控制器,并详细阐述了基于模糊控制的自动转向方法.在改装的电瓶车上,开发了基于DGPS、电子罗盘和角度传感器的自动导航控制系统,并论述了其结构和工作原理,提出了直线跟踪和曲线跟踪的方法,使用简化的二轮车运动学模型进行了仿真,并进行了直线跟踪和曲线跟踪试验.仿真和试验结果表明,此导航控制系统可以有效地控制电瓶车按预定的路径行走.当速度为1m/s,直线路径跟踪时的最大偏差为0.19m;当速度为0.8m/s,曲线路径跟踪时的最大偏差为0.26m.  相似文献   

9.
周俊  张鹏  刘成良 《农业工程》2010,(12):254-258
GPS广泛用于农业机械导航研究中,其定位误差信号一般存在明显的自相关性,不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此,建立了GPS定位误差AR模型,结合卡尔曼估计结果来预测和修正GPS定位误差,再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明,无论GPS接收机是在静止还是在运动条件下,处理后的定位误差信号自相关性都明显降低,近似为白噪声;目标路径直线时的最大跟踪误差约为0.15 m,为曲线时,最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。  相似文献   

10.
在分析混联机床并联轴定位精度的激光干涉测量原理和方法的基础上,采用干涉法检测了并联轴Z向的定位精度和重复定位精度,做出了并联轴的平均偏差特性曲线,获得了其线性位移定位误差数学模型;利用最小二乘法得到了混联机床并联轴定位误差补偿模型和增量补偿特性曲线;推导了并联机构动平台位姿和各驱动杆杆长的求解过程,进而对混联机床并联轴定位精度进行了有效补偿,得到了一种并联轴定位精度激光干涉测量方法和误差补偿模型的建立方法.  相似文献   

11.
为提高农机车载GPS和DR组合导航系统定位的精度,将模糊逻辑和卡尔曼滤波相结合,研究了模糊自适应卡尔曼滤波算法,在线修正系统量测噪声协方差阵.该算法在改装的农机车上进行了试验.试验表明,模糊自适应卡尔曼滤波能抑制异常值对系统定位精度的影响,定位精度较单个GPS高.系统使用模糊自适应卡尔曼滤波后,x方向和y方向平均误差分别为0.13m和0.20m,定位曲线得到了平滑.  相似文献   

12.
无人驾驶是农用机械车辆未来的发展趋势。为此,选择GPS/INS组合导航的定位方式对整平机进行速度控制和精确定位。首先,利用卡尔曼滤波算法将惯性导航中的高精度惯性传感器与磁力计进行数据融合,由解算出的航向角可得到整平机的偏航信息;然后,利用扩展卡尔曼滤波算法将惯性导航与GPS输出的导航参数进行融合。实验表明:组合导航输出的导航参数能够精确跟踪整平机实际的位置和速度信息,输出的姿态角精度满足实际要求。  相似文献   

13.
为解决移动机器人在同时定位和建图(Simultaneous localization and mapping,SLAM)技术中普遍存在状态精度不高、稳定性差、计算复杂等问题,提出一种基于迭代平方根中心差分卡尔曼滤波(Iterated square root central difference Kalman filter,ISRCDKF)的SLAM自主定位算法,以满足SLAM过程中的实时性、准确性等要求。该算法使用中心差分变换处理SLAM的非线性问题,避免了泰勒公式展开中雅可比矩阵复杂运算;同时在滤波更新过程中,通过直接传递协方差矩阵的平方根因子减少算法的复杂度;在迭代观测更新过程中,使用列文伯格-马夸尔特(Levenberg-Marquardt,L-M)优化方法引入调节参数,实时修正协方差矩阵,达到提高算法精度、增强稳定性的目的。仿真结果表明,在相同的数据模型和噪声环境下,本文提出的ISRCDKF-SLAM算法与基于扩展卡尔曼滤波(Extended Kalman filter,EKF)的SLAM算法、无迹卡尔曼滤波(Unscented Kalman filter,UKF)的SLAM算法和容积卡尔曼滤波(Cubature Kalman filter,CKF)的SLAM算法相比,均方根误差分别降低了47.3%、32.7%和25.0%;与相同计算复杂度的UKF-SLAM算法和CKF-SLAM算法相比,新算法的运行时间分别减少了15.1%和10.8%。将新算法嵌入到移动机器人平台进行现场实验验证,进一步证明了该算法的实用性和有效性。  相似文献   

14.
割草机器人GPS/DR组合导航系统的研究   总被引:2,自引:0,他引:2  
以割草机器人为主要研究对象,运用卡尔曼滤波将GPS接收机和数字罗盘构成GPS/DR组合导航系统,克服了以前割草机器人导航方式的缺点,显著改善了导航定位精度。为此,论述了GPS/DR组合导航系统的原理,介绍了试验情况并进行了数据分析,最后总结了其应用前景。  相似文献   

15.
针对开沟作业过程中存在作业深度依靠人工监测准确性低、人工工作量大等问题,研制了一种基于LabVIEW的开沟深度监测系统,配套搭建了单片机下位机系统,实现了开沟深度等参数的实时监测、计算、显示与保存。为了降低作业环境、机具抖动对数据造成的影响,分别采用中值滤波、卡尔曼滤波、小波降噪-卡尔曼滤波3种滤波方法对数据进行滤波修正处理。试验验证表明:系统能够实时监测开沟作业过程中的开沟深度,并实时计算开沟深度平均值、开沟深度标准差、开沟深度稳定、作业时间等参数;对比3种滤波算法,小波降噪-卡尔曼滤波降噪效果最好,能够实现对数据的滤波修正处理,修正后系统准确性较好,能够满足系统设计需求。  相似文献   

16.
基于自适应卡尔曼滤波算法确定汽车参考车速   总被引:8,自引:2,他引:8  
为提高汽车制动防抱死系统(ABS)控制过程中车轮滑移率计算的准确度,利用四个车轮传感器的轮速信号,基于自适应卡尔曼滤波算法对ABS控制过程中的参考车速进行估计.通过实车试验数据,对算法在雪路面、平直沥青路面和对接路面上的有效性进行了检验.  相似文献   

17.
基于卡尔曼滤波融合算法的深松耕深检测装置研究   总被引:1,自引:0,他引:1  
为提高实时检测耕深的准确性,设计了基于超声波传感器和红外传感器以及卡尔曼滤波融合算法的耕深检测装置,采用超声波传感器通过渡越时间法测量耕深,采用红外传感器通过三角测距法测量耕深,通过卡尔曼滤波融合算法滤除两传感器检测数据中的杂波,并进行融合。室内试验表明,在平整地面,红外传感器检测效果优于超声波传感器;在秸秆覆盖地面,超声波传感器检测效果优于红外传感器。经卡尔曼滤波融合后的数据能充分利用两传感器在不同环境中检测的有效数据。在设定耕深为30 cm和40 cm的田间试验中,超声波传感器滤波数据的平均值分别为29.51 cm和38.79 cm,深松深度变异系数分别为2.51%和3.10%;红外传感器滤波数据的平均耕深分别为32.06 cm和41.52 cm,深松深度变异系数分别为2.41%和2.76%;而经卡尔曼滤波融合后的数据平均耕深分别为30.06 cm和39.95 cm,深松深度变异系数分别为1.07%和1.00%,说明采用滤波融合后的检测数据比单个传感器更能准确检测耕深和反映耕深变化趋势。  相似文献   

18.
为了提高农用无人机速率与位置的估算精度,同时降低无人机制作成本,提出了一种对于农用无人机容易实现的传感器数据融合算法,即通过使用离散型卡尔曼滤波,提高实验对象在三维空间中位置和速率变化的估算精度。由于传统的惯性测量系统存在体积大、造价高等缺点,而廉价的惯性测量传感器又存在较大的飘移,因此结合农用无人机航拍的工作环境采用全球定位系统(GPS)提供位置的测量,由惯性导航系统(INS)给出加速度,并由光流传感器提供速度的测量加以辅助。最终,通过实验验证了该算法的有效性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号