排序方式： 共有91条查询结果，搜索用时 46 毫秒
31.
为了提高自动驾驶系统对车身纵向速度和滑移工况等影响因素的自适应能力,提出了一种基于航向预估模型的路径跟踪控制算法。首先对NF-752型履带式拖拉机进行适应性改造,将其手动转向机构和无级变速机构改造为大扭矩舵机控制,通过绝对值编码器测量两侧履带转速,利用RTK-GNSS定位系统测量车辆地理位置和车身速度,结合车载计算机和底层控制器搭建了自动驾驶系统试验平台。然后以车身速度和两侧履带速度为状态变量,考虑履带滑移率建立了航向预估控制模型,进而提出了一种基于航向预估模型的路径跟踪控制方法。最后在沥青路面分别以低速（1 km/h）、中速（5 km/h）和高速（9 km/h）进行了直线路径跟踪试验,结果显示,在不同作业速度条件下,路径跟踪误差无明显差异,最大跟踪误差为-2.00 cm,标准差为0.93 cm。进行了田间曲线路径跟踪试验,结果显示,当拖拉机以6 km/h速度跟踪曲线路径时,跟踪误差优于10 cm,在滑移区域无明显误差增大现象。试验表明,提出的航向预估控制方法对作业速度有较好的适应性,一定程度上克服了滑移现象对控制精度的影响,可满足履带拖拉机耕整地作业精度要求。 相似文献
32.
拖拉机自动转向系统容错自适应滑模控制方法 总被引：1，自引：1，他引：0
为提高拖拉机自动转向系统的可靠性,该文提出了一种具有前轮转角容错检测能力的径向基函数(radial basis function,RBF)网络自适应滑模控制方法。综合考虑拖拉机姿态信息和控制输出,基于卡尔曼滤波算法推导得出拖拉机前轮转角的两个估计值,并结合角度编码器实际测量值设计了前轮转角容错检测输出算法;以容错输出算法的输出值作为状态量,提出一种利用RBF网络进行干扰补偿的前轮角度自适应滑模控制方法,并通过仿真试验验证了算法的有效性。开展了拖拉机前轮转角容错检测和自动控制试验,结果显示:基于侧向加速度的转角预估值最大误差为2.94?,均方根误差为0.81?;基于横摆角速度的转角预估值的最大误差为1.73?,均方根误差为0.12?;当人为施加故障干扰时,算法可以提供容错的转角输出;拖拉机转向控制系统可以快速跟踪期望前轮角度且超调量较小,最大控制误差为0.21?,均方根误差为0.07?。试验结果表明,容错自适应滑模控制方法提高了自动转向控制系统的可靠性和准确性,有助于解决拖拉机前轮转角测量装置故障率高的问题。 相似文献
33.
根据福建农村居民2000~2009年收入和消费支出相关数据,把农村居民消费支出分为食品、衣着、居住、家庭设备、用品及服务、医疗保健、交通和通讯、文教娱乐用品及服务、其他商品和服务等消费支出,从纵向变化上、不同设区市间、不同收入群体、城乡家庭间比较分析福建农村居民消费结构的特点。 相似文献
34.
基于机器视觉的草地蝗虫识别方法 总被引：6，自引：6，他引：0
为了准确、自动地提取蝗虫信息进行蝗灾测报,提出了一种基于机器视觉的草地蝗虫识别方法,用于超低空蝗灾预警系统所自动采集的视频中草地蝗虫头数信息的提取。该方法先根据跃起草地蝗虫的背景构成,把原始图像分为天空子图像和草地子图像;然后,采用帧间差分法检测两子图像中的运动区域;最后,运用蝗虫的形态特征因子对检测的运动区域进行再分类,识别跃起蝗虫。把自动识别的跃起蝗虫头数,带入建立的跃起蝗虫头数与和地面蝗虫头数之间的数学模型中,从而得到地面蝗虫的数量,进行地面上草地蝗虫的间接计数。试验结果表明:跃起草地蝗虫的识别率为80%～100%,由建立跃起蝗虫和地面蝗虫的之间模型计算的地面草地蝗虫的精度大于80%。因此,基于机器视觉的草地蝗虫识别方法能满足蝗虫精准测报的要求。 相似文献
35.
36.
37.
38.
39.
为了获取农田作物产量分布信息，发展数字农业，研究了机收时粮食产量分布信息的获取和分析方法。借助于全球定位系统和地理信息系统，经过坐标转换等数据处理，快速生成计划收割区域的数字地图，在机载计算机上实时显示联合收获机行走的轨迹。对测产系统各传感器信息进行数据处理，由动态产量数据值及其定位信息，实时绘制采样点粮食产量分布图，结合割台高度信息，实时获取收获面积。借助于后处理手段，对实测数据进行空间数据分析，得到准确的粮食产量分布。本系统能快速生成待收割区域的数字地图，能实时显示联合收割机行走轨迹、产量波形曲线、产量分布图，实时显示收割面积。粮食产量分布信息数字化，为精准农业生产提供指导。 相似文献
40.