農(nóng)業(yè)機(jī)械導(dǎo)航關(guān)鍵技術(shù)發(fā)展分析

張琳潔，張文愛(ài)，韓應(yīng)征，周建軍，王　秀，蔡吉晨

(1.太原理工大學(xué) 信息工程學(xué)院，太原　030024；2.北京農(nóng)業(yè)智能裝備技術(shù)研究中心，北京　100097：3.國(guó)家農(nóng)業(yè)智能裝備工程技術(shù)研究中心，北京　100097；4.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京　100097；5.農(nóng)業(yè)智能裝備技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京　100097；6.中國(guó)農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，北京　100083)

?

農(nóng)業(yè)機(jī)械導(dǎo)航關(guān)鍵技術(shù)發(fā)展分析

張琳潔1,2，張文愛(ài)1，韓應(yīng)征1，周建軍2,3,4,5，王秀2,3,4,5，蔡吉晨2,6

(1.太原理工大學(xué) 信息工程學(xué)院，太原030024；2.北京農(nóng)業(yè)智能裝備技術(shù)研究中心，北京100097：3.國(guó)家農(nóng)業(yè)智能裝備工程技術(shù)研究中心，北京100097；4.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京100097；5.農(nóng)業(yè)智能裝備技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京100097；6.中國(guó)農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，北京100083)

摘要：自動(dòng)導(dǎo)航技術(shù)是農(nóng)業(yè)機(jī)械在農(nóng)業(yè)環(huán)境中進(jìn)行自主控制和智能控制的關(guān)鍵技術(shù)，對(duì)農(nóng)業(yè)生產(chǎn)精細(xì)化、規(guī)?；⒅悄芑芯坑兄匾饬x。為此，首先介紹了農(nóng)業(yè)自動(dòng)導(dǎo)航的關(guān)鍵技術(shù)，并通過(guò)分析國(guó)內(nèi)外文獻(xiàn)，闡述了國(guó)內(nèi)外在導(dǎo)航感知系統(tǒng)、導(dǎo)航控制算法和車輛轉(zhuǎn)向控制系統(tǒng)方面的研究現(xiàn)狀，最后指出農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航技術(shù)的發(fā)展趨勢(shì)和展望。

關(guān)鍵詞：農(nóng)業(yè)車輛；自動(dòng)導(dǎo)航；智能控制

0引言

農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航技術(shù)是現(xiàn)代精準(zhǔn)農(nóng)業(yè)的一個(gè)重要組成部分，在農(nóng)業(yè)作業(yè)中有著廣闊的應(yīng)用和發(fā)展前景。隨著信息技術(shù)的發(fā)展，農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航技術(shù)發(fā)展迅速。農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航技術(shù)的實(shí)現(xiàn)有利于提高勞動(dòng)生產(chǎn)效率、降低駕駛難度、提高作業(yè)質(zhì)量、解放勞動(dòng)力，對(duì)農(nóng)業(yè)車輛的智能化、農(nóng)業(yè)生產(chǎn)的精細(xì)化有重大促進(jìn)作用。

1導(dǎo)航關(guān)鍵技術(shù)介紹

農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航系統(tǒng)的關(guān)鍵技術(shù)主要包括3個(gè)方面：導(dǎo)航感知系統(tǒng)、控制決策系統(tǒng)及車輪轉(zhuǎn)向控制系統(tǒng)。其中，導(dǎo)航感知系統(tǒng)主要是利用導(dǎo)航傳感器對(duì)農(nóng)業(yè)機(jī)械進(jìn)行精確定位，目前國(guó)內(nèi)外常用的導(dǎo)航方法有：GPS、機(jī)器視覺(jué)、慣性導(dǎo)航單元，以及多種傳感器融合的組合導(dǎo)航單元和其它導(dǎo)航方法。導(dǎo)航控制決策系統(tǒng)主要是選擇合適的控制算法，對(duì)車輛的轉(zhuǎn)向進(jìn)行控制，調(diào)節(jié)車輛的車輪轉(zhuǎn)角以減少行駛路徑與預(yù)定義路徑的偏差[1]，常用的控制方法有：PID控制、模糊控制和神經(jīng)網(wǎng)絡(luò)控制等智能控制方法、最優(yōu)控制方法，以及多種方法相融合的控制方法[2-3]。車輛轉(zhuǎn)向控制系統(tǒng)常用的控制方法有：電機(jī)驅(qū)動(dòng)控制、液壓控制閥組系統(tǒng)及在上述控制方法中加裝其它控制模塊的控制方法。自動(dòng)導(dǎo)航系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1　自動(dòng)導(dǎo)航系統(tǒng)框圖

1.1導(dǎo)航環(huán)境感知

1.1.1機(jī)器視覺(jué)

機(jī)器視覺(jué)(machine vision)是利用計(jì)算機(jī)和工業(yè)攝像機(jī)模擬人類視覺(jué)功能的科學(xué)方法。在導(dǎo)航控制系統(tǒng)中，視覺(jué)傳感器主要是識(shí)別路線和檢測(cè)障礙物及檢測(cè)農(nóng)業(yè)機(jī)械車輛相對(duì)目標(biāo)作物行的位置和航向，使農(nóng)機(jī)完成路徑跟蹤的自動(dòng)駕駛作業(yè)或?qū)崿F(xiàn)農(nóng)機(jī)避障的駕駛作業(yè)[3]。機(jī)器視覺(jué)檢測(cè)范圍大，容易得到豐富的目標(biāo)信息，系統(tǒng)的成本較低；但由于農(nóng)田作業(yè)環(huán)境復(fù)雜、多變，導(dǎo)航過(guò)程中機(jī)器視覺(jué)精度較難控制且視覺(jué)系統(tǒng)要求農(nóng)業(yè)機(jī)械的行駛速度較慢，對(duì)作業(yè)車輛的駕駛要求也較高。同時(shí)，視覺(jué)系統(tǒng)在數(shù)據(jù)處理時(shí)較難與車輛的行駛同步進(jìn)行，系統(tǒng)的實(shí)時(shí)性較差。

1.1.2GPS定位系統(tǒng)

全球定位系統(tǒng)簡(jiǎn)稱GPS，是一種可全天候工作的定位系統(tǒng)，由圍繞地球軌道運(yùn)行的24顆導(dǎo)航衛(wèi)星組成。安裝在導(dǎo)航車輛上的GPS系統(tǒng)能提供車輛的三維空間位置信息[4-5]。該方法是將1臺(tái)GPS接收系統(tǒng)(由GPS天線、無(wú)線電臺(tái)、接收機(jī)，電源等組成)安置在地面基站進(jìn)行觀測(cè)，將GPS移動(dòng)站(由GPS天線、接收機(jī)、電源等組成)放在導(dǎo)航機(jī)械上，農(nóng)機(jī)行駛時(shí)根據(jù)基站已知精密坐標(biāo)，計(jì)算出基站到衛(wèi)星的距離修正數(shù)，獲得農(nóng)機(jī)的相對(duì)坐標(biāo)。導(dǎo)航作業(yè)中大部分采用RTK-GPS(Real-time kinematic GPS)差分GPS技術(shù)，即用附加的差分修正信號(hào)改善GPS定位精度。目前，GPS自動(dòng)導(dǎo)航系統(tǒng)產(chǎn)品較多。其中，美國(guó)作為研究GPS自動(dòng)導(dǎo)航最早的國(guó)家，產(chǎn)品較為成熟，以美國(guó)Trimble(天寶)的產(chǎn)品市場(chǎng)占有量為最大[6]。

1.1.3慣性導(dǎo)航單元

慣性導(dǎo)航單元(INS)是一種以利用慣性元件來(lái)測(cè)量車輛加速度的自主航位推算導(dǎo)航系統(tǒng)。通過(guò)導(dǎo)航傳感器，利用積分和運(yùn)算得到導(dǎo)航農(nóng)機(jī)的速度和位置，達(dá)到對(duì)車輛導(dǎo)航定位(主要是車輛航向角)目的的一種導(dǎo)航方法[7-8]。慣性導(dǎo)航系統(tǒng)通常由慣性測(cè)量裝置、轉(zhuǎn)角傳感器等組成。慣性測(cè)量裝置(又稱慣性測(cè)量單元)包括加速度計(jì)和陀螺儀。其中，加速度計(jì)測(cè)量車輛的航向信息及陀螺儀行程導(dǎo)航的坐標(biāo)信息；慣性導(dǎo)航單元可以提供速度、航向和姿態(tài)等信息。慣性導(dǎo)航系統(tǒng)短時(shí)間內(nèi)精度較高、穩(wěn)定性好、不易受干擾、魯棒性較強(qiáng)，但系統(tǒng)誤差隨時(shí)間累積精度逐漸降低，一般與其他導(dǎo)航單元結(jié)合使用，不單獨(dú)進(jìn)行導(dǎo)航定位。2013年，西北農(nóng)林科技大學(xué)的魏少東、陳軍等[9]設(shè)計(jì)了基于GPS和慣性導(dǎo)航的果園機(jī)械系統(tǒng)，以GPS和陀螺儀作為導(dǎo)航傳感器，開(kāi)發(fā)自動(dòng)導(dǎo)航系統(tǒng)，以福田歐豹拖拉機(jī)為實(shí)驗(yàn)平臺(tái)，并對(duì)各系統(tǒng)單元進(jìn)行了測(cè)試，表明系統(tǒng)具有較高的可靠性。

1.1.4組合導(dǎo)航單元

單一的導(dǎo)航系統(tǒng)常常不能滿足現(xiàn)代農(nóng)業(yè)機(jī)械的導(dǎo)航定位的精度要求，而組合導(dǎo)航定位系統(tǒng)精度較高、成本低廉，常將不同傳感器信息互相融合，相互彌補(bǔ)，利用算法構(gòu)成一種冗余度和準(zhǔn)確度更高的多功能系統(tǒng)。其中，常用的融合算法主要有Kalman濾波、航跡融合法、模糊推算方法及神經(jīng)網(wǎng)絡(luò)法等方法。中國(guó)農(nóng)業(yè)大學(xué)的陳艷等[10]在以GPS 和機(jī)器視覺(jué)的組合導(dǎo)航定位方法為導(dǎo)航感知方法下，采用一種較優(yōu)化的算法UKF濾波法對(duì)傳感器數(shù)據(jù)進(jìn)行了濾波。實(shí)驗(yàn)結(jié)果表明：濾波后系統(tǒng)的定位曲線較平滑，定位精度和穩(wěn)定性都有了提高，提高了導(dǎo)航系統(tǒng)的魯棒性。其它的常用導(dǎo)航定位方式有電磁導(dǎo)航、機(jī)械導(dǎo)航、超聲波導(dǎo)航及激光導(dǎo)航等。

1.2導(dǎo)航控制決策

1.2.1PID控制

PID(Proportional Integral Derivative)是一種常用的控制算法，主要利用偏差信號(hào)的比例、積分和微分算出控制量進(jìn)行系統(tǒng)調(diào)節(jié)，是連續(xù)系統(tǒng)中技術(shù)成熟、應(yīng)用最為廣泛的一種控制器[11]。當(dāng)無(wú)法獲得系統(tǒng)有效的參數(shù)時(shí)，可選用PID控制技術(shù)。在模擬調(diào)節(jié)系統(tǒng)中，PID控制算法的一般表達(dá)式為

(1)

其中，u(t)為控制信號(hào)，e(t)為系統(tǒng)偏差信號(hào)。在導(dǎo)航控制中，u(t)為導(dǎo)航作業(yè)車輛的驅(qū)動(dòng)信號(hào)，e(t)為導(dǎo)航作業(yè)路徑和預(yù)定義路徑的偏差信號(hào)，KP、TI、TD分別為比例系數(shù)、積分系數(shù)和微分系數(shù)。實(shí)驗(yàn)中不斷對(duì)這3個(gè)系數(shù)調(diào)整，直到達(dá)到滿意的控制效果。PID控制算法簡(jiǎn)單、易于掌握、魯棒性較強(qiáng)、穩(wěn)態(tài)誤差小，但由于沒(méi)有完全參照的參數(shù)調(diào)節(jié)的系統(tǒng)，在實(shí)際應(yīng)用中主要依賴工程經(jīng)驗(yàn)，使系統(tǒng)在控制優(yōu)化時(shí)比較困難[12]。

1.2.2模糊控制

1965年，美國(guó)教授查德(L.A.Zandeh)首次提出模糊集合這一概念。模糊邏輯控制(Fuzzy Logic Control)簡(jiǎn)稱模糊控制(Fuzzy Control)，作為智能控制的重要分支利，用模糊化邏輯推理和模糊化語(yǔ)言在解決諸如導(dǎo)航控制這些不易建立數(shù)學(xué)方程的復(fù)雜的非線性問(wèn)題有著獨(dú)特的優(yōu)越性[13]。一般的模糊控制系統(tǒng)主要由變量、模糊規(guī)則、邏輯判斷及反模糊化等部分組成。導(dǎo)航控制中的模糊控制器結(jié)構(gòu)如圖2所示。

自動(dòng)導(dǎo)航控制系統(tǒng)中，車輛行駛時(shí)以行駛路徑與預(yù)定義路徑的偏差信號(hào)(橫向偏差、偏差變化率或航向偏差)作為模糊控制輸入，根據(jù)模糊規(guī)則進(jìn)行模糊判斷，多以前輪期望轉(zhuǎn)角作為輸出。其中，模糊推理是模糊控制器的核心，由蘊(yùn)含模糊邏輯推理的模糊先驗(yàn)知識(shí)組成[6]。模糊控制規(guī)則一般由專家的經(jīng)驗(yàn)知識(shí)獲得，再根據(jù)被控對(duì)象的行為作業(yè)特性由自然語(yǔ)言變量所表達(dá)的模糊條件語(yǔ)句組成。在模糊控制系統(tǒng)中，模糊控制規(guī)則在快速調(diào)節(jié)系統(tǒng)誤差的同時(shí)可保持系統(tǒng)的穩(wěn)定性及優(yōu)化系統(tǒng)。

模糊推理系統(tǒng)的設(shè)計(jì)類似于人類的模糊思考過(guò)程，不依靠受控對(duì)象的模型，與人的思維模式相似；但其缺乏自學(xué)習(xí)和自適應(yīng)能力，相當(dāng)依靠專家或操作人員的經(jīng)驗(yàn)和知識(shí)；且在零位附近跟蹤誤差一般比較大，難以快速修正。因此，可在控制過(guò)程的不同階段，對(duì)模糊控制器進(jìn)行自動(dòng)調(diào)整，設(shè)計(jì)自適應(yīng)模糊控制導(dǎo)航算法。

圖2　導(dǎo)航模糊控制結(jié)構(gòu)圖

1.2.3神經(jīng)網(wǎng)絡(luò)控制

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks)簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)(Neural Networks)，是一個(gè)高度非線性動(dòng)力學(xué)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)是由處理單元組成的一種運(yùn)算模型，對(duì)于不需要精確的數(shù)學(xué)模型的工程問(wèn)題，在處理時(shí)可通過(guò)模擬人的智能行為，解決系統(tǒng)的不確定性、非線性問(wèn)題[14]。在車輛航向控制中，不僅要考慮當(dāng)前的航向角，還要考慮車輛的前輪轉(zhuǎn)角。因此，選擇航向角和前輪轉(zhuǎn)角作為神經(jīng)網(wǎng)絡(luò)的輸入，在導(dǎo)航控制時(shí)通過(guò)前輪轉(zhuǎn)角糾偏控制車輛按預(yù)定義路線行駛，輸出目標(biāo)前輪轉(zhuǎn)角，通過(guò)目標(biāo)轉(zhuǎn)角和實(shí)際轉(zhuǎn)角的比較，得到糾偏所需的前輪轉(zhuǎn)角，達(dá)到控制目的。

1.2.4多種控制技術(shù)融合

導(dǎo)航控制是一個(gè)復(fù)雜的控制系統(tǒng)，很多時(shí)候單一的控制方法不足以滿足導(dǎo)航環(huán)境要求，常將多種控制技術(shù)融合。西北農(nóng)林大學(xué)的白曉鴿、陳軍等[15]在基于導(dǎo)航傳感器的基礎(chǔ)上，為優(yōu)化模糊控制中輸入量的隸屬函數(shù)，融合人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了雙輸入單輸出的5層模糊神經(jīng)網(wǎng)絡(luò)控制器；設(shè)計(jì)的控制系統(tǒng)可以利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能獲得隸屬度函數(shù)和模糊控制中的模糊化控制規(guī)則，對(duì)導(dǎo)航系統(tǒng)的各個(gè)參數(shù)的權(quán)值不斷優(yōu)化調(diào)整。實(shí)驗(yàn)證明：該系統(tǒng)能很好地進(jìn)行導(dǎo)航控制，實(shí)驗(yàn)誤差平均控制在4cm內(nèi)。

1.2.5其它控制方法

其它常用的導(dǎo)航控制方法有基于動(dòng)力學(xué)模型的控制方法和基于運(yùn)動(dòng)學(xué)模型的控制方法。其中，動(dòng)力學(xué)模型的控制方法將導(dǎo)航車輛的轉(zhuǎn)向受力情況和負(fù)載等問(wèn)題作為考慮因素進(jìn)行控制；運(yùn)動(dòng)學(xué)模型的控制方法是基于簡(jiǎn)化四輪導(dǎo)航車輛為兩輪運(yùn)動(dòng)系統(tǒng)進(jìn)行控制的方法[14]。

1.3車輛轉(zhuǎn)向系統(tǒng)

目前，根據(jù)對(duì)相關(guān)資料和國(guó)內(nèi)外成型產(chǎn)品的研究發(fā)現(xiàn)，導(dǎo)航車輛的轉(zhuǎn)向方案大致分為兩種類型：一種通過(guò)加裝電機(jī)(步進(jìn)電機(jī)、直流電機(jī)、伺服電機(jī))作為動(dòng)力源直驅(qū)，通過(guò)控制電機(jī)的轉(zhuǎn)向和轉(zhuǎn)速實(shí)現(xiàn)自動(dòng)轉(zhuǎn)向；二是利用拖拉機(jī)液壓轉(zhuǎn)向系統(tǒng)并聯(lián)一些液壓控制閥，通過(guò)控制液壓閥組的節(jié)流口大小來(lái)實(shí)現(xiàn)自動(dòng)轉(zhuǎn)向(如美國(guó)天寶公司的液壓閥塊)。

1.3.1電機(jī)系統(tǒng)控制

電機(jī)控制系統(tǒng)安裝在導(dǎo)航車輛的方向盤(pán)上，主要由計(jì)算機(jī)、伺服電機(jī)、電機(jī)驅(qū)動(dòng)器、編碼器及方向切換裝置等組成。具體工作過(guò)程是：計(jì)算機(jī)根據(jù)控制決策發(fā)送控制指令到電機(jī)驅(qū)動(dòng)器，電機(jī)驅(qū)動(dòng)器與直流電機(jī)相連，按照需要調(diào)整的轉(zhuǎn)速轉(zhuǎn)動(dòng)，實(shí)時(shí)調(diào)整方向盤(pán)轉(zhuǎn)動(dòng)，使導(dǎo)航車輛按照預(yù)定義路徑行駛。

1.3.2液壓閥組控制

液壓閥組控制系統(tǒng)是指在農(nóng)機(jī)的液壓轉(zhuǎn)向系統(tǒng)上并聯(lián)導(dǎo)航閥組，導(dǎo)航閥組主要是由三位四通比例流量換向閥、壓力補(bǔ)償器等構(gòu)成[9]。液壓系統(tǒng)在合適的壓力基礎(chǔ)上建立，通過(guò)上位機(jī)發(fā)送PWM信號(hào)或電流信號(hào)驅(qū)動(dòng)被測(cè)液壓閥；被測(cè)閥的狀態(tài)變化引起各個(gè)油口壓力、流量變化，由換向閥控制轉(zhuǎn)向的方向。

2國(guó)內(nèi)外研究現(xiàn)狀

2.1導(dǎo)航感知研究現(xiàn)狀

1998年，Illinois大學(xué)的Noguchi、JF Reid等[16]以機(jī)器視覺(jué)、RTK-GPS和GDS傳感器為導(dǎo)航感知單元開(kāi)發(fā)了自主導(dǎo)航系統(tǒng)，以擴(kuò)展Kalman濾波和兩維概率密度函數(shù)的靜態(tài)濾波方法對(duì)導(dǎo)航傳感器進(jìn)行了融合；并通過(guò)不同的組合方式，用這3種傳感器相互結(jié)合建立了4種控制策略。在以JohnDeere7800拖拉機(jī)為實(shí)驗(yàn)平臺(tái)的實(shí)驗(yàn)中，以基于RTK-GPS和GDS作為導(dǎo)航感知的組合的控制效果較好，平均偏差為7.4cm。

在Florida大學(xué)的Subramanian和Thomas F. Burks[17]領(lǐng)導(dǎo)下，針對(duì)GPS信號(hào)在柑桔林里經(jīng)常被遮擋的情況，進(jìn)行了基于機(jī)器視覺(jué)、激光雷達(dá)和旋轉(zhuǎn)編碼器的自動(dòng)導(dǎo)航系統(tǒng)的研究,該系統(tǒng)的導(dǎo)航車輛可以在果林里進(jìn)行相對(duì)穩(wěn)定的自動(dòng)行駛。在導(dǎo)航車輛以3.1m/s的速度沿著彎曲路徑行駛時(shí),達(dá)到了2.8cm(machine vision)的平均誤差精度，和 2.5cm(Radar)的平均誤差精度。

在導(dǎo)航作業(yè)時(shí)，視覺(jué)導(dǎo)航過(guò)程中雜草對(duì)導(dǎo)航線提取會(huì)產(chǎn)生較大影響。Halmstad大學(xué)Astrand和Baerveldt[18]以機(jī)器視覺(jué)為導(dǎo)航傳感器，提出了作物行識(shí)別算法，設(shè)計(jì)了雜草識(shí)別和自動(dòng)導(dǎo)航兩個(gè)可獨(dú)立作業(yè)的機(jī)器視覺(jué)系統(tǒng)，在導(dǎo)航過(guò)程中可減小雜草的影響。實(shí)驗(yàn)結(jié)果表明：該系統(tǒng)在獨(dú)立完成雜草識(shí)別和導(dǎo)航作業(yè)的基礎(chǔ)上，可以在雜草比較多的條件下進(jìn)行視覺(jué)導(dǎo)航作業(yè)且導(dǎo)航作業(yè)，且能達(dá)到6cm左右的精度。

AkiraMizushima和Noguchi[19]等開(kāi)發(fā)了一種由3個(gè)振動(dòng)陀螺儀、2個(gè)傾角計(jì)和DGPS組成的較為低廉的導(dǎo)航傳感器。在實(shí)驗(yàn)中，用GPS采集導(dǎo)航車輛的位置信息，用陀螺儀對(duì)車輛行駛時(shí)震動(dòng)的偏移進(jìn)行估計(jì)，以減少偏移量對(duì)GPS精度的影響。經(jīng)過(guò)陀螺儀修正后，提高了GPS系統(tǒng)對(duì)導(dǎo)航車輛的定位精度，能夠提供導(dǎo)航車輛傾斜以及航向角修正等位置信息。在田間、斜坡地和粗糙的路上進(jìn)行的實(shí)驗(yàn)表明：該系統(tǒng)可以得到較好的導(dǎo)航作業(yè)精度。

我國(guó)農(nóng)業(yè)自動(dòng)導(dǎo)航技術(shù)近年來(lái)發(fā)展迅速，如中國(guó)農(nóng)業(yè)大學(xué)的呂安濤和宋正河等[5]搭建了以GPS、陀螺儀和磁羅盤(pán)融合的自動(dòng)駕駛系統(tǒng)。在該系統(tǒng)中，利用Kalman濾波技術(shù)對(duì)導(dǎo)航傳感器進(jìn)行融合。該系統(tǒng)在電液自動(dòng)操作平臺(tái)下，加裝了傳感器通信裝置，在實(shí)驗(yàn)中由計(jì)算機(jī)進(jìn)行控制。同時(shí)，分別對(duì)系統(tǒng)中設(shè)計(jì)的自主駕駛、人工駕駛和人工輔助駕駛、遙控輔助駕駛4種駕駛模式進(jìn)行了實(shí)驗(yàn)，實(shí)現(xiàn)了車輛的自動(dòng)駕駛。

針對(duì)我國(guó)的農(nóng)機(jī)特點(diǎn)，華南農(nóng)業(yè)大學(xué)的羅錫文、張智剛等[20]以RTK-GPS為導(dǎo)航傳感器設(shè)計(jì)了自動(dòng)導(dǎo)航系統(tǒng)。該系統(tǒng)以東方紅X-804拖拉機(jī)為硬件平臺(tái)，在控制系統(tǒng)中用PID算法對(duì)導(dǎo)航系統(tǒng)進(jìn)行控制。田間試驗(yàn)時(shí)，對(duì)拖拉機(jī)以不同的行駛速度行駛時(shí)的偏差進(jìn)行了記錄，當(dāng)速度為0.8m/s時(shí),最大誤差不超過(guò)15cm,平均跟蹤誤差不超過(guò)3cm。自動(dòng)導(dǎo)航系統(tǒng)作業(yè)時(shí)，GPS信號(hào)會(huì)偶爾丟失，影響導(dǎo)航作業(yè)，針對(duì)這一問(wèn)題，張智剛等[21]開(kāi)發(fā)了基于DGPS 和電子羅盤(pán)的導(dǎo)航控制系統(tǒng)。同時(shí)，以久保田插秧機(jī)為試驗(yàn)平臺(tái)，分別對(duì)車輛直線和曲線追蹤，結(jié)果表明：當(dāng)以0.33 m/s的速度進(jìn)行圓曲線路徑跟蹤時(shí)，平均誤差為4 cm，最大誤差8cm;以0.75 m/s的速度進(jìn)行直線路徑跟蹤時(shí)，平均誤差4 cm，最大誤差 13cm。

CAN(Controller Area Network)即控制器局域網(wǎng)，是目前工程領(lǐng)域中應(yīng)用最廣泛的開(kāi)放式現(xiàn)場(chǎng)總線之一。南京農(nóng)業(yè)大學(xué)的周俊等[22]以CAN總線為控制方式，自行設(shè)計(jì)了四輪驅(qū)動(dòng)、四輪轉(zhuǎn)向的農(nóng)業(yè)機(jī)器人移動(dòng)平臺(tái)。該平臺(tái)以單目機(jī)器視覺(jué)為導(dǎo)航感知單元，在此系統(tǒng)上,開(kāi)發(fā)了基于多線程的導(dǎo)航系統(tǒng)軟件，在田間的作物行跟蹤實(shí)驗(yàn),驗(yàn)證了整個(gè)系統(tǒng)的可行性和可靠性。

基于機(jī)器視覺(jué)和GPS導(dǎo)航傳感器的特點(diǎn)，2011年中國(guó)農(nóng)業(yè)大學(xué)陳艷、張漫等[10]融合GPS和機(jī)器視覺(jué)，研發(fā)了組合導(dǎo)航定位方法。其以電瓶車為平臺(tái)，通過(guò)機(jī)器視覺(jué)獲取導(dǎo)航基準(zhǔn)線、通過(guò)GPS獲取電瓶車的絕對(duì)位置信息、航向角度和行駛速度；采用 UKF(unscented kalman filter，無(wú)跡卡爾曼濾波) 濾波器對(duì)導(dǎo)航基準(zhǔn)線信息和電瓶車的位置信息進(jìn)行融合濾波。試驗(yàn)表明：使用組合導(dǎo)航后，解決了視覺(jué)信息丟失時(shí)導(dǎo)航系統(tǒng)無(wú)法作業(yè)的問(wèn)題，系統(tǒng)的精度和穩(wěn)定性提高，能夠滿足自動(dòng)導(dǎo)航系統(tǒng)要求。

2.2導(dǎo)航控制算法研究現(xiàn)狀

在自動(dòng)導(dǎo)航系統(tǒng)中，導(dǎo)航控制器將導(dǎo)航偏差信號(hào)經(jīng)過(guò)導(dǎo)航控制算法決策后得到期望轉(zhuǎn)角信息，通過(guò)轉(zhuǎn)向機(jī)構(gòu)控制導(dǎo)航車輛自動(dòng)行駛。

Benson、Zhang Q等[23-24]以小型谷物聯(lián)合收割機(jī)為實(shí)驗(yàn)平臺(tái)，研究了基于機(jī)器視覺(jué)為基礎(chǔ)的導(dǎo)航系統(tǒng)。在該自動(dòng)導(dǎo)航系統(tǒng)中，應(yīng)用PID控制算法控制前輪自動(dòng)轉(zhuǎn)向，實(shí)驗(yàn)中對(duì)PID系數(shù)進(jìn)行了整定：當(dāng)積分控制系數(shù)為0.075、微分控制系數(shù)0.15、比例控制系數(shù)為1.36時(shí)，取得較好的控制結(jié)果。

Qiu Hongchu等[21]采用RTK-GPS和FOG作為位姿傳感器,對(duì)車輛轉(zhuǎn)向系統(tǒng)和動(dòng)力學(xué)系統(tǒng)進(jìn)行建模,分別在基于動(dòng)力學(xué)和幾何非線性動(dòng)力學(xué)基礎(chǔ)上，研究開(kāi)發(fā)了兩種車輛模型，并進(jìn)行了仿真。結(jié)果表明：幾何非線性動(dòng)力學(xué)模型精度高于動(dòng)力學(xué)模型精度。在此基礎(chǔ)上，設(shè)計(jì)了拖拉機(jī)的自動(dòng)轉(zhuǎn)向控制器和導(dǎo)航控制器：當(dāng)拖拉機(jī)行駛速度為3m/s時(shí)，平均偏差為10cm;當(dāng)行駛速度為1.5m/s時(shí),平均偏差為5cm內(nèi)。

導(dǎo)航控制系統(tǒng)中，單一的導(dǎo)航控制算法常常不能滿足復(fù)雜的導(dǎo)航系統(tǒng)要求。Nuguchi等[25-26]融合了神經(jīng)網(wǎng)絡(luò)和遺傳算法，在農(nóng)業(yè)自動(dòng)導(dǎo)航車輛系統(tǒng)研究中，研究了具有自學(xué)習(xí)能力的控制系統(tǒng)；經(jīng)過(guò)大量模型訓(xùn)練后，采用5-5-5-3的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)不同的約束條件進(jìn)行導(dǎo)航線優(yōu)化。實(shí)驗(yàn)證明：該系統(tǒng)具有很好的控制效果，能穩(wěn)定地進(jìn)行導(dǎo)航作業(yè)。

西北農(nóng)林科技大學(xué)的陳軍等[27]通過(guò)對(duì)車輛運(yùn)動(dòng)狀態(tài)的線性化,設(shè)計(jì)了基于車輛運(yùn)動(dòng)學(xué)模型的導(dǎo)航控制算法，在牧草地上進(jìn)行實(shí)驗(yàn)：當(dāng)導(dǎo)航拖拉機(jī)在地面上直線行走時(shí)，車輛實(shí)際行走的路徑與預(yù)定義路徑的偏差小于8cm。之后，陳軍等[28]優(yōu)化了導(dǎo)航控制算法，以神經(jīng)網(wǎng)絡(luò)控制技術(shù)為車輛的導(dǎo)航控制算法, 運(yùn)用具有自學(xué)習(xí)能力的BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，并對(duì)BP神經(jīng)網(wǎng)絡(luò)控制算法進(jìn)行了仿真。田間實(shí)驗(yàn)結(jié)果表明: 導(dǎo)航車輛沿直線路徑自動(dòng)行駛時(shí),絕對(duì)誤差值小于5cm。

2013年，中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院的賈全、張小超等[29]設(shè)計(jì)了基于純追蹤算法的導(dǎo)航?jīng)Q策控制系統(tǒng)。在該控制系統(tǒng)中將四輪的導(dǎo)航拖拉機(jī)簡(jiǎn)化為二輪車模型進(jìn)行運(yùn)動(dòng)學(xué)分析，將該模型在MatLab/Simulink中對(duì)控制器進(jìn)行了系統(tǒng)建模和仿真分析。仿真結(jié)果表明:當(dāng)前視距離為2.06m時(shí)，系統(tǒng)控制器能更穩(wěn)定和準(zhǔn)確地進(jìn)行導(dǎo)航作業(yè)。

2015年，中國(guó)農(nóng)業(yè)大學(xué)的孟慶寬等[30]研究了基于改進(jìn)粒子群優(yōu)化模糊控制的農(nóng)業(yè)車輛導(dǎo)航系統(tǒng)，以視覺(jué)導(dǎo)航的農(nóng)業(yè)車輛作為研究對(duì)象，在構(gòu)建的自適應(yīng)模糊控制器中引入加權(quán)因子，以橫向偏差和航向偏差時(shí)間誤差絕對(duì)值積分(ITAE)之和作為系統(tǒng)目標(biāo)函數(shù)，通過(guò)粒子群算法計(jì)算得到最優(yōu)加權(quán)因子，進(jìn)而調(diào)整控制規(guī)則實(shí)現(xiàn)導(dǎo)航車輛的控制。結(jié)果表明：相同參數(shù)條件下，改進(jìn)模糊控制算法導(dǎo)航精度顯著提高。實(shí)驗(yàn)中對(duì)車輛進(jìn)行了直線和曲線追蹤，結(jié)果表明：當(dāng)車速為0.8/s時(shí)，車輛在直線追蹤時(shí)的最大橫向偏差不超過(guò)4.2cm，曲線路徑跟蹤時(shí)的最大橫向偏差不超過(guò)5.9cm。

2.3車輛轉(zhuǎn)向控制研究現(xiàn)狀

Noboru Noguchi等[25]利用小型汽油拖拉機(jī)為研究平臺(tái)，對(duì)其轉(zhuǎn)向機(jī)構(gòu)進(jìn)行了改裝，利用步進(jìn)電機(jī)帶動(dòng)摩擦輪驅(qū)動(dòng)方向盤(pán)，以前輪轉(zhuǎn)角作為系統(tǒng)的反饋量，形成閉環(huán)控制。當(dāng)方向盤(pán)轉(zhuǎn)動(dòng)時(shí)控制車輪調(diào)整角度，結(jié)果表明控制系統(tǒng)能實(shí)現(xiàn)自動(dòng)轉(zhuǎn)向。

Yoshisada[31]以插秧機(jī)為實(shí)驗(yàn)平臺(tái)，采用直流電機(jī)驅(qū)動(dòng)，動(dòng)力傳遞由同步齒形帶完成；由絕對(duì)式角度編碼盤(pán)來(lái)測(cè)量轉(zhuǎn)向軸轉(zhuǎn)過(guò)的角度，作為自動(dòng)轉(zhuǎn)向控制系統(tǒng)的反饋量；利用電磁離合器連接電機(jī)和同步帶，可實(shí)現(xiàn)自動(dòng)轉(zhuǎn)向和人工轉(zhuǎn)向的變換。

針對(duì)液壓系統(tǒng)驅(qū)動(dòng)的農(nóng)業(yè)機(jī)械車輛，日本北海道國(guó)家農(nóng)業(yè)研究中心的Keil Chinoue、JF Reid博士等[16]試驗(yàn)中以4輪75PS拖拉機(jī)(液壓驅(qū)動(dòng))為平臺(tái)，研究開(kāi)發(fā)了基于拖拉機(jī)運(yùn)動(dòng)模型的控制方法?？紤]到液壓轉(zhuǎn)向系統(tǒng)的延遲影響，在該系統(tǒng)中采用Kalman濾波法對(duì)拖拉機(jī)的側(cè)滑情況進(jìn)行濾波消除，證明當(dāng)導(dǎo)航車輛以1.5m/s的車速進(jìn)行耕地實(shí)驗(yàn)，實(shí)驗(yàn)偏差在10cm內(nèi)。

華南農(nóng)業(yè)大學(xué)羅錫文等[20]以東方紅拖拉機(jī)為實(shí)驗(yàn)平臺(tái)，設(shè)計(jì)了以直流電機(jī)為動(dòng)力源的自動(dòng)轉(zhuǎn)向機(jī)構(gòu)。該轉(zhuǎn)向控制系統(tǒng)以導(dǎo)航車輛的期望前輪轉(zhuǎn)角作為控制期望量，實(shí)驗(yàn)證明該方案能較好地完成自動(dòng)轉(zhuǎn)向任務(wù)。之后，羅錫文等[21]又設(shè)計(jì)了由三位四通比例換向閥、平衡閥、溢流閥及單向閥等組成的電液自動(dòng)轉(zhuǎn)向系統(tǒng)較前的轉(zhuǎn)向系統(tǒng)，執(zhí)行精度高、反應(yīng)迅速，滿足自動(dòng)轉(zhuǎn)向的要求。

2013年，中國(guó)科學(xué)院沈陽(yáng)自動(dòng)化研究所高雷等[8]利用步進(jìn)電機(jī)和減速齒輪對(duì)雷沃谷收獲機(jī)的轉(zhuǎn)向機(jī)構(gòu)進(jìn)行了改造，通過(guò)步進(jìn)電機(jī)和減速齒輪改造后的自動(dòng)轉(zhuǎn)向控制器控制拖拉機(jī)轉(zhuǎn)向軸轉(zhuǎn)動(dòng)。實(shí)驗(yàn)表明：該系統(tǒng)不僅滿足機(jī)械式轉(zhuǎn)向機(jī)構(gòu)、也適用于液壓式轉(zhuǎn)向機(jī)械，廣泛搭建在其他農(nóng)業(yè)機(jī)械車輛上，可滿足自動(dòng)轉(zhuǎn)向要求。2015年，高雷、胡靜濤等[32]結(jié)合CAN總線結(jié)構(gòu)的導(dǎo)航控制裝置，以角速度為轉(zhuǎn)向動(dòng)作反饋，設(shè)計(jì)了拖拉機(jī)自動(dòng)導(dǎo)航控制系統(tǒng)。系統(tǒng)中，以角速度為控制量，設(shè)計(jì)了外環(huán) PID 控制算法。實(shí)驗(yàn)結(jié)果表明：當(dāng)導(dǎo)航車輛直線行走時(shí)，誤差平均值約為4.1cm，最大絕對(duì)誤差12.9cm。實(shí)驗(yàn)證明：角速度計(jì)為反饋量在農(nóng)機(jī)導(dǎo)航控制系統(tǒng)中應(yīng)用中是可行的。

3結(jié)語(yǔ)與展望

1)在未來(lái)的精細(xì)農(nóng)業(yè)發(fā)展中，農(nóng)業(yè)機(jī)械的自動(dòng)化、智能化程度將越來(lái)越高。未來(lái)在搭建農(nóng)業(yè)導(dǎo)航系統(tǒng)時(shí)，針對(duì)農(nóng)業(yè)環(huán)境的多樣性、復(fù)雜性，在導(dǎo)航研究中按具體的作業(yè)環(huán)境選擇不同的導(dǎo)航策略，來(lái)完成相應(yīng)的作業(yè)任務(wù)?；贕PS的高精度，在開(kāi)闊的田間作業(yè)時(shí)可以選擇GPS進(jìn)行自動(dòng)導(dǎo)航；而在樹(shù)冠交錯(cuò)的園林間，GPS信號(hào)受到遮擋、精度不夠時(shí)，選擇視覺(jué)導(dǎo)航或其他導(dǎo)航方法會(huì)更有效。

2)基于農(nóng)業(yè)自主導(dǎo)航系統(tǒng)中各類傳感器的優(yōu)缺點(diǎn)及農(nóng)業(yè)作業(yè)中各種環(huán)境因素的影響，在未來(lái)的導(dǎo)航系統(tǒng)設(shè)計(jì)中，可多研究可靠有效的傳感器融合方法，以提高系統(tǒng)的穩(wěn)定性、魯棒性[33]。

3)國(guó)內(nèi)農(nóng)業(yè)導(dǎo)航系統(tǒng)發(fā)展中，現(xiàn)有的農(nóng)業(yè)機(jī)械自主導(dǎo)航各類技術(shù)多存在獨(dú)立不協(xié)作的問(wèn)題，未來(lái)應(yīng)側(cè)重針對(duì)國(guó)內(nèi)導(dǎo)航機(jī)具的特點(diǎn)，開(kāi)展配套技術(shù)的集成研究，以降低相關(guān)成本。

參考文獻(xiàn)：

[1]吳延霞,趙博,毛恩榮. 農(nóng)業(yè)車輛自動(dòng)導(dǎo)航系統(tǒng)綜述[J].農(nóng)機(jī)化研究，2009,31(3): 242-245.

[2]莊新斌,宣傳忠,陳智,等.噴播機(jī)自動(dòng)導(dǎo)航控制系統(tǒng)設(shè)計(jì)及其性能仿真[J].農(nóng)機(jī)化研究,2015,37(11):87-90.

[3]謝明,馬蓉,任玲,等.拖拉機(jī)自動(dòng)轉(zhuǎn)向系統(tǒng)設(shè)計(jì)及仿真[J].農(nóng)機(jī)化研究,2015,37(11):108-112.

[4]紀(jì)朝鳳,劉剛,周建軍,等.基于CAN總線的農(nóng)業(yè)車輛自動(dòng)導(dǎo)航控制系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2009,40(S1):28-32.

[5]呂安濤,宋正河,毛恩榮.拖拉機(jī)自動(dòng)轉(zhuǎn)向最優(yōu)控制方法的研究[J].農(nóng)業(yè)工程學(xué)報(bào),2006,22(8):116-119.

[6]Dong F H，Petzold O，Heinemann W, et al．Time-optimal guidance control for an agricultural robot with orientation constraints [J]．Computers and Electronics in Agriculture，2013，99: 124-131．

[7]田甜,呂安濤,毛恩榮.拖拉機(jī)自動(dòng)駕駛控制系統(tǒng)軟件系統(tǒng)的研究[C]//農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)—2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè).廣州:中國(guó)農(nóng)業(yè)工程學(xué)會(huì),2005.

[8]李逃昌,胡靜濤,高雷,等.基于模糊自適應(yīng)純追蹤模型的農(nóng)業(yè)機(jī)械路徑跟蹤方法[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(1):205-210．

[9]魏少東.基于GPS和慣性導(dǎo)航的果園機(jī)械導(dǎo)航系統(tǒng)研究[D].楊凌：西北農(nóng)林科技大學(xué)，2013.

[10]陳 艷，張 漫，馬文強(qiáng)，等. 基于 GPS 和機(jī)器視覺(jué)的組合導(dǎo)航定位方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27(3)：126-130.

[11]連世江. 農(nóng)用車輛自動(dòng)導(dǎo)航控制系統(tǒng)研究[D].楊凌:西北農(nóng)林科技大學(xué),2009.

[12]張方明，應(yīng)義斌．機(jī)器視覺(jué)在農(nóng)業(yè)車輛導(dǎo)航系統(tǒng)中的研究進(jìn)展[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005， 36(5):133-136．

[13]高峻曉，龔建偉，熊光明，等.輪式機(jī)器人遺傳模糊神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)向控制實(shí)驗(yàn)研究[J].機(jī)床與液壓，2004(6):91-93.

[14]田海清,應(yīng)義斌,張方明.農(nóng)業(yè)車輛導(dǎo)航系統(tǒng)中自動(dòng)控制技術(shù)的研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2005(7):148-152.

[15]白曉鴿. 基于模糊神經(jīng)網(wǎng)絡(luò)的拖拉機(jī)自動(dòng)直線行走控制研究[D].楊凌：西北農(nóng)林科技大學(xué),2010.

[16]Noguchi N, JF Reid, Keil Chinoue, et al. Vehicle automation system based on multi-sensor integration [J].ASAE Annual International Meeting, 1998, 32(15): 73-77.

[17]Vijay Subramanian, Thomas F.Burks. Development of machine vision and laser radar based Autonomous vehicle guidance systems for citrus grove navigation [J]. Computers and Electronics in Agriculture, 2006, 53:130-143.

[18]Astrand B，Baerveldt A J ．An agricultural mobile robot with vision- based perception for mechanical weed control [J]．Autonomous Robots, 2002，12(1):21-35．

[19]Akira Mizushima, Noboru Noguchi. Development of navigation sensor unit for the agricultural vehicle [J]. BEEE/ASME International Conference on Advanced Intelligent,2003,34(2):1067-1072.

[20]羅錫文，張智剛，趙祚喜，等．東方紅 X- 804 拖拉機(jī)的 DGPS 自動(dòng)導(dǎo)航控制系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2009，25(11): 139 -145．

[21]羅錫文,張智剛,周志艷.輪式農(nóng)業(yè)機(jī)械的多傳感器組合定位技術(shù)研究[C]// 農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)—2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第三分冊(cè).廣州:中國(guó)農(nóng)業(yè)工程學(xué)會(huì),2005.

[22]周俊,程嘉煜.基于機(jī)器視覺(jué)的農(nóng)業(yè)機(jī)器人運(yùn)動(dòng)障礙目標(biāo)檢測(cè)[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2011,42(8):154-158．

[23]Zhang Q, Qiu H. A dynamic path search algorithm for tractor automatic navigation [J].Trans-actions of the ASAE, 2004,47(2): 639-646.

[24]Reid J F，Zhang Q，Noguchi N, et al Agricultural automatic guidance research in North America [J]. Computers and Electronics in Agriculture, 2000, 25(1-2):155-167.

[25]Noguchi N,Terao H．Path planning of an agricultural mobile robot by neural net work and genetic algorithm [J]．Computer and Electronics in Agriculture，1997， 18(2-3):187-204.

[26]Noguchi N，Ishii K,Terao H.Development of an agricultural mobile robot using a geomagnetic direction sensor and image sensors [J]. Journal of Agricultural Engineering research，1997,67(4):1-15.

[27]陳軍,鳥(niǎo)巢諒.拖拉機(jī)行駛路線的自動(dòng)變更[J].農(nóng)業(yè)工程學(xué)報(bào),2005,21(1)108-111.

[28]陳軍,朱忠祥,鳥(niǎo)巢諒,等.基于神經(jīng)網(wǎng)絡(luò)的農(nóng)用車輛自動(dòng)跟蹤控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2007，38(5):131-133,121．

[29]賈全. 拖拉機(jī)自動(dòng)導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究[D].北京:中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院,2013.

[30]孟慶寬，仇瑞承，張漫.基于改進(jìn)粒子群優(yōu)化模糊控制的農(nóng)業(yè)車輛導(dǎo)航系統(tǒng)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015(3):29-36,58.

[31]Toru T. Research in autonomous agriculture vehicles in Japan [J].Computers and Electronics in Agriculture,2000,25:133-153.

[32]高雷,胡靜濤,李逃昌,等.以角速度為轉(zhuǎn)向動(dòng)作反饋的拖拉機(jī)自動(dòng)導(dǎo)航控制系統(tǒng)[J].農(nóng)機(jī)化研究,2015，37(3):25-29.

[33]吳延霞,趙博,毛恩榮. 農(nóng)業(yè)車輛自動(dòng)導(dǎo)航系統(tǒng)綜述[J]. 農(nóng)機(jī)化研究,2009,31(3):242-245,252.

[34]Nagasaka Y, Saito H, Tamaki K， et al．An autonomous rice transplanter guided by global positioning system and inertial measurement unit [J].Journal of Field Robotics，2009, 26(6-7):537-548．

Abstract ID:1003-188X(2016)06-0010-EA

Current Situation of Navigation Technology for Agricultural Machinery

Zhang Linjie1,2, Zhang Wenai1, Han Yingzheng1, Zhou Jianjun2,3,4,5, Wangxiu2,3,4,5, Cai Jichen2,6

(1.College of Information Engineering, Taiyuan University of Technology, Taiyuan 030024,China;2.Beijing Research Center of Intelligent Equipment for Agriculture，Beijing 100097,China; 3. National Research Center of Intelligent Equipment for Agriculture, Beijing 100097,China；4. Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing 100097,China；5. Beijing Key Laboratory of Intelligent Equipment Technology for Agriculture, Beijing 100097,China； 6.College of Information and Electrical Engineering, China Agricultural University, Beijing 100083,China)

Abstract：Agricultural vehicle automatic navigation technology is a key technology for self-control of agricultural machinery in the agricultural environment , no matter in the domestic or in the international, the study of agricultural production is widely . In this paper ,firstly describes the importance of agriculture automatic navigation key technologies, through the analysis of literature, describes the domestic and international perception of the navigation system, navigation control algorithms and status of the vehicle steering control system .at last, conclude the future development of the agricultural vehicle automatic navigation technology trend.

Key words：agricultural vehicle; automatic navigation; intelligent control

文章編號(hào)：1003-188X(2016)06-0010-06

中圖分類號(hào)：S127

文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：張琳潔(1990-)，女，河南洛陽(yáng)人，碩士研究生，(E-mail)903295120@qq.com。通訊作者：王秀(1965-)，男，河北萬(wàn)全人，研究員，博士生導(dǎo)師，(E-mail)wangx@nercita.org.cn。

基金項(xiàng)目：“十二五”農(nóng)村領(lǐng)域國(guó)家科技計(jì)劃項(xiàng)目(2013BAD08B04-5)

收稿日期：2015-05-20