農(nóng)業(yè)智能巡檢機(jī)器人軌跡跟蹤控制

孫新安

(河南工學(xué)院，河南 新鄉(xiāng) 453002)

0 引言

農(nóng)場的環(huán)境數(shù)據(jù)對農(nóng)作物的生長至關(guān)重要，植物生長所需要的溫度、濕度、光照強(qiáng)度及農(nóng)作物的生長狀況等數(shù)據(jù)都需要實(shí)時(shí)監(jiān)測[1]。傳統(tǒng)農(nóng)場環(huán)境數(shù)據(jù)的獲取需要人力監(jiān)測，效率低下，不僅需要耗費(fèi)大量的人力成本，監(jiān)測結(jié)果實(shí)時(shí)性差，不符合現(xiàn)代農(nóng)業(yè)的發(fā)展[2-4]。因此，研究現(xiàn)代化農(nóng)業(yè)智能巡檢機(jī)器人技術(shù)，對整個(gè)農(nóng)業(yè)發(fā)展具有重大的現(xiàn)實(shí)意義[1,2,5-8]。

文獻(xiàn)[9]提出了一種農(nóng)業(yè)智能巡檢小車，可以遠(yuǎn)程查看巡檢中采集到的各項(xiàng)數(shù)據(jù)，對小車的軌跡跟蹤采用跟蹤傳統(tǒng)的鋪設(shè)好的黑色路徑，對小車自帶的紅外傳感器要求極高，穩(wěn)定性較差。文獻(xiàn)[10]采用了一種固定的農(nóng)業(yè)巡檢系統(tǒng)，穩(wěn)定性較好，顯著提高了農(nóng)業(yè)的綜合經(jīng)濟(jì)效益，但需要在每一塊果園或農(nóng)田都安裝傳感器，大大增加了成本。上海大學(xué)的趙晨宇等人提出了一種基于模糊控制算法的農(nóng)業(yè)小車軌跡跟蹤問題，并進(jìn)行了仿真試驗(yàn)[11]，發(fā)現(xiàn)該算法運(yùn)算量小，運(yùn)算速度快，大大提高了小車的跟蹤性能。由于模糊控制算法需要大量的人為經(jīng)驗(yàn)去調(diào)整算法的性能，不適合大規(guī)模推廣應(yīng)用。為此，設(shè)計(jì)了一種基于自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法的智能巡檢機(jī)器人。該機(jī)器人采用履帶式金屬底盤，GPS定位信號和GPRS無線網(wǎng)絡(luò)傳輸功能集成在一個(gè)模塊，由國內(nèi)物聯(lián)網(wǎng)有人公司設(shè)計(jì)USR-GM3P模塊；軌跡跟蹤算法部分CPU采用TI公司的浮點(diǎn)數(shù)字信號處理器TMS320F28335進(jìn)行處理，通過自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法實(shí)現(xiàn)對設(shè)定軌跡的跟蹤。

1 智能巡檢機(jī)器人系統(tǒng)總體設(shè)計(jì)

1.1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

智能巡檢機(jī)器人系統(tǒng)包括車體部分、云服務(wù)器部分和監(jiān)控客戶端3個(gè)部分。巡檢機(jī)器人將檢測到的溫濕度信息、光照強(qiáng)度等信息及定位信息通過UDP方式上傳到云服務(wù)器，服務(wù)器采用淘寶公司的阿里云服務(wù)平臺(tái)，客戶端通過TCP/IP協(xié)議和云服務(wù)器進(jìn)行交互，不僅可以實(shí)時(shí)查看當(dāng)前農(nóng)作物生產(chǎn)狀況，還可以對歷史農(nóng)作物數(shù)據(jù)進(jìn)行分析。 智能巡檢機(jī)器人總體系統(tǒng)框圖如圖1所示。

圖1 智能巡檢機(jī)器人總體系統(tǒng)框圖Fig.1 The chart of intelligent inspection robot system

1.2 巡檢機(jī)器人硬件結(jié)構(gòu)圖

巡檢機(jī)器人機(jī)械結(jié)構(gòu)采用4個(gè)輪子的履帶式底盤，保證了在各種環(huán)境下的順利通行，整體車架采用鋼構(gòu)結(jié)構(gòu)，整車通過24V鋰電池供電，如圖2所示。

電子部分主要由傳感器采集模塊、直流電機(jī)驅(qū)動(dòng)模塊、GPS+GPRS模塊及算法處理模塊幾部分組成。其中，傳感器采集模塊包含溫度傳感器、濕度傳感器、光照強(qiáng)度傳感器、超聲波傳感器等部分組成，如圖3所示。

圖2 智能巡檢機(jī)器Fig.2 The photograph of intelligent inspection robot

圖3 巡檢機(jī)器人結(jié)構(gòu)圖Fig.3 The structure chart of intelligent inspection robot

2 巡檢機(jī)器人軌跡跟蹤控制算法

巡檢機(jī)器人軌跡跟蹤控制算法采用自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法，保證了整車控制的魯棒性和穩(wěn)定性。

2.1 巡檢機(jī)器人數(shù)學(xué)模型

巡檢小車采用四輪式履帶結(jié)構(gòu)，其中后輪為主要驅(qū)動(dòng)輪，前輪為從動(dòng)輪，驅(qū)動(dòng)輪由2個(gè)電機(jī)驅(qū)動(dòng)，因電機(jī)轉(zhuǎn)速不同，產(chǎn)生“差動(dòng)”，從而實(shí)現(xiàn)轉(zhuǎn)向功能。通過兩個(gè)驅(qū)動(dòng)輪的中點(diǎn)M為坐標(biāo)點(diǎn)，表示機(jī)器人在坐標(biāo)系的位置；θ為航向角，表示機(jī)器人前進(jìn)方向和x坐標(biāo)軸的夾角，表示機(jī)器人的運(yùn)動(dòng)方向，如圖4所示。其動(dòng)力學(xué)數(shù)學(xué)模型為

(1)

其中，[x,y]為機(jī)器人的位置；v為機(jī)器人的線速度；ω為機(jī)器人的角速度，通過設(shè)計(jì)控制率[v,ω]來實(shí)現(xiàn)機(jī)器人的軌跡跟蹤。

圖4 巡檢機(jī)器人動(dòng)力學(xué)數(shù)學(xué)模型Fig.4 The dynamic mathematical model of intelligent inspection robot

2.2 自適應(yīng)魯棒滑模變結(jié)構(gòu)軌跡跟蹤算法

巡檢機(jī)器人軌跡跟蹤算法采用自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法，首先設(shè)計(jì)位置控制率，實(shí)現(xiàn)坐標(biāo)跟蹤。假設(shè)理想軌跡為[xd,yd]，實(shí)時(shí)位置為[x,y]，則位置誤差為[xe,ye]=[x-xd,x-yd]。將其代入式(1)可得

(2)

2.2.1 位置控制率的設(shè)計(jì)

構(gòu)造李雅普諾夫函數(shù)，即

(3)

求導(dǎo)為

(4)

構(gòu)造李雅普諾夫函數(shù)，即

(5)

求導(dǎo)為

(6)

由上述方程可知實(shí)際位置控制率為

(7)

其中，θ為實(shí)際控制角度。系統(tǒng)在運(yùn)行過程中和理想控制角度θd之間存在誤差，因此需要設(shè)計(jì)姿態(tài)控制率，使實(shí)際控制角度和理想控制角度的誤差為0。

2.2.2 姿態(tài)控制率的設(shè)計(jì)

假設(shè)理想角度和實(shí)際控制角度之間的誤差為θe=θ-θd，取滑模函數(shù)s3=θe，對其求導(dǎo)，可得

(8)

設(shè)計(jì)滑模姿態(tài)控制率為

ω=θd′-k3s3-η3(t)sgns3

(9)

其中，η3(t)=max(|E(t)|)+η為自適應(yīng)魯棒項(xiàng)，η>0，k3>0，E(t)=0.5|s3|。

構(gòu)造李雅普諾夫函數(shù)，即

(10)

求導(dǎo)可得

(11)

根據(jù)柯西-施瓦茨不等式，可以得到

(12)

3 軌跡跟蹤控制算法仿真

在MatLab環(huán)境下對巡檢機(jī)器人進(jìn)行建模，將自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法用于巡檢機(jī)器人的軌跡跟蹤控制，取理想軌跡方程為xd=t，yd=sin(0.5x)+0.5x+1。η=0.1，k1=k2=0.3，k3=3，位置初始值為坐標(biāo)原點(diǎn)。仿真結(jié)果如圖5～圖7所示。其中，實(shí)線為理想軌跡，虛線為實(shí)際運(yùn)行軌跡。一開始，小車的理想軌跡和實(shí)際運(yùn)行軌跡存在一定的誤差；在10s以后，實(shí)際運(yùn)行軌跡和理想軌跡基本重合，誤差接近0，很好地實(shí)現(xiàn)了巡檢機(jī)器人的軌跡跟蹤控制。圖7分別為實(shí)際x軸坐標(biāo)、實(shí)際y軸坐標(biāo)、實(shí)際角度和理想x軸坐標(biāo)、理想y軸坐標(biāo)、理想角度之間的誤差波形圖。由仿真結(jié)果可以看出：基于自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法的巡檢機(jī)器人系統(tǒng)可以準(zhǔn)確地跟蹤理想軌跡，具有較好的控制效果。

圖5 軌跡跟蹤仿真結(jié)果Fig.5 The simulation result of trajectory tracking

圖6 控制量(線速度)仿真波形圖Fig.6 The waveform diagram of linear velocity

4 智能巡檢機(jī)器人試驗(yàn)結(jié)果分析

將基于自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法的巡檢機(jī)器人系統(tǒng)用于實(shí)際農(nóng)業(yè)生產(chǎn)應(yīng)用，測試巡檢機(jī)器人系統(tǒng)的穩(wěn)定性，測試環(huán)境為室外實(shí)際農(nóng)田，如圖8所示。

(a) x軸誤差

(b) y軸誤差

(c) 角度誤差圖7 軌跡跟蹤仿真誤差Fig.7 The error of trajectory tracking

圖8 巡檢機(jī)器人系統(tǒng)測試環(huán)境Fig.8 The test environment of inspection robot system

為了驗(yàn)證算法的可靠性，將巡檢機(jī)器人人為地拿到規(guī)定軌跡之外約20m的地方，巡檢機(jī)器人通過獲取實(shí)時(shí)的GPS信號，采用自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法可以迅速地將小車?yán)氐筋A(yù)先設(shè)置好設(shè)定的軌跡之中，繼續(xù)按照預(yù)定軌跡運(yùn)行。試驗(yàn)表明：基于自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法的巡檢機(jī)器人系統(tǒng)具有較好的循跡能力。

巡檢機(jī)器人在獲取到實(shí)時(shí)GPS定位信息之后，開始按照規(guī)定的路徑運(yùn)行，路徑信息可以在監(jiān)控客戶端中設(shè)定，通過阿里公司的高德地圖接口，可以實(shí)時(shí)檢測巡檢機(jī)器人位置信息。

圖9為巡檢機(jī)器人監(jiān)控客戶端所獲取的定位信息。將巡檢機(jī)器人采集到的溫度數(shù)據(jù)、濕度數(shù)據(jù)和光照強(qiáng)度數(shù)據(jù)和實(shí)際現(xiàn)場用儀器設(shè)備測試的數(shù)據(jù)進(jìn)行對比，結(jié)果如表1所示。由表1可以看出：通過智能巡檢機(jī)器人系統(tǒng)獲取的數(shù)據(jù)和現(xiàn)場人為監(jiān)測的數(shù)據(jù)誤差較小，可以有效代替人工，提高了勞動(dòng)生產(chǎn)力。

5 結(jié)論

1)設(shè)計(jì)了智能巡檢機(jī)器人系統(tǒng)的機(jī)械結(jié)構(gòu)和控制系統(tǒng)，以數(shù)字信號處理器TMS320F28335作為主控芯片，通過有人公司的USR-GM3P模塊進(jìn)行GPS定位和GPRS信號傳輸。

2)在軌跡跟蹤算法方面，設(shè)計(jì)了自適應(yīng)魯棒滑模變結(jié)構(gòu)軌跡跟蹤算法，在MatLab環(huán)境下對巡檢機(jī)器人進(jìn)行建模，通過仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性。

3)通過實(shí)際田間作業(yè)試驗(yàn)，證明了基于自適應(yīng)魯棒滑模變結(jié)構(gòu)控制算法巡檢機(jī)器人系統(tǒng)運(yùn)行的可靠性，可大大提高勞動(dòng)生產(chǎn)力。

圖9 巡檢機(jī)器人監(jiān)控客戶端定位信息Fig.9 The location information of inspection robot表1 巡檢機(jī)器人數(shù)據(jù)測試實(shí)驗(yàn)結(jié)果Table 1 The experimental results of inspection robot