基于IDBO-PID的聯(lián)合收獲機割臺控制系統(tǒng)

關(guān)鍵詞：無人農(nóng)場；聯(lián)合收獲機；割臺高度；雙傾角傳感器；改進(jìn)蜣螂優(yōu)化算法；IDBO-PID

0 引言

實現(xiàn)農(nóng)業(yè)現(xiàn)代化是我國全面建設(shè)社會主義現(xiàn)代化國家的重大任務(wù)，農(nóng)業(yè)是關(guān)系著國計民生的重要產(chǎn)業(yè)[1]。在不斷失去人口紅利的現(xiàn)代化農(nóng)業(yè)中，農(nóng)業(yè)生產(chǎn)中信息化的占比也在不斷地增加，從傳統(tǒng)意義上的農(nóng)業(yè)生產(chǎn)，到農(nóng)業(yè)機械生產(chǎn)，再到無人化農(nóng)業(yè)生產(chǎn)。無人農(nóng)場是我國現(xiàn)代農(nóng)業(yè)發(fā)展到一定階段的產(chǎn)物，是我國農(nóng)業(yè)的發(fā)展方向。無人農(nóng)場通過系統(tǒng)的智能感知、分析、決策，形成作業(yè)任務(wù)，無人駕駛農(nóng)機進(jìn)行田間作業(yè)，達(dá)到無人作業(yè)、自動作業(yè)、變量作業(yè)和精準(zhǔn)作業(yè)的效果[2]。

無人農(nóng)場里，聯(lián)合收獲機對于水稻、小麥等作物收割不僅要準(zhǔn)確還要保持響應(yīng)時間。它需要保持適當(dāng)?shù)母畈绺叨鹊耐瑫r，避免喂入量過大造成割臺堵塞的情況發(fā)生。同時，又要及時調(diào)整割臺高度以適應(yīng)復(fù)雜的地形，避免割臺損壞[3]。調(diào)節(jié)割臺高度不僅僅能夠提高收割效率，更能為后續(xù)脫粒清選等工作提供保障。因此，聯(lián)合收獲機的割臺高度自適應(yīng)調(diào)節(jié)對無人農(nóng)場的順利運行起關(guān)鍵性作用。

目前，我國研究人員對于聯(lián)合收獲機割臺高度的檢測和調(diào)控方法，主要由傳感器檢測高度結(jié)合控制算法調(diào)節(jié)高度或仿形機構(gòu)檢測結(jié)合控制算法來實現(xiàn)調(diào)控。楊銀輝[4]采用超聲波傳感器測量聯(lián)合收獲機割臺離地高度，并使用微控制器進(jìn)行PID控制割臺高度調(diào)節(jié)。廖勇[5]使用拉桿式直線位移傳感器檢測液壓缸的伸縮量進(jìn)行割臺的離地高度檢測，并采用模糊控制的方法進(jìn)行聯(lián)合收獲機割臺控制。劉青山等[6]采用傾角傳感器對于聯(lián)合收獲機割臺運動進(jìn)行數(shù)學(xué)模型分析，并使用PID控制聯(lián)合收獲機割臺升降。偉利國等[7]使用仿形結(jié)構(gòu)檢測田間地形變化并使用PID控制割臺升降。

上述控制方法均采用傳統(tǒng)的PID控制，在無人農(nóng)場作業(yè)中，聯(lián)合收獲機面臨著復(fù)雜多變的田間情況，傳統(tǒng)的PID控制往往難以滿足割臺高度自適應(yīng)調(diào)節(jié)的高精度和快速響應(yīng)要求。因此，本研究提出了一種基于改進(jìn)的蜣螂優(yōu)化（IDBO）算法來優(yōu)化聯(lián)合收獲機割臺PID控制器。本方法能夠?qū)崿F(xiàn)PID控制器參數(shù)的自動調(diào)整，以適應(yīng)不同工作條件下的需求。通過在Matlab中進(jìn)行仿真試驗，選取合適的性能指標(biāo)對比IDBO-PID、DBO-PID及傳統(tǒng)PID控制器的性能，并驗證了IDBOPID控制器在穩(wěn)定性和快速響應(yīng)方面的優(yōu)勢。

1 控制系統(tǒng)設(shè)計

本研究選取的聯(lián)合收獲機為雷沃谷神GM80型谷物聯(lián)合收獲機。整機高度2.98m、駕駛室寬度2.12m、工作幅寬2.75m，適用于收割小麥、水稻和玉米等作物。

1.1 結(jié)構(gòu)與原理

聯(lián)合收獲機割臺控制系統(tǒng)由聯(lián)合收獲機、車載終端工控機、兩個慣性測量單元（IMU）、繼電器、液壓系統(tǒng)和液壓控制器組成，如圖1所示。

由圖1可知，車載電腦作為上位機，安裝在駕駛室內(nèi)便于時刻觀測聯(lián)合收獲機的工作狀況，兩個傾角傳感器分別安裝在糧食運輸器和駕駛室上，用于割臺高度檢測，控制器安裝在電磁閥下方便于調(diào)試和控制。

1.2 割臺高度檢測裝置標(biāo)定

聯(lián)合收獲機在田間作業(yè)時，由于田間地形顛簸起伏，導(dǎo)致割臺高度測量不準(zhǔn)確，進(jìn)而影響割臺控制精度。因此采用了兩個傾角傳感器相結(jié)合的方式來實現(xiàn)割臺高度的測量與補償。兩個傾角傳感器分別安裝在糧食運輸器上與駕駛室內(nèi)，用于完成對割臺傾角和車身傾角的測量。聯(lián)合收獲機割臺高度補償原理如圖2所示，圖中，θ為割臺傳感器與水平地面所成夾角；β為車身姿態(tài)與水平地面夾角；H為割臺離地實際高度；α為割臺傾角與車身傾角之差，即割臺實際傾角。

經(jīng)過補償之后，對傳感器進(jìn)行標(biāo)定試驗，采取7組數(shù)據(jù)，記錄割臺傾角與相應(yīng)高度，如表1所示。

根據(jù)表1數(shù)據(jù)，通過最小二乘法進(jìn)行擬合，得到聯(lián)合收獲機割臺離地高度與割臺傾角擬合方程[8-10]。

割臺高度與割臺實際傾角的相關(guān)性曲線如圖3所示。使用最小二乘法擬合出來的曲線與趨勢線接近吻合，具有極高的相關(guān)性，其相關(guān)性達(dá)到0.9958，能夠精準(zhǔn)地完成割臺離地高度的檢測。

2 基于DBO的改進(jìn)算法

聯(lián)合收獲機作業(yè)時，對于割臺高度自適應(yīng)調(diào)節(jié)的精度和響應(yīng)時間要求較高，傳統(tǒng)的PID控制器需要人工不斷調(diào)節(jié)來進(jìn)行參數(shù)標(biāo)定[11-12]。利用群智能算法優(yōu)化PID控制器參數(shù)的方式完成聯(lián)合收獲機割臺高度自適應(yīng)調(diào)節(jié)，不僅能夠使用群智能算法尋求到PID控制的最優(yōu)參數(shù)，還能夠提升控制器的響應(yīng)速度和控制精度，解決了人工調(diào)整PID控制器導(dǎo)致控制精度低、響應(yīng)速度慢的問題。其中，在群智能優(yōu)化算法中蜣螂優(yōu)化算法相較于其他群智能優(yōu)化算法具有較快的響應(yīng)時間和收斂精度，但是傳統(tǒng)的蜣螂優(yōu)化算法（DBO）存在尋優(yōu)能力較差、容易陷入局部最優(yōu)解的問題[13]。所以針對這些缺點對蜣螂優(yōu)化算法（DBO）進(jìn)行優(yōu)化改進(jìn)。

2.1 算法改進(jìn)

2.1.1 種群初始化改進(jìn)

傳統(tǒng)的蜣螂優(yōu)化算法在種群的初始化階段，采用隨機數(shù)的方式進(jìn)行種群初始化位置，導(dǎo)致種群中的蜣螂位置良莠不齊，這樣算法尋優(yōu)效果差，收斂的速度較低，全局搜索能力下降，因此引入混沌映射函數(shù)對于原算法的種群初始化進(jìn)行改進(jìn)。

混沌映射被應(yīng)用于生成混沌序列，是一種隨機性序列，在優(yōu)化領(lǐng)域，混沌映射可以用于生成隨機數(shù)，本研究使用Bernoulli混沌映射進(jìn)行種群的初始化[14-16]。Bernoulli混沌映射數(shù)學(xué)表達(dá)式如下

2.1.2 覓食蜣螂改進(jìn)策略

在覓食過程中，覓食蜣螂位置更新，會根據(jù)個體最優(yōu)解和當(dāng)前群體最優(yōu)解來更新自己的位置，但是一旦解陷入局部最優(yōu)，整個種群就容易進(jìn)入停滯狀態(tài)，所以該算法采用粒子群算法（PSO）對于種群的搜索能力進(jìn)行增進(jìn)，避免陷入局部最優(yōu)。

PSO通過群體中個體之間的協(xié)作和信息共享來尋得最優(yōu)解[17-19]。其數(shù)學(xué)表達(dá)公式為

2.1.3 自適應(yīng)t分布擾動改進(jìn)策略

為了避免在迭代過程中陷入局部最優(yōu)，提出改進(jìn)方法為自適應(yīng)t分布擾動改進(jìn)[20-22]。采用t分布對于蜣螂算法位置進(jìn)行擾動的數(shù)學(xué)公式為

2.2 算法性能驗證

本研究通過選取6個基準(zhǔn)測試函數(shù)測試改進(jìn)后的算法性能，其中F1、F2為單峰測試函數(shù)，F(xiàn)3、F4為多峰測試函數(shù)，F(xiàn)5、F6為固定維度多峰測試函數(shù)[23]?；鶞?zhǔn)測試函數(shù)如表2所示。

2.3 算法性能對比分析

將改進(jìn)后的算法同原算法、灰狼優(yōu)化算法（GWO）、鯨魚優(yōu)化算法（WOA）及北方蒼鷹優(yōu)化算法（NGO）進(jìn)行性能比較算法分析，為了保證試驗結(jié)果真實可靠，所有算法運行都在同一臺操作系統(tǒng)為Windows10，CPU為IntelCorei5-1050ti的筆記本電腦上完成，使用的軟件為Matlab2022B，每個算法的種群規(guī)模設(shè)置為POP=30，每個算法的最大迭代次數(shù)設(shè)置為1000次，每種算法分別在每個測試函數(shù)下運行30次，取每個算法的最差值、最優(yōu)值、平均值和標(biāo)準(zhǔn)差4個參數(shù)進(jìn)行對于算法參數(shù)性能的評價，結(jié)果如表3和圖4所示。由表3可知，IDBO在F1、F2中標(biāo)準(zhǔn)差與NGO和DBO相等均達(dá)到了最優(yōu)值，其他3項性能指標(biāo)均優(yōu)于其他算法，在F4中標(biāo)準(zhǔn)差與DBO相等達(dá)到了最優(yōu)值，其他性能指標(biāo)均優(yōu)于其他幾種算法。

由圖4可知，IDBO的迭代曲線相較于其他4種算法明顯下降速度更快，最終結(jié)果明顯最優(yōu)。

綜上所述，IDBO算法相較于其他算法具有更快的收斂速度，更強的局部搜索能力及全局搜索能力，驗證了改進(jìn)策略的有效性。

3 基于IDBO的PID控制器設(shè)計與仿真

3.1 IDBO-PID控制器

PID的3個參數(shù)，對于PID控制器的控制效果及控制精度來說十分重要，為了使PID的3個參數(shù)都達(dá)到最優(yōu)值，使用IDBO對3個參數(shù)進(jìn)行尋優(yōu)處理，IDBOPID算法流程如圖5所示。

3.2 算法仿真分析

由于割臺升降過程可以看作為一個二階彈簧阻尼系統(tǒng)，經(jīng)查閱資料[24]可知割臺傳遞函數(shù)如式（8）所示。

系統(tǒng)選用ITAE作為性能指標(biāo)，其能很好地檢測系統(tǒng)的響應(yīng)和性能，在ITAE性能指標(biāo)下，將IDBO-PID與DBO-PID和PID進(jìn)行比較分析，其結(jié)果如表4所示，收斂曲線和階躍響應(yīng)曲線如圖6所示[25-29]。

由表4可知，依據(jù)人工經(jīng)驗設(shè)置的PID參數(shù)的PID控制器超調(diào)量雖然與調(diào)試前相比減小不少，但是相對于其他兩個算法仍然具有較大的超調(diào)量，以及較慢的響應(yīng)速度。DBO-PID采用的DBO算法完成對PID的3個參數(shù)的尋優(yōu)，相較于傳統(tǒng)的PID而言，DBOPID的超調(diào)量較小，響應(yīng)時間更快，但是相較于IDBOPID，DBO-PID的性能依然較弱，IDBO-PID的超調(diào)量幾乎為0，響應(yīng)速度相較于其他兩個算法也較快。綜上所述，IDBO-PID具有較快的響應(yīng)速度和較高的穩(wěn)定性。

由圖6可知，IDBO的響應(yīng)收斂曲線的下降速度明顯快于DBO響應(yīng)曲線，并且最終值IDBO強于DBO。傳統(tǒng)PID控制超調(diào)量明顯高于其他兩種算法，DBOPID雖然經(jīng)過DBO算法尋優(yōu)，但是其超調(diào)量與IDBOPID相比依舊高于IDBO-PID。

綜上所述，經(jīng)過改進(jìn)后的蜣螂優(yōu)化算法（IDBO）優(yōu)化PID控制，具有較快的響應(yīng)速度和較好的穩(wěn)定性，符合聯(lián)合收獲機割臺控制系統(tǒng)的需求。

4 田間試驗

4.1 試驗條件

為了檢驗聯(lián)合收獲機割臺控制系統(tǒng)的性能，本研究于2023年6月15日在山東省青島市即墨區(qū)盛發(fā)小麥種植合作社進(jìn)行田間試驗。田間試驗中機器參數(shù)與作物信息如表5所示，小麥試驗田如圖7所示。

試驗設(shè)備包括兩個慣性測量單元（IMU）、STM32控制器（正點原子，STM32F103）、卷尺、繼電器模塊、秒表及筆記本電腦等。

4.2 割臺響應(yīng)速度試驗

針對聯(lián)合收獲機割臺上升和下降兩種情況，分別進(jìn)行聯(lián)合收獲機割臺響應(yīng)速度試驗。上升和下降分別由上位機設(shè)置5組高度數(shù)據(jù)，每組高度數(shù)據(jù)的高度變化量為10cm，并采用秒表對聯(lián)合收獲機系統(tǒng)響應(yīng)時間進(jìn)行測量，如圖8所示，試驗結(jié)果如表6所示。

根據(jù)GB16151.12—2008的規(guī)定，割臺上升速度應(yīng)≥0.2m/s，下降速度應(yīng)≥0.15m/s。由表6可知，割臺上升的平均速度0.44m/s，割臺下降的平均速度0.32m/s，割臺上升和下降的平均速度均符合國家標(biāo)準(zhǔn)。

4.3 割臺調(diào)節(jié)精度試驗

將割臺分為上升和下降兩種情況進(jìn)行割臺高度調(diào)節(jié)試驗，分別將上升和下降的目標(biāo)割臺高度設(shè)置為5組不同的數(shù)值，當(dāng)下位機接收到上位機發(fā)送的目標(biāo)高度后，通過控制使割臺穩(wěn)定后，采取卷尺對于當(dāng)前割臺離地高度進(jìn)行測量，如圖9所示，試驗結(jié)果如表7所示。

5 結(jié)束語

（1）為解決無人農(nóng)場聯(lián)合收獲機在作業(yè)過程中，因田間地形起伏不平導(dǎo)致割臺高度測量誤差的問題，本研究提出了一種割臺高度檢測的補償方法。該方法基于兩個傾角傳感器的數(shù)據(jù)，通過最小二乘法擬合，成功建立了割臺實際傾角與割臺離地高度之間的相關(guān)性模型，相關(guān)系數(shù)高達(dá)0.9958。

（2）采用群智能算法優(yōu)化PID控制的方式解決傳統(tǒng)PID算法控制精度低、響應(yīng)速度慢及不易調(diào)節(jié)的問題，針對選取的傳統(tǒng)蜣螂優(yōu)化算法存在種群良莠不齊、容易陷入最優(yōu)解、局部搜索能力差等問題，使用Bernoulli混沌映射、粒子群算法（PSO）、t分布擾動等策略對蜣螂優(yōu)化算法進(jìn)行改進(jìn)。通過與其他算法的性能比較分析，驗證了改進(jìn)后的蜣螂優(yōu)化算法具有更快的收斂速度和更強的搜索能力。

（3）完成了IDBO-PID控制器的設(shè)計，并將其通過仿真與傳統(tǒng)的DBO-PID和PID控制器進(jìn)行了對比分析。仿真結(jié)果清晰地展示了IDBO-PID控制器在響應(yīng)速度和穩(wěn)定性方面的顯著優(yōu)勢，證明了其在控制性能上的顯著提升。

（4）對于聯(lián)合收獲機的響應(yīng)時間和精度進(jìn)行試驗驗證，試驗結(jié)果表明，割臺的響應(yīng)時間較快，割臺的實際高度與測量高度的誤差均在0.02m以內(nèi)，滿足無人農(nóng)場的作業(yè)要求。