答辩博士：何永强
指导老师：周俊 教授
论文题目：履带式联合收获机稻田地况自适应行走控制研究
答辩委员会：
主席：
陈坤杰 教授/博导 南京农业大学
委员：
何瑞银 教授/博导 南京农业大学
丁为民 教授/博导 南京农业大学
周宏平 教授/博导 南京林业大学
金诚谦 研究员/博导 农业农村部南京农业机械化研究所
秘书：
顾宝兴 讲师/硕导 南京农业大学
答辩时间：2024年5月31日14时
答辩地点：浦口校区育贤楼C402
论文简介：
履带式联合收获机生产效率高、通过性好、对耕作层土壤破坏小，被广泛应用于水稻收获作业，并且正在逐步进入智能化阶段。目前，履带式联合收获机常用的路径跟踪控制方法主要有纯追踪控制法和PID控制法，在特定地况条件下经过反复调参后，可取得较好的路径跟踪效果。然而，不同稻田地块受耕种方式、水分管理、降水等诸多因素的影响，水稻收获期的土壤承载特性存在时空差异，履带式联合收获机在不同地况条件下的运动控制规律发生改变，现有路径跟踪控制方法存在地况适应性差的问题，路径跟踪精度低、控制稳定性差，无法满足自主作业需求。
针对上述问题，本文围绕提升履带式联合收获机稻田地况自适应行走控制性能，开展了局部跟踪路径自适应规划、基于地况感知的行走速度分级调控策略制定和稻田地况自适应行走控制3方面内容的研究，分别进行了相关理论分析、控制系统设计和田间试验。主要研究内容及结论如下：
（1）构建了履带式联合收获机稻田地况自适应行走控制研究平台。设计的稻田地况自适应行走控制系统包括：局部跟踪路径自适应规划模块、稻田地况感知及行走速度分级调控模块和地况自适应行走控制模块，分别阐述了其工作原理、实现方法。试验分析了联合收获机分别处于原地未启动状态和待作业状态下的定位精度和航向角测量精度，表明RTK-GNSS可以为联合收获机提供精准的位置和航向信息。针对联合收获机车体倾斜增大参考点定位误差的问题，给出了位姿补偿计算公式。
（2）分析了履带底盘转向控制特性和稻田土壤承载特性对履带式联合收获机行走控制性能的影响。分析了履带式联合收获机行走系统的结构功能和转向原理，建立了考虑侧滑因素的履带式联合收获机运动学模型，分析表明履带底盘行走系统的转向控制性能和转向控制频次对行走控制精度有较大影响。分析了稻田土壤承载特性对履带式联合收获机直行和转向运动控制的影响。土壤越湿软履带沉陷越深，联合收获机受到的外部行走阻力越大，相同控制参数条件下的行走速度越低。土壤越湿软、转向半径越小、转向角越大，收获机受到的转向阻力矩越大，并且高速侧履带滑转、低速侧履带侧向滑移会导致实际转向半径大于理论值。分析表明稻田土壤的密度、粘结强度等物理性质，以及转向半径、转向角对联合收获机的运动状态有较大的影响。从上述分析结果引出了对履带式联合收获机稻田地况自适应行走控制方法研究的切入点。
（3）设计了适应履带底盘转向特点的预瞄-切线局部跟踪路径自适应规划算法。规划的局部跟踪路径由平滑连接的两段圆弧组成，圆弧半径大小由收获机的横向偏差、航向偏差、预瞄辅助线位置和前视距离确定。建立了收获机位姿几何关系约束方程，利用二分法求解预瞄辅助线位置，前视距离由模糊算法动态调整。开展了履带式联合收获机稻田转向试验，通过拟合转向半径、行走速度控制量和转向控制量数据建立了转向控制模型，左转、右转控制模型的决定系数R2分别为0.978、0.980，并且表明转向控制量与转向半径呈自然对数关系、与行走速度控制量呈线性关系。建立了联合收获机位姿状态更新方程，仿真试验结果表明，预瞄-切线局部跟踪路径自适应规划算法与传统纯追综算法相比，转向频次大幅降低约50%、上线距离和上线时的位姿偏差减小。稻田直线路径跟踪试验结果表明，当行走速度分别为0.4 m/s和0.8 m/s时，预瞄-切线局部跟踪路径自适应规划算法与传统纯追踪算法相比，横向偏差的标准差分别减小33.33%、36.49%，航向偏差的标准差分别减小44.17%、12.48%，转向控制次数分别减少30.56%、33.33%。所提出的预瞄-切线局部跟踪路径自适应规划算法可有效降低转向控制频率、提高履带式联合收获机的路径跟踪精度和控制稳定性。
（4）制定了基于稻田地况感知的行走速度分级调控策略。统计分析发现水稻收获期的稻田土壤坚实度服从正态分布，主要分布在1200 ~ 3000 kPa之间，基于此将稻田地况划分为3个等级。建立了收获机-土壤振动模型，从收获机竖直方向的振动加速度信号中选取9个统计量，用于构建表征地况的特征向量。基于支持向量机SVM（Support vector machine）建立的稻田地况等级识别模型的精度为91.73%。联合收获机稻田地况感知系统性能田间测试结果表明，同一块稻田的地况等级基本一致，但局部地况存在空间差异，对3个等级的稻田地况在线识别精度分别为85.0%、83.0%和90.0%。模拟人工决策过程，综合稻田地况等级、收获机作业性能、作物长势和人工驾驶经验制定了行走速度分级调控策略。
（5）提出了基于跟踪轨迹误差预测及前馈补偿控制的履带式联合收获机地况自适应行走控制方法。试验建立了不同稻田地况等级条件下的转向控制模型。提出了利用联合收获机稀疏位姿向量在线估计轨迹圆弧半径的位姿向量法PVM（Pose vector method），比传统最小二乘法LSM（Least squares method）的拟合误差低几倍甚至十几倍，增强了收获机的运动状态在线感知能力。基于支持向量回归SVR（Support vector regression）建立了转向半径误差修正系数预测模型，并且以滑动窗口剔除旧数据获得新数据，在线训练并更新模型。对转向控制模型进行一阶泰勒展开线性化，设计了前馈补偿控制算法，根据预测的跟踪轨迹误差对收获机转向运动实施前馈补偿控制。稻田直线路径跟踪试验结果表明，与传统的纯追综算法相比，在3种不同地况条件下，地况自适应行走控制算法的横向偏差的标准差分别减少16.1%、1.7%、11.4%，航向偏差的标准差分别减少7.4%、19.0%、45.6%，提高了履带式联合收获机在不同地况稻田条件下的自适应行走控制性能。
（6）开展了履带式联合收获机稻田地况自适应行走控制田间综合试验。以转向控制模型为核心，将局部跟踪路径自适应规划模块、稻田地况感知及行走速度分级调控模块和地况自适应行走控制模块集成为一个总体系统进行试验。不同地况条件下的试验结果表明：在地面坚实度为2039.6 kPa的A#稻田，目标行走速度为0.790 m/s，实际行走速度均值为0.721 m/s、标准差为0.088 m/s，直线路径跟踪的横向偏差的标准差为0.074 m、航向偏差的标准差为3.080°；在地面坚实度为1316.7 kPa的B#稻田，目标行走速度为0.660 m/s，实际行走速度均值为0.567 m/s、标准差为0.085 m/s，直线路径跟踪的横向偏差的标准差为0.063 m、航向偏差的标准差为1.905°；在地面坚实度为2972.3 kPa的C#稻田，目标行走速度为0.953 m/s，实际行走速度均值为0.880 m/s、标准差为0.125 m/s，直线路径跟踪的横向偏差的标准差为0.094 m、航向偏差的标准差为2.493°。验证了设计的履带式联合收获机稻田地况自适应行走控制系统，可以适应不同稻田地况保持良好的路径跟踪精度和控制稳定性。
主要创新点如下：
（1）设计了适应履带底盘转向特点的预瞄-切线局部跟踪路径自适应规划算法，并建立了基于数据驱动的履带式联合收获机转向控制模型。有效降低了履带式联合收获机路径跟踪的转向控制频率，提高了控制过程的稳定性和路径跟踪精度。
（2）制定了基于稻田地况感知的行走速度分级调控策略。利用联合收获机的振动加速度信息构建了表征稻田地况的特征向量，基于SVM建立了稻田地况等级识别模型，制定了考虑地况条件的行走速度分级调控策略，提高了收获机的地况感知能力和行走速度自主调控能力。
（3）提出了基于轨迹误差在线预测和前馈补偿的稻田地况自适应行走控制算法。提出了利用稀疏位姿向量在线估计轨迹圆弧半径的位姿向量法PVM，增强了联合收获机的运动状态在线感知能力。基于SVR建立了转向半径误差修正系数预测模型，通过在线训练并更新模型，提高了联合收获机对稻田地况的持续学习能力。设计了前馈补偿控制算法，可以根据预测的轨迹误差对收获机转向运动实施前馈补偿控制，提高了履带式联合收获机对不同稻田地况的适应性。
