農(nóng)業(yè)智能巡檢機(jī)器人軌跡跟蹤控制

農(nóng)業(yè)智能巡檢機(jī)器人軌跡跟蹤控制孫新安【摘要】設(shè)計(jì)了一種農(nóng)業(yè)智能巡檢機(jī)器人，可以巡檢農(nóng)作物生長環(huán)境和生長狀況.機(jī)器人的實(shí)時(shí)位置通過GPS定位獲取，通過事先設(shè)定好的軌跡運(yùn)行;軌跡跟蹤控制算法采用自適應(yīng)魯棒滑?？刂扑惴?并通過Matlab軟件進(jìn)行了仿真驗(yàn)證，證明了算法具有較好的實(shí)時(shí)性和魯棒性;最后，將算法寫入TI公司的TMS320F28335處理器，并進(jìn)行了田間試驗(yàn).試驗(yàn)表明:基于該算法的智能巡檢機(jī)器人運(yùn)行穩(wěn)定，可以較好地實(shí)現(xiàn)農(nóng)業(yè)田間巡檢功能，解放了勞動(dòng)生產(chǎn)力.【期刊名稱】《農(nóng)機(jī)化研究》【年(卷)，期】2019(041)009【總頁數(shù)】5頁(P99-103)【關(guān)鍵詞】巡檢機(jī)器人;滑模變結(jié)構(gòu)控制;DSP;微控制器【作者】孫新安【作者單位】河南工學(xué)院，河南新鄉(xiāng)453002【正文語種】中文【中圖分類】S237;TP2420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［125-8］。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，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.1Thechartofintelligentinspectionrobotsystem1.2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.2Thephotographofintelligentinspectionrobot圖3巡檢機(jī)器人結(jié)構(gòu)圖Fig.3Thestructurechartofintelligentinspectionrobot2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；e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；3為機(jī)器人的角速度，通過設(shè)計(jì)控制率［v,3］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.4Thedynamicmathematicalmodelofintelligentinspectionrobot2.2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)X軸：假設(shè)u1=vcos0，取滑模變結(jié)構(gòu)函數(shù)s1=xe，求導(dǎo)可知：設(shè)計(jì)控制率為其中，k1>0，可得s1'=-k1s1。構(gòu)造李雅普諾夫函數(shù)，即⑶求導(dǎo)為⑷因?yàn)閗1>0,所以成立，系統(tǒng)穩(wěn)定。Y軸控制率設(shè)計(jì)為：假設(shè)u2=vsin0,取滑模變結(jié)構(gòu)函數(shù)s2=ye，求導(dǎo)可知：設(shè)計(jì)控制率為其中，k2>0，可得s2'=-k2s2。構(gòu)造李雅普諾夫函數(shù),即⑸求導(dǎo)為因?yàn)閗2>0,所以成立，系統(tǒng)穩(wěn)定。由上述方程可知實(shí)際位置控制率為⑺其中，e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ed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ee=e-ed,取滑模函數(shù)s3=ee，對其求導(dǎo)，可得(8)設(shè)計(jì)滑模姿態(tài)控制率為W=0d,-k3s3-q3(t)sgns3⑼其中，n3(t)=max(|E(t)|)+n為自適應(yīng)魯棒項(xiàng)，q>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，可以得到因?yàn)閗3>0,所以成立，系統(tǒng)穩(wěn)定。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。n=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.5Thesimulationresultoftrajectorytracking圖6控制量(線速度)仿真波形圖Fig.6Thewaveformdiagramoflinearvelocity4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。x軸誤差y軸誤差角度誤差圖7軌跡跟蹤仿真誤差Fig.7Theerroroftrajectorytracking圖8巡檢機(jī)器人系統(tǒng)測試環(huán)境Fig.8Thetestenvironmentofinspectionrobotsystem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.9Thelocationinformationofinspectionrobot表1巡檢機(jī)器人數(shù)據(jù)測試實(shí)驗(yàn)結(jié)果Table1Theexperimentalresultsofinspectionrobot測試項(xiàng)目人工測量值客戶端測量值誤差率/%空氣溫度16.316.40.004空氣濕度26.025.80.002光照強(qiáng)度403.0402.80.002【相關(guān)文獻(xiàn)】張士敏物聯(lián)網(wǎng)在水稻區(qū)域試驗(yàn)信息采集中的應(yīng)用研究[J].農(nóng)機(jī)化研究,2019,41(1):214-217.高浩天,朱森林，常歌，等.基于農(nóng)業(yè)物聯(lián)網(wǎng)的智能溫室系統(tǒng)架構(gòu)與實(shí)現(xiàn)[J].農(nóng)機(jī)化研究,2018,40(1):183-188.王健,陳蘭生，賴其濤，等.大數(shù)據(jù)背景下的智能化農(nóng)業(yè)設(shè)施系統(tǒng)設(shè)計(jì)[J].中國農(nóng)機(jī)化學(xué)報(bào),2016,37(11):180-184.柳軍,陶建平,孟力力，等.基于物聯(lián)網(wǎng)技術(shù)的溫室環(huán)境監(jiān)控系統(tǒng)設(shè)計(jì)[J].中國農(nóng)機(jī)化學(xué)報(bào),2016,37(12):179-182.趙巧.基于物聯(lián)網(wǎng)的農(nóng)作物試驗(yàn)基地監(jiān)控管理系統(tǒng)設(shè)計(jì)[J].農(nóng)機(jī)化研究,2019,41(1):222-225.劉玉潔，陳聰.基于物聯(lián)網(wǎng)的果園避障除草機(jī)定位導(dǎo)航控制系統(tǒng)研究[J].農(nóng)機(jī)化研究,2018,40(9):223-226.殷玥.基于嵌入式PC和物聯(lián)網(wǎng)的無人駕駛拖拉機(jī)研究[J].農(nóng)機(jī)化研究,2018,40(1):247-251.樊艷英,張自敏,陳冠萍，等.