智能農(nóng)機(jī)中精準(zhǔn)定位的研究與實(shí)現(xiàn)

黃 振

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065)

智能農(nóng)機(jī)中精準(zhǔn)定位的研究與實(shí)現(xiàn)

黃 振

(重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065)

對(duì)智能農(nóng)機(jī)自動(dòng)駕駛或輔助駕駛中定位方式進(jìn)行改進(jìn)，采用GPS/INS組合導(dǎo)航的方式實(shí)現(xiàn)精準(zhǔn)定位。GPS/INS組合導(dǎo)航能克服僅采用GPS或INS進(jìn)行定位的缺陷，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，減少定位誤差。研究了GPS/INS組合導(dǎo)航算法，并對(duì)GPS和INS數(shù)據(jù)采用卡爾曼濾波進(jìn)行處理，從位置、速度、姿態(tài)三方面進(jìn)行仿真對(duì)比分析，驗(yàn)證該算法確實(shí)能夠減少定位誤差，實(shí)現(xiàn)較精準(zhǔn)的定位。

精準(zhǔn)定位；自動(dòng)駕駛；GPS/INS組合導(dǎo)航；卡爾曼濾波

0 引言

目前我國(guó)在智能農(nóng)機(jī)方面的應(yīng)用，主要體現(xiàn)在拖拉機(jī)自動(dòng)或輔助駕駛系統(tǒng)，通過(guò)精準(zhǔn)定位能夠提高土地的利用率，提高農(nóng)作物產(chǎn)量。因此需要對(duì)智能農(nóng)機(jī)精準(zhǔn)定位方向的研究及實(shí)現(xiàn)方案進(jìn)行改進(jìn)，尋找滿足智能農(nóng)機(jī)定位與遠(yuǎn)程監(jiān)控系統(tǒng)需求的實(shí)現(xiàn)方案。關(guān)于智能農(nóng)機(jī)導(dǎo)航精準(zhǔn)定位方案的研究，一般都要求定位精度達(dá)到厘米級(jí)，主要實(shí)現(xiàn)方案包括[1]：采用高精度的載波相位差分(Real-Time Kinematic,RTK)GPS系統(tǒng)；GPS與羅盤、慣性導(dǎo)航組合定位方式；機(jī)器視覺(jué)導(dǎo)航等。已有的研究應(yīng)用實(shí)例一般是通過(guò)RTK-GPS實(shí)現(xiàn)厘米級(jí)精準(zhǔn)定位，達(dá)到為農(nóng)機(jī)導(dǎo)航的目的。

慣性導(dǎo)航系統(tǒng)(Inertial Navigation System，INS)和全球定位系統(tǒng)(Global Positioning System，GPS)都是目前常用的導(dǎo)航定位系統(tǒng)，二者在組合導(dǎo)航領(lǐng)域使用也十分廣泛[2]。正因?yàn)槿绱耍珿PS和INS二者共同連帶的組合模式是當(dāng)今研究領(lǐng)域中較為理想的選擇。

GPS/INS組合導(dǎo)航系統(tǒng)，能對(duì)GPS或INS單獨(dú)使用時(shí)的缺陷進(jìn)行彌補(bǔ)。GPS單獨(dú)使用時(shí)，會(huì)出現(xiàn)信號(hào)遮擋或干擾致使接收不到定位信息，而此時(shí)INS可以接收信息；INS單獨(dú)使用時(shí)，累積誤差隨工作時(shí)間增加而增大，而GPS的穩(wěn)定性可以校正累積誤差[3]。

本文研究一種在智能農(nóng)機(jī)上應(yīng)用的精準(zhǔn)定位系統(tǒng)，即GPS/INS組合導(dǎo)航系統(tǒng)，通過(guò)濾波算法處理融合數(shù)據(jù)以減少誤差獲取較高的定位精度，用來(lái)解決無(wú)人駕駛和輔助駕駛中農(nóng)機(jī)的導(dǎo)航與精準(zhǔn)定位問(wèn)題。對(duì)算法流程和處理過(guò)程進(jìn)行分析，并通過(guò)改進(jìn)優(yōu)化相關(guān)算法，進(jìn)行仿真優(yōu)化與測(cè)試，驗(yàn)證定位精度是否提高，具有一定的理論價(jià)值和實(shí)際應(yīng)用價(jià)值。

1 GPS/INS組合導(dǎo)航系統(tǒng)方案

1.1 基本方案

基本的GPS/INS組合導(dǎo)航方案如圖1所示，通過(guò)采集GPS數(shù)據(jù)和INS數(shù)據(jù)，進(jìn)行數(shù)據(jù)融合處理。數(shù)據(jù)融合算法采用卡爾曼濾波(Kalman filtering)，卡爾曼濾波是一種利用線性系統(tǒng)狀態(tài)方程，通過(guò)系統(tǒng)輸入輸出觀測(cè)數(shù)據(jù)，對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法[4]。考慮到智能農(nóng)機(jī)系統(tǒng)為非線性系統(tǒng)，可在實(shí)際處理中近似為線性系統(tǒng)，再用相關(guān)濾波算法進(jìn)行處理計(jì)算。

圖1 GPS/INS組合導(dǎo)航基本方案

基本方案中數(shù)據(jù)處理從GPS模塊獲取經(jīng)緯度等數(shù)據(jù)，從INS模塊的加速度計(jì)、陀螺儀等傳感器獲取角速度、加速度信息，然后經(jīng)導(dǎo)航結(jié)算輸出慣性導(dǎo)航數(shù)據(jù)信息；把GPS和INS數(shù)據(jù)通過(guò)數(shù)據(jù)融合進(jìn)行處理，通過(guò)濾波計(jì)算得到高精度定位數(shù)據(jù)輸出。根據(jù)當(dāng)前硬件條件情況，首先對(duì)GPS/INS組合導(dǎo)航算法方面進(jìn)行研究，目的是滿足GPS盲區(qū)的精準(zhǔn)定位。

GPS/INS組合導(dǎo)航采用的是松組合，即以INS為主GPS為輔的方案。在GPS工作時(shí)，GPS數(shù)據(jù)用于導(dǎo)航信息的最優(yōu)估計(jì)，并用最優(yōu)估計(jì)結(jié)果反饋修正INS,使其保持高精度；在GPS無(wú)信號(hào)時(shí)，INS單獨(dú)工作，輸出慣性導(dǎo)航解。目前這種松組合模式已經(jīng)在國(guó)產(chǎn)組合導(dǎo)航系統(tǒng)中得到了廣泛應(yīng)用，也適用于智能農(nóng)機(jī)精準(zhǔn)定位[5]。

1.2 數(shù)學(xué)建模

GPS/INS組合導(dǎo)航系統(tǒng)實(shí)際上是根據(jù)采集的外部信息，參照某種方式進(jìn)行信息和數(shù)據(jù)的融合，進(jìn)行參數(shù)最優(yōu)估計(jì)。在智能農(nóng)機(jī)中GPS/INS由于農(nóng)機(jī)作業(yè)環(huán)境的特殊性，運(yùn)動(dòng)模型較為簡(jiǎn)單，在整體程序算法的設(shè)計(jì)上，使用GPS接收機(jī)的數(shù)據(jù)對(duì)INS的導(dǎo)航定位誤差進(jìn)行修正，以實(shí)現(xiàn)精準(zhǔn)定位。

考慮到采用卡爾曼濾波進(jìn)行數(shù)據(jù)處理，對(duì)導(dǎo)航參數(shù)誤差進(jìn)行估計(jì)，所以使用間接法進(jìn)行數(shù)據(jù)融合。間接法系統(tǒng)狀態(tài)誤差均為小量，而且方程線性化帶來(lái)的誤差較小，便于工程實(shí)現(xiàn)，濾波器故障不會(huì)影響INS的工作[6]。如圖2所示為使用卡爾曼濾波間接法輸出校正。

1.3 狀態(tài)方程

GPS/INS組合導(dǎo)航系統(tǒng)的狀態(tài)系統(tǒng)包括：INS器件誤差、平臺(tái)誤差方程、位置和速度誤差方程。在智能農(nóng)機(jī)硬件平臺(tái)上，對(duì)GPS和INS性能與誤差源進(jìn)行分析，為便于實(shí)現(xiàn)，卡爾曼濾波器取組合導(dǎo)航系統(tǒng)各狀態(tài)的誤差量作為濾波器的狀態(tài)變量。

本研究只考慮隨機(jī)誤差，GPS/INS組合導(dǎo)航系統(tǒng)各狀態(tài)的誤差量包括3個(gè)平臺(tái)誤差角、3個(gè)導(dǎo)航系統(tǒng)的速度誤差、3個(gè)位置誤差、3個(gè)陀螺儀隨機(jī)漂移和3個(gè)加速度計(jì)零偏誤差，一共15個(gè)狀態(tài)估計(jì)參數(shù)。

1.3.1陀螺儀隨機(jī)漂移誤差模型

陀螺儀隨機(jī)漂移的誤差模型一般取隨機(jī)常數(shù)、一階馬爾科夫過(guò)程和白噪聲的組合。即：

ε=εb+εr+ωg

(1)

其中，εb為隨機(jī)常數(shù)，仿真陀螺儀的常值漂移；εr為一階馬爾科夫過(guò)程，仿真陀螺儀的時(shí)間相關(guān)漂移；ωg為白噪聲，仿真陀螺儀的量測(cè)白噪聲。

為方便模型建立，假定所有的陀螺漂移誤差模型相同，均為：

(2)

(3)

其中，Tg為相關(guān)時(shí)間。

1.3.2加速度計(jì)誤差模型

加速度計(jì)的誤差模型考慮為一階馬爾科夫過(guò)程，在本研究中認(rèn)為三軸加速度計(jì)誤差模型相同，均為：

(4)

其中，Ta為相關(guān)時(shí)間。

1.3.3GPS誤差和狀態(tài)方程

GPS的位置和速度誤差通常是時(shí)間相關(guān)的，在位置、速度組合模式中誤差體現(xiàn)為量測(cè)噪聲。量測(cè)噪聲時(shí)間相關(guān)且是有色噪聲，建模不易而且不能用狀態(tài)擴(kuò)充法處理，所以可采取增加卡爾曼濾波器的迭代周期或者采用分散濾波器理論來(lái)設(shè)計(jì)濾波器。

將誤差方程綜合在一起，系統(tǒng)狀態(tài)方程為[6]：

(5)

式中，X(t)為系統(tǒng)狀態(tài)向量，W(t)為系統(tǒng)噪聲向量，F(xiàn)(t)為系統(tǒng)矩陣，G(t)為系統(tǒng)噪聲矩陣。

1.4 量測(cè)方程

本研究中GPS/INS組合導(dǎo)航采用的是松組合方式，在松組合模型中采用INS和GPS輸出的位置、速度之差作為觀測(cè)量。位置測(cè)量值是INS輸出的經(jīng)緯度、高度信息和GPS輸出相應(yīng)信息的差值，速度測(cè)量值是INS輸出的東向、北向速度和GPS輸出相應(yīng)信息的差值。

將位置、速度量測(cè)方程合并，得出該系統(tǒng)的量測(cè)方程為[7]：

Z(t)=H(t)X(t)+V(t)

(6)

式中，H(t)是量測(cè)矩陣，V(t)是量測(cè)噪聲。

2 系統(tǒng)仿真及結(jié)果分析

本研究硬件實(shí)現(xiàn)平臺(tái)是基于團(tuán)隊(duì)研究的智能車輛控制器項(xiàng)目，智能車輛控制器硬件基于高通處理器平臺(tái)，搭載Android操作系統(tǒng)，外接GPS接收機(jī)，采用GPS/INS組合導(dǎo)航系統(tǒng)，再通過(guò)卡爾曼濾波處理獲取高定位精度。實(shí)驗(yàn)時(shí)可將智能車輛控制器連到拖拉機(jī)上采集定位信息和其他相關(guān)信息并上傳到服務(wù)器。

本次仿真將測(cè)試程序下載到智能車輛控制器，在實(shí)驗(yàn)室附近一條水泥路進(jìn)行勻速運(yùn)動(dòng)，主要采集定位模塊相關(guān)數(shù)據(jù)。獲取數(shù)據(jù)后進(jìn)行仿真誤差分析，對(duì)位置、速度、姿態(tài)誤差進(jìn)行經(jīng)GPS/INS組合導(dǎo)航算法處理前后的分析對(duì)比。在MATLAB仿真時(shí)，假定陀螺儀和加速度計(jì)的誤差統(tǒng)計(jì)特性一致，并且隨機(jī)噪聲由隨機(jī)常值和白噪聲組成。設(shè)定仿真時(shí)間為100 s，仿真結(jié)果如圖3～圖5所示。

圖3 位置誤差對(duì)比圖

圖4 速度誤差對(duì)比圖

圖5 姿態(tài)誤差對(duì)比圖

從仿真結(jié)果(data1是GPS/INS組合導(dǎo)航算法處理前誤差，data2是處理后誤差)可以看出，經(jīng)過(guò)GPS/INS組合導(dǎo)航卡爾曼濾波處理的位置、速度、姿態(tài)誤差都有減少，能夠提高定位精度。位置誤差如果不進(jìn)行濾波處理會(huì)隨著時(shí)間增加誤差變大，經(jīng)該算法處理后誤差趨于平穩(wěn)，誤差處理效果較好；速度誤差也一直存在并有增大的趨勢(shì)，處理效果開(kāi)始有些不穩(wěn)定，之后處理效果變好；姿態(tài)誤差處理效果一般，后期算法仍需改進(jìn)。從仿真結(jié)果來(lái)看，該算法有一定的容錯(cuò)能力，系統(tǒng)的可靠性和精度有了一定的提高。

3 結(jié)論

本文介紹了我國(guó)在精準(zhǔn)農(nóng)業(yè)實(shí)現(xiàn)方面主要采取的措施，以及GPS/INS在智能農(nóng)機(jī)精準(zhǔn)定位中的優(yōu)勢(shì)。提出了一種應(yīng)用在智能農(nóng)機(jī)上的GPS/INS組合導(dǎo)航系統(tǒng)，并對(duì)其數(shù)學(xué)模型和狀態(tài)方程、量測(cè)方程進(jìn)行了分析，最后對(duì)系統(tǒng)進(jìn)行了仿真驗(yàn)證。GPS/INS組合導(dǎo)航確實(shí)能夠提高導(dǎo)航定位精度并應(yīng)用在智能農(nóng)機(jī)上，該算法對(duì)利用GPS和INS兩個(gè)非相似導(dǎo)航系統(tǒng)提供的互補(bǔ)信息來(lái)提高定位的可靠性和精度，后期仍需對(duì)該算法進(jìn)行優(yōu)化，爭(zhēng)取實(shí)現(xiàn)誤差在厘米級(jí)的精準(zhǔn)定位。

[1] 胡靜濤, 高雷, 白曉平,等. 農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航技術(shù)研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(10):1-10.

[2] YANG Y, FARRELL J A. Magnetometer and differential carrier phase GPS-aided INS for advanced vehicle control[J]. IEEE Transactions on Robotics & Automation, 2003, 19(2):269-282.

[3] 許麗佳, 陳陽(yáng)舟, 崔平遠(yuǎn). GPS/INS組合導(dǎo)航系統(tǒng)中的信息融合算法研究[J]. 計(jì)算機(jī)仿真, 2004, 21(5):20-23.

[4] WELCH G,BISHOP G.An introduction to the Kalman filter[D]. University of North Carolina at Chapel Hill, 1995.

[5] 周星伶. GPS/INS組合導(dǎo)航系統(tǒng)松、緊耦合性能比較[J]. 航空電子技術(shù), 2007, 38(4):1-6.

[6] 秦永元,張洪鉞,汪叔華.卡爾曼濾波與組合導(dǎo)航原理[M].西安：西北工業(yè)大學(xué)出版社, 2015.

[7] 吳鳳柱, 何矞, 焦旭,等. GPS/SINS緊組合導(dǎo)航系統(tǒng)信息融合技術(shù)研究[J]. 電子技術(shù)應(yīng)用, 2013, 39(2):67-69.

Research and implementation of precise positioning in intelligent agricultural machinery

Huang Zhen

(College of Communication and Information Engineering, Chongqing University of Posts andTelecommunications, Chongqing 400065, China)

To improve the positioning mode of automatic and auxiliary driving of intelligent agricultural machinery, we adopted the Global Positioning System(GPS)/Inertial Navigation System(INS) integrated navigation to achieve accurate positioning.GPS/INS integrated navigation can overcome the defects of positioning only by GPS or INS, complement each other and reduce positioning errors.In this paper, we studied the algorithm of GPS/INS integrated navigation and using Kalman filter to process GPS/INS data.The simulation results from three aspects of position, speed and attitude show that the algorithm can reduce the positioning error and achieve accurate positioning.

precise positioning; automatic drive; GPS/INS integrated navigation; Kalman filtering

TP273

A

10.19358/j.issn.1674- 7720.2017.23.007

黃振.智能農(nóng)機(jī)中精準(zhǔn)定位的研究與實(shí)現(xiàn)[J].微型機(jī)與應(yīng)用，2017,36(23)：25-27.

2017-06-14)

黃振(1993- )，通信作者，男，碩士研究生，主要研究方向：組合導(dǎo)航算法和精準(zhǔn)定位。E-mail：1176199403@qq.com。