農用車輛路徑跟蹤預瞄控制研究—基于免疫模糊PID算法和視覺導航

吳東林,張玉華

(漯河食品職業學院 信息工程系,河南 漯河 462300)

0 引言

近年來,隨著視覺導航技術的不斷發展,計算機視覺和智能控制技術被應用到農用車輛的路徑規劃系統中,在農業車輛進行自主導航時,首先利用計算機視覺技術獲取道路的路況信息,然后利用智能算法對路徑進行規劃,最后利用控制算法讓農用車輛沿著規劃路線行走。但是,目前的研究大部分集中在反饋式控制上,只把當前路況信息作為控制依據,無法利用未來的環境信息,因此在控制和規劃上仍然缺乏一定的智能性和魯棒性。由于農業作業環境的復雜性,在農用車輛作業過程中會發生很多突發狀況,為了保證車輛行駛的安全性,需要對這些情況進行預瞄,以提高農業車輛的控制精度。為此,通過模仿人工駕駛的方法,將人工智能控制算法引入到農業車輛的路徑規劃和跟蹤預瞄控制上,對于提高車輛行駛的安全性及控制的智能性具有重要的意義。

1 基于追蹤及預瞄的農業車輛行駛控制

隨著人工智能技術不斷被引入農業車輛的控制系統中,無人駕駛車輛開始被投入到農業生產過程中,特別是在作業面積較大的區域,無人駕駛車輛可以有效地提高農業作業的生產效率。在無人駕駛農用車輛作業的過程中,一般將其路徑提前規劃好,然后讓車輛沿著既定的路徑自主行走作業,但如遇到突發情況,無法保證車輛的安全行駛和準確控制。例如,在遇到急轉彎時,如果車輛能夠及時識別前方突然路況,調整作業姿態,可以順利地避免事故的發生,這就需要引入預瞄加反饋控制器,其總體設計框架如圖1所示。

圖1 預瞄加反饋控制器框架結構Fig.1 The framework structure of preview and feedback controller

車輛行走時,模仿人的駕駛行為,如前方坡路、急轉彎、障礙物等情況,人在駕駛時會提前做出預判,調整車速以避免事故的發生。與人的駕駛行為類似,當無人駕駛農用車輛遇到突發狀況時,也可以通過預瞄路徑來獲得,然后采用反饋調節的方式提前做好路徑規劃,使農用車輛順利地應對突發狀況。

2 基于免疫模糊PID算法和跟蹤預瞄的視覺導航技術

農用車輛在自主行走時會遇到一些急轉彎等突發狀況,為了提前做好準備可采用預瞄的方式跟蹤這些路況,然后采用模糊控制器提前做好農業車輛的控制準備。進行控制時,為了提高控制精度還要對車輪或者履帶的速度進行檢測,將信息反饋給控制器,控制器控制舵機的動作調整轉彎姿態,以提高轉彎的安全性。控制系統模型如圖2所示。

圖2 免疫模糊PID控制模型Fig.2 Immune fuzzy PID control model

與普通的轉彎略有不同,在急轉彎或和車輛使用履帶的形式時,還需要利用舵機來輔助轉向。在轉向過程中,為了提高轉向控制的精度,還可以通過免疫遺傳算法對模糊控制過程進行訓練。在進行PID反饋調節控制時,由于無人駕駛車輛采用的是計算機控制,還需要對控制過程進行離散化處理。假設采樣周期為T,將連續時間離散為一系列的時間點KT,積分可以等效為累加求和,微分可以等效為向后差分,其過程為

t=KT

(1)

(2)

(3)

其中,e(k)為采樣系統的k時刻偏差;e(k-1)為采樣系統的k-1時刻偏差,k為采樣序列號,其值為k=0,1,2…。于是,可以得到離散化的PID表達式為

(4)

(5)

利用遞推算法,考慮第k-1次采樣時有

(6)

將式(5)和式(6)相減可得

(7)

整理后得

u(k)=u(k-1)+a0e(k)-a1e(k-1)+
a2e(k-2)

(8)

圖3 播種機反饋調節控制流程Fig.3 The feedback regulation control flow of seeder

利用反饋調節機制,可以在保證轉向安全的情況下,實現速度和轉向的控制,在實際控制過程中,除了要保證轉向的安全性,還需要提高控制的精度,本次引入了免疫遺傳算法。以農用車輛速度的控制為例,假設t表示交叉次數,a表示初始車輛速度,依據免疫遺傳算法首先產生一個遺傳序列,則有

(9)

eval(ψm)=β(1-β)i-1
i=1,2,…,z, 0<β<1

(10)

其中,β是隨機實數,且β∈[0,1]。利用免疫遺傳算法對比例系數進行自適應概率選擇,其過程為

(11)

(12)

其中,y是隨機實數,且y∈[0,1]。對比例系數進行變異操作,則有

(13)

其中,N為變異種群的數目,s為變異系數,其具體流程如圖4所示。

圖4 農機制造裝配工序遺傳算法Fig.4 Genetic algorithms for assembly procedures of agricultural machinery manufacturing

為了提高PID模糊控制的精度,將免疫遺傳算法引入控制系統,通過交叉和變異,使農用車輛的速度控制得到優化,降低控制誤差,提高控制精度,實現智能化控制過程。

3 農用車輛跟蹤預瞄控制系統仿真測試

隨著我國農業現代化技術的不斷發展,無人駕駛農機被應用到農業生產過程中。圖5是農機展上中聯重科生產的無人駕駛作業農機,可以實現自主導航和自動化作業。

無人駕駛拖拉機作業時,拖拉機可以自主行走,自動化完成作業。由于免疫模糊PID控制算法的復雜性,為了簡化實驗,以仿真模擬的方法對控制算法的控制精度和效率等進行驗證,模擬圖5的作業環境。本次選用的車速為18m/s,農用車輪角速度為50.68rad/s,通過仿真計算得到了如圖6所示的仿真結果。

圖6 預瞄規劃路徑和車輛行駛軌跡曲線Fig.6 The preview planning path and vehicle trajectory curve

由仿真結果可以看出：最大誤差處小于0.1m,這說明采用免疫模糊PID算法具有較高的精度。

為了進一步研究跟蹤預瞄系統的控制誤差,對橫向控制誤差隨時間的變化進行了統計,得到了如圖7所示的變化曲線。由仿真結果可以看出：橫向控制誤差只有出現急轉彎等突發狀況時才會出現較大的波動,總體誤差不超過0.15m,具有較高的控制精度。

圖7 預瞄誤差變化曲線Fig.7 The preview error curve

為了進一步驗證算法的可靠性,將免疫模糊PID算法和其他算法進行了對比,結果如表1所示。由對比結果可以看出：采用免疫模糊PID算法的運算效率要明顯比其他算法高,進一步驗證了算法的可靠性。

表1 不同算法控制響應時間對比Table 1 The contrast of control response time of different algorithms ms

4 結論

為了提高無人駕駛農用車輛突發狀況時的安全性和控制效率,將跟蹤預瞄加反饋控制器使用到了車輛的控制系統上,并采用免疫模糊PID控制算法對系統進行優化,以提高PID算法的控制精度。為了驗證方法的可行性,模擬無人駕駛農用車輛的作業環境,對控制算法的精度和效率進行了驗證。測試結果表明：采用免疫模糊PID控制算法具有較高的控制精度,算法運算效率也很高,可以滿足無人駕駛農用車輛控制系統的設計需求。