严 友，李 美

（1.衢州职业技术学院机电工程学院，浙江 衢州 324000；2.海南大学机电工程学院，海南 海口 570228）

1 引言

随着计算机智能化逐步深入以及数字科学技术的快速发展，以农用车辆自主导航为主的智能农装技术已为包括农业生产在内的传统手工行业的自动化开创了一个新时代[1]。高质量的农业生产水平对耕作、播种以及收割任务的效率提出了更高的要求。因此，各种类型的自动化农用车辆应运而生，农用车辆自主导航技术由周边环境自主感知判断、路径决策规划和轨迹实时跟踪等三个方面组成，其中，路径跟踪控制时该领域研究的重要组成部分，已成为当前农业自动化领域研究热点之一[2]。

国内外研究表明，农用车辆轨迹跟踪领域的相关研究中常用的控制方法有以下几种：比例-微分-积分（Proportion Integration Differentiation，PID）控制[3]、最优控制[4]、模糊逻辑控制[5]和神经网络控制[6]，其中，PID 控制器具有结构简单，调整方便，参数调整与工程指标紧密接触等优点，在测试设置中运行系统并修改PID 值以获得最佳响应，但传统PID 控制器参数的选择主要依赖反复的试验和经验，无法根据状态的变化适时的改变控制参数。为了解决上述问题，BP（Back Propagation）神经网络PID 控制、模糊RBF（Radical Basis Function） 神经网络PID 控制、遗传算法PID 控制以及自适应模糊PID 控制等方法相继被提出。但是上述改进的PID 控制方法，响应时间相对较长，且大部分算法计算量较大且复杂，甚至会导致比传统PID 更大的超调量。单神经元作为神经网络结构的基本单元，具有自学习和适应能力，结构简单且易于计算的优点，可以有效减少系统参数不确定性和随机扰动带来的负面影响。……