农机自动驾驶设备作业检测系统的设计与实现

2022-07-20宫霞霞

南方农机 2022年14期

彭川，戢敏，宫霞霞，王辉

（成都大学机械工程学院，四川成都 610000）

随着智慧农业战略的实施及农村年轻劳动力的转移，无人大田农业将成为未来农业发展的重要方向。农机自动驾驶设备是智慧农业建设的重要支撑，是我国机械制造技术发展的具体体现。农机自动驾驶设备的核心是能够依照空间变异定时、定位实现精准化作业[1]。其核心技术就是利用北斗导航系统将航模模块采集的数据作为控制系统感知参数，以此根据系统预设指令控制自动驾驶设备的方向盘、转动电机等系统，从而代替人工实现自主作业。据统计，目前国内外控制自动驾驶设备的检测系统主要采用RTK获得设备作业的轨迹，将作业轨迹数据与标记的地面实时点进行对比获得作业误差值，并对误差值进行调整。此种检测方式操作比较复杂、工作效率较低，测量设备RTK精度只能控制在厘米级范围，农机自动驾驶设备的作业精度有待进一步提升。笔者结合相关研究构建超宽带通信（UWB, Ultra Wide Band）基站-标签作为检测传感器的检测系统。

1 UWB技术概述

近年来，UWB技术在无线通信传输领域得到广泛应用，是精准定位技术之一。随着我国人工智能技术的发展，UWB技术在农机自动驾驶设备中的应用越来越广，我国农机自动驾驶设备从芯片、终端竞争转化为地基增强站的竞争。通过综合相关文献资料，国内学者对UWB技术作出了诸多研究贡献：林相泽等[2]利用 K-means 聚类与截段处理方法对距离测量误差进行优化设计，以此提高了对农机车辆的准确定位，从而有效提升了农机作业的精度；符世琛等[3]在狭长巷道内利用超宽带定位技术实现了掘进机的三维空间内厘米级定位和自主导控。通过分析不难看出上述研究主要是在农业作业区域边界设置3个以上的UWB基站，通过伪卫星法采集农机本体上UWB标签与UWB基站的实时距离，确定作业机具在作业区域内的实时位置坐标。在小范围农业作业或者经常更换作业地块设置UWB基站不现实，文章基于UWB 基站-标签相对测距信息，设计了改进信号到达角度（AOA, Angle of Arrival）模式的农业机械导航参数检测方法。

2 农机自动驾驶设备检测系统的总体设计

基于UWB的检测系统主要是在农田边界设置双UWB基站作为导航参数，在自动驾驶农机上布置双UWB标签，利用UWB基站-标签实时测距信息，从而实现自动驾驶农机的实时检测。

据研究，农田边界设置双UWB基站主要有两种方式：垂直作业路径的布置方式和平行作业路径的布置方式。影响自动驾驶农机作业轨迹的主要因素是自动驾驶农机车身双UWB标签与UWB基站的信号角度，二者之间存在一定的测距误差。平行作业路径的布置方式需要计算UWB标签与双UWB基站的方位角，会导致自主导航参数的检测误差比较大。文章采取平行作业路径的布置方式[4]，具体如图1所示。

图1 田边双UWB基站布置示意图

横向偏差主要是自动驾驶农机中心点与双UWB基站中心轴线的垂直距离和目标作业路径距离之差。航向偏差则是自动驾驶农机车身纵向中心轴线或横向中心轴线与目标作业路径的夹角[5]。为了提升检测的准确性，自动驾驶农机车身的双UWB标签安装采取双基站-纵向双标签布置方式如图2所示。

图2 双基站-纵向双标签布置方式

农田自动驾驶导航检测系统主要包括以下部分：2组UWB基站-标签套件（DWM1000UWB模块，其功能主要是测量距离小于300 m，测量精度在±5 cm）、控制器、人际交互显示屏以及RS485通信接口等元件。其工作原理如下：由安装在农机自动驾驶设备中的控制器检测UWB标签1和UWB标签2与双UWB基站间的实测距离，基站与标签间的距离信息主要根据双向双边测距离算法自行解算，控制器并不参与距离的实际算法，仅负责接收并且解析UWB标签输出的测距信息。控制器在接收到相关信息后，按照预定的模型计算自动驾驶设备的横向偏差和导航偏差，通过通信接口输出固定的数据帧格式如表1所示。控制系统将计算的相关数据通过PC机构成的导航系统检测到的相关数据发出相应指令，以此实现农机自动驾驶设备的精准作业。当检测到自动驾驶出现偏航后，控制器会及时将偏航信息传给控制系统，控制系统发出调整指令，从而实现精准控制[6-7]。

表1 导航参数数据帧结构表

3 自动驾驶农机检测系统的验证与结果分析

为了准确验证基于双UWB基站的自动驾驶农机检测系统，采取静态实验和动态实验相结合的方式。

3.1 静态检测验证与结果分析

静态实验主要是在相对宽阔的场地上，选择测量距离小于300 m、测距精度为±5 cm的正点原子开发板，按照相关规范要求，对自动驾驶农机进行直线导航精度检测。试验时以常见的自动驾驶拖拉机为例，设定双UWB基站间接和双UWB标签间距为1 m、2 m和3 m，分别计算其作业的精准度。计算公式为：

式中，E为检测精度（误差）；di为第i个采样点的检测精度（误差）；N为采样个数。

通过综合计算得出数据如表2所示。

表2 自动驾驶农机检测系统的试验结果

由表2可知，在基站间距相对固定的环境下，自动驾驶农机UWB标签与双UWB基站的间距越大，横向偏差和航向偏差的检测精度越高。在标签间距固定的情况下，随着基站间距的增加，自动驾驶农机的检测精度随之递增。基站间距增大，横向检测误差未超过8%、最大变异系数为10%，最小变异系数为7.29%，航向偏差检测误差小于1°，变异系数在3%以下，最大变异系数为2.55%，最小变异系数为0.40%，检测精度稳定且基本满足导航需求。因此，在满足机具尺寸要求和系统使用便捷性的前提下，应选取较大的基站间距和标签间距[8]。

3.2 动态验证与结果分析

动态检测主要是将UWB标签搭载在自动制动底盘上，以均速的行驶速度采取采样试验。动态试验设定低速、中速以及高速模式进行，通过综合计算，当自动驾驶农机车速提升时，横向偏差和航向偏差的精准度虽然有所降低，但是其变异系数小于10%，说明其在合理的范畴内，系统工作的性能比较稳定。当自动驾驶农机车速提高到8 km/h时，航向偏差检测精度下降3%左右，由此可知，高速行驶对监测精度的影响比较大[9]。

4 构建自动驾驶农机检测系统保障措施

4.1 优化自动驾驶设备车身设计

据调查，自动驾驶农机作业时，受工作面坡度及农作物生长环境的影响，农机在运动过程中会出现较大波动，从而影响检测精度[10-12]。例如，当自动驾驶设备在经过坡度较高的地面时，车身的UWB标签就会相对提高，UWB标签与UWB基站的测距信号会受到影响。因此，为了保证检测的准确性，需要调整自动驾驶农机的车身姿态角度，可以将UWB标签提高到不低于地面2 m的距离，这样在自动驾驶设备UWB标签与UWB出现较小姿态角时能够对导航参数进行误差校正。据调查，俯仰角（自动驾驶农机纵向中心轴线与水平地面的夹角）和横滚角（自动驾驶农机横向中心轴线与水平地表面的夹角）是影响横向偏差的主要因素，针对车身姿态角检测误差因素，对自动驾驶设备进行后校正处理的方式修正补偿误差[13]。

4.2 提高农机设计人才培养力度

构建自动驾驶农机检测系统必须依托于高素质的机械设计人才，故我国很有必要加强高素质自动驾驶农机设计人才培养工作：一是高校要发挥育人作用，围绕无人驾驶技术的发展趋势，及时调整专业设置，培养符合智慧农业发展需要的高端人才。高校要为机械专业学生提供更多实践锻炼的机会，鼓励高校机械设计人才加入科研创新团队中，提升高校学生科技创新意识。二是现代农业机械设计人才要主动深入基层，了解自动驾驶设备在作业过程中存在的技术问题，并且针对问题进行技术攻关。