农机微波多普勒车速传感器试验研究*

2023-05-17方续，王熙

南方农机 2023年11期

方续，王熙

（黑龙江八一农垦大学工程学院，黑龙江大庆 163319）

0 引言

国内外农业工作者一直在努力寻求更加精细化的农业机械管理技术，以实现农业的高效化、智能化。随着现代农业的发展，机械化程度不断提高，精准测速在精量播种、变量播种、施肥、喷药中起着重要作用[1]。农业机械的速度可以通过行驶车辆的地轮转速测得，以农用拖拉机为例，由于农机作业与道路车辆的差异，滑转率一般为10%～15%，因此基于地轮转速的测量方法不准确。在实际工作中，拖拉机牵引效率是人们比较关心的，但这和作业时拖拉机的滑转率有着紧密关系，滑转率是权衡拖拉机作业效率和经济效益的关键指标。

直接使用速度传感器获得拖拉机的速度，称为直接测速，包括电磁式测速、霍尔元件测速、GNSS 测速、雷达测速等。GNSS 测速是最重要的测速工具之一，通过卫星与接收机间的相应运动进行测量，但阴天或雨天对信号接收和测速精度有着明显影响，且价格较高，不适合大面积推广。雷达测速采用的是多普勒效应，多普勒效应是指当声音、电磁波等振动源相对于观察者以速度v移动时，观察者所接收到的振动频率与振动源发出的振动频率有所差别[2]。

雷达分为激光雷达和微波雷达，本研究采用的是微波雷达。一些学者的实验研究表明，它的准确性更高，穿透性更强，受天气影响更小。雷达可以实时监测拖拉机的速度，并通过数据采集卡传到上位机，上位机采用VB6.0 进行部分软件设计，每秒钟记录两次数据，对FFT 算法进行研究，并分析数据，得到相应的频率，从而计算出拖拉机在地面上的真实速度。

1 系统结构及工作原理

1.1 系统结构

微波多普勒雷达测速系统如图1 所示，拖拉机微波多普勒雷达测速主要包括雷达传感器与角度传感器、麦赛福格森1204 拖拉机、GNSS 接收机、上位机与CAN 数据记录仪。

图1 微波多普勒雷达测速系统

1.2 工作原理

微波多普勒雷达基于多普勒效应检测移动目标的位置和相对速度，测速原理图如图2 所示。当雷达发射一固定频率的脉冲波对空中进行扫描时，比如遇到移动目标时，射频发出的频率与接收到的频率之间会产生频率差，被称为多普勒频率。根据多普勒频率的大小，能够得到目标对雷达的径向相对速度[3]。24 GHz 毫米波雷达利用多普勒效应技术实现高精度雷达测速功能，被广泛应用于智慧城市、智能交通、工业等领域，与红外线相比，毫米波的大气衰减小、对烟灰穿透性较好，受天气影响小，这些属性有助于毫米波雷达的连续性不间断工作。

图2 测速原理图

根据工作原理，拖拉机的水平运行速度V与接收波频率fd之间的关系如下：

式中，λ为雷达模块的发射波波长，单位为m；θ为微波发射方向与水平面方向夹角（雷达安装角度），θ在0～90°之间；fd为微波接收频率，单位为Hz。

2 数据采集及软硬件设计

2.1 数据采集

数据采集、数据处理和数据显示是微波雷达测速系统硬件的关键部分[3]。该系统的核心是微波测速雷达传感器，在采集数据后，经过上位机数据处理，得到相应的车速频率，根据公式（1）计算出拖拉机的真实地面速度。

阿尔泰USB3200 便携式数据采集卡用于数据采集，其可以接收微波雷达反射的时域数据，USB3200便携式数据采集卡如图3 所示，采集卡主要参数如表1 所示。便携式是数字化仪器发展的方向之一，阿尔泰采集卡用于数据采集，能满足各种生产现场信号的高速数据采集要求，数据采集符合香农采样定理。

图3 USB3200 便携式数据采集卡

表1 采集卡主要参数

2.2 硬件设计

微波测速雷达传感器安装在防水铝合金外壳中，在恶劣的环境下仍可正常运行，工作所需电压为9 V～32 V，微波频率为24 GHz，输出信号为CAN协议，波特率为250 KB，1 次/s。传感器较低的射频功率输出并不会对人体造成影响[4]，在直流电源下，总输出功率小于15 mW，角度传感器型号为北微BWK215S-CAN。微波多普勒雷达如图4 所示，角度传感器如图5 所示。

图4 微波多普勒雷达

图5 角度传感器

2.3 软件设计

微波雷达测速程序和GNSS 接收轨迹图程序是基于VB6.0 平台开发的，具有显示和存储功能[5]。微波多普勒车速频率接收显示程序通过CAN总线连接，正常运行期间，仅通道0 打开，数据采集界面如图6 所示。GNSS 接收数据轨迹图程序可通过联合收割机作业时获得时间、经度、纬度、GNSS 速度、海拔高度等信息，拖拉机的可视界面上会显示实时工作路线，所获取的全部作业信息会准确显示在车载电脑上，最后全部储存在车载CAN记录仪中，且频率发射器所发射频率与VB6.0所研发设计的FFT算法程序显示频率结果一致，GNSS接收数据轨迹图程序如图7所示。

图6 数据采集界面

图7 GNSS 接收数据轨迹图程序

2.4 FFT算法的原理与优化

快速傅里叶（Fast Fourier Tranformation, FFT）是将一个点数为N 的DFT 分解成若干个DFT 的组合[6]。DFT 和FFT 运算量比较如表2 所示，FFT 数据处理运算步骤有显著性下降，从而快速提高离散傅里叶变换（DFT）的计算速度，使得实时显示数据延迟较小，较为快捷。

表2 DFT 和FFT 运算量比较

3 系统软件设计

在拖拉机作业时，需要对速度进行监测，此系统基于VB6.0 开发了获取拖拉机速度数据的上位机界面，采样频率为2次/s，角度传感器接收机数据界面如图8 所示。微波雷达传感器、角度传感器获取的实时数据同时记录在上位机，再通过建立的模型算法，实现实时显示行驶速度，根据欲实现的功能，运用VB6.0软件开发上位机界面，包括FFT点数、频率显示、频率记录以及对实时采集的数据进行分析并做FFT。对硬件采集的多普勒雷达信号进行处理和运算，系统设置采样时间为1 s，采集雷达传感器信号两次[7]。

由于角度传感器在工作时存在偏差，为了减少角度误差，建立拖拉机工作时角度传感器的数值与实际角度之间的关系模型如下：

其中，角度x在30°～60°之间，x/V=1.17 m/s～1.83 m/s，R²=0.9 9 7 2。角度数值如图8 所示，数值范围在44.50°～45.65°之间。FFT采用了蝶形算法，课题组对具体算法进行了研究，并采用频率发生器进行了测试[8]。

图8 角度传感器接收机数据界面

4 台架试验

4.1 试验方法

本研究采用单因素试验方法，在混凝土路面进行直线行驶，采用GNSS 平均速度（拖拉机匀速行驶50 m 距离所用时间）和多普勒雷达获取频率计算出测速数据，对于田间试验会受到多种外部因素影响而导致传感器的测量出现较大误差的问题，台架试验可以相当程度地避免外界因素的干扰，它的特点是通用性强、精度高、具有较好的稳定性等[4]。

在水泥路面，安装好设备，进行了多次不同速度下的GNSS与多普勒雷达测速对比试验，GNSS速度与雷达速度对比如表3 所示。拖拉机在水泥路面，多普勒雷达向地面发射雷达波并接收，通过数据采集卡对雷达所反射回来的波进行采集，传到上位机进行计算，上位机会自动记录，更换下一个速度，再次重复试验，表3为平均速度7.11 km/h时拖拉机的试验数据。

表3 水泥路面试验GNSS 速度与雷达速度对比

对表3 中数据进行对比分析可知，在水泥路面不同车速试验下，绝对误差最大值为0.27 km/h，相对误差最大值为3.85%，相对误差平均值为1.98%，满足作业需求。

拖拉机在水泥路面行走时，雷达传感器会将实时测量数据上传至上位机，上位机记录数据（部分）如表4 所示。通过分析数据可知，在水泥路面上，角度传感器数值变化较小，在44°～46°之间，车速雷达传感器获取的频率值输出值波动较小[9-10]。

表4 上位机记录数据（部分）

4.2 试验分析

通过对车载GNSS 和微波多普勒雷达两种测速方式进行比较，在水泥路面进行了相应试验，进行直线行驶[6]。数据采集卡将模拟信号转为数字信号，由模拟量输入（AD 或者AI），模拟信号转为数字信号。由上文可知，在测得频率值时，对应的速度V和波长λ为：

式中，c为光速，c=3×108m/s；f为微波雷达频率，f=24 GHz。

4.3 试验结果

根据记录结果，进行了试验分析，在混凝土路面，麦赛福格森拖拉机行走平均速度为3.05 km/h、5.18 km/h、7.11 km/h 时，车速雷达传感器实时测量的数据与真实值对比所绘图分别如图9、图10、图11所示。

图9 雷达测速与真实值对比（平均速度3.05 km/h）

图10 雷达测速与真实值对比（平均速度5.18 km/h）

图11 雷达测速与真实值对比（平均速度7.11 km/h）

通过分析数据和图表可知，在水泥地表环境下，角度传感器变化幅度不大，多普勒雷达传感器速度值波动较小。在3 种不同测速情况下，误差较小，在±0.2%以内。

5 田间试验

2022 年10 月25 日，在黑龙江八一农垦大学试验田进行了微波多普勒雷达测速试验，作业期间配套麦赛福格森1204 型拖拉机。因为是在室外田间的自然环境和气候条件下进行的试验，其生产条件与大规模农田最为相似，所以该试验结果与在类似农田生产条件状态下所得结果相近。对于田间试验来说，其具有较为理想的代表性、准确性和重演性，因此进行了反复测试，拖拉机田间试验GNSS 速度与雷达速度对比如表5所示。