1、基于自適應(yīng)模糊控制的拖拉機(jī)自動導(dǎo)航系統(tǒng)摘要：闡述了一種基于自適應(yīng)模糊控制的拖拉機(jī)自動導(dǎo)航系統(tǒng)。由PLC、電控開關(guān)液壓閥和比例方向液壓閥組成自動轉(zhuǎn)向控制系統(tǒng)，設(shè)計了PD轉(zhuǎn)向控制算法；為提高拖拉機(jī)自動導(dǎo)航的精度和穩(wěn)定性，提出了一種基于遺傳算法的自適應(yīng)模糊控制方法，采用遺傳算法在線優(yōu)化模糊控制規(guī)則以及輸出比例因子，既保留了傳統(tǒng)模糊控制的優(yōu)點，又有效了改善了系統(tǒng)的控制品質(zhì)；仿真和田間實驗結(jié)果表明，該方法可以迅速消除跟蹤誤差，相應(yīng)速度快，超調(diào)小，系統(tǒng)工作穩(wěn)定，穩(wěn)態(tài)跟蹤誤差不超過10cm。關(guān)鍵詞：拖拉機(jī)；模糊控制；遺傳算法；自動導(dǎo)航；自適應(yīng)控制引言為提高農(nóng)用車輛自動導(dǎo)航的精度和穩(wěn)定性，許多學(xué)者對其導(dǎo)航方法

2、進(jìn)行了研究。文獻(xiàn)1ii分別對線性模糊控制方法、模糊控制方法、最優(yōu)控制方法、神經(jīng)網(wǎng)絡(luò)控制方法以及純追蹤算法進(jìn)行了研究。總體來說，目前對于自適應(yīng)導(dǎo)航控制方法研究較少。模糊控制具有不依賴精確的數(shù)學(xué)模型、魯棒性好等特點。對于一個確定的模糊控制器，當(dāng)被控對象受到參數(shù)攝動和外部干擾等不確定因素影響時，仍可以保證系統(tǒng)最終趨于穩(wěn)定，但是會降低系統(tǒng)的控制品質(zhì)，出現(xiàn)諸如振蕩加劇、過渡時間過長等缺點。因此有必要研究自適應(yīng)模糊控制方法，在控制過程中的不同階段，對模糊控制器進(jìn)行自動調(diào)整。拖拉機(jī)本身是一個具有大延遲、高度非線性以及時變性和不確定性的復(fù)雜系統(tǒng)，而且農(nóng)田地況較差，輪胎和地面作用過程復(fù)雜，難以建立精確的數(shù)學(xué)模型

3、，因此應(yīng)避免運(yùn)用車輛模型進(jìn)行控制，但是也應(yīng)該充分挖掘車輛模型所蘊(yùn)含的車輛狀態(tài)信息，以改善導(dǎo)航系統(tǒng)性能。本文提出一種基于遺傳算法的自適應(yīng)模糊控制算法，以RTK-DGPS為導(dǎo)航傳感器，構(gòu)建拖拉機(jī)自動導(dǎo)航系統(tǒng)，并進(jìn)行拖拉機(jī)田間自動導(dǎo)航實驗。1拖拉機(jī)自動導(dǎo)航控制系統(tǒng)研究平臺為福田雷沃FT704拖拉機(jī)，前輪轉(zhuǎn)向，后輪驅(qū)動。自動導(dǎo)航控制系統(tǒng)如圖1所示。置向度位航速一屆航控制算法j工控機(jī)控制器KSC-JOPLC刁7力傳鹿亦鶴度傳感器圖1導(dǎo)航控制系統(tǒng)系統(tǒng)采用分層控制策略,兩層之間通過CAN總線(IS011783協(xié)議標(biāo)準(zhǔn))同信PPC-3710GS型工控機(jī)作為上層控制器，通過串口接受RTK-DGPS輸出的GGA和

4、VTG兩種數(shù)據(jù)格式(輸出頻率5Hz),獲取車輛的位置、航向和速度信息，經(jīng)過導(dǎo)航控制算法輸出期望前輪轉(zhuǎn)角。KSC-10PLC作為下層控制器，實時采集角度傳感器數(shù)據(jù)，獲取當(dāng)前前輪轉(zhuǎn)角，與期望轉(zhuǎn)角相比較，通過轉(zhuǎn)向控制算法，輸出功率PWM信號和功率開關(guān)信號，驅(qū)動開關(guān)閥和比例方向閥，實現(xiàn)前輪轉(zhuǎn)向動作，并實時檢測壓力傳感器的輸出信號，實現(xiàn)自動駕駛模式和人工駕駛模式的自動切換。2基于遺傳算法的自適應(yīng)模糊導(dǎo)航控制器采用拖拉機(jī)的橫向偏差E和航向偏差屮作為模糊控制器的輸入，輸出量為期望前輪轉(zhuǎn)角U。橫向偏差E基本論域選擇為-30cm,30cm，量化因子為Ke=0.5,航向偏差0基本論域選擇為-15,15,量化因子為

5、K=1，即兩輸入變量的模糊論域均為-15,15，同時令輸屮出變量的模糊論域與輸入相等。模糊控制器可以用解析式概括為M2U=(aE+(1a)屮(aw(0,1)(1)其中，a為規(guī)則修正因子，又稱為加權(quán)因子。通過調(diào)整y值，可以調(diào)整控制規(guī)則。這種基于解析式的模糊控制器可以將變量的基本論域劃分得很細(xì)，不僅有利于提高控制精度，而且易于計算機(jī)實現(xiàn)，避免了常規(guī)模糊控制器規(guī)則繁瑣的缺點。采用模擬生物進(jìn)化過程的遺傳算法對模糊控制的修正因子以及輸出比例因子進(jìn)行在線整定，以達(dá)到自適應(yīng)控制。控制算法原理如圖2所示。圖2基于GA的導(dǎo)航控制原理圖遺傳算法具有魯棒性強(qiáng)、并行搜索和群體尋優(yōu)等優(yōu)點，是一種有效的參數(shù)優(yōu)化手段。其基

6、本操作主要包括編碼、解碼、選擇、交叉和變異，設(shè)計如下：編碼和解碼考慮到拖拉機(jī)前輪轉(zhuǎn)向范圍為-25,30,模糊控制器輸出比例因子大小范圍選擇為兀丘0.2,1.67。編碼方式采用搜索能力較強(qiáng)的二進(jìn)制編碼，染色體是長度為10位的二進(jìn)制串，a占6位，K占4位。相應(yīng)的解碼方式為A/binrep(a)x26-1(2)K-0.2+147皿件(K“15式中binrep(a)6位字符串表示的二進(jìn)制整數(shù)binrep(K)4位字符串表示的二進(jìn)制整數(shù)適應(yīng)度函數(shù)的構(gòu)造適應(yīng)度函數(shù)的選取直接影響GA的收斂速度以及能否找到最優(yōu)解。由于根據(jù)ITAE指標(biāo)設(shè)計的系統(tǒng)超調(diào)量小，阻尼適中，具有良好的動態(tài)特性，而且在農(nóng)用車輛自動導(dǎo)航中，

7、橫向跟(5)蹤偏差是衡量控制效果的首要指標(biāo)，故選擇橫向跟蹤偏的ITAE指標(biāo)的倒數(shù)為適應(yīng)度函數(shù),即為1f=(3)T11y(t)1dt0式中y(t)t時刻的橫向跟蹤偏差，m在實際尋優(yōu)中，為提高算法運(yùn)算速度，保證控制的實時性，改進(jìn)為f=N=round(20v)(4)At弋tIy(k)Ikk=1式中氐t分段積分區(qū)間長度，為0.1sY(k)kdt時刻的橫向跟蹤偏差，mU拖拉機(jī)前進(jìn)速度，m/sround對結(jié)果取整為計算適應(yīng)度函數(shù)，采用簡化的兩輪車運(yùn)動學(xué)模型推算y(k),由于不考慮車輛離心力和側(cè)滑，兩輪車模型雖然在實際過程中不能完全精確描述車輛的運(yùn)動狀態(tài)，但是在很大程度上還是能夠反映車輛真實運(yùn)動變化趨勢的。

8、同時將液壓轉(zhuǎn)向系統(tǒng)簡化為一階慣性環(huán)節(jié)13以預(yù)定直線路徑為橫軸建立跟蹤坐標(biāo)系，前進(jìn)方向為橫軸正方向，跟蹤起點橫坐標(biāo)為零，則可得如圖3所示的非線性運(yùn)動學(xué)模型為fx=ucos0y=usin00=utana/L、&=-a/t+a/td式中x跟蹤距離,v速度，m/sy橫向跟蹤偏差，mL車由距，m6航向跟蹤偏差，rada前輪轉(zhuǎn)向角，radr慣性時間常數(shù)，sad期望前輪轉(zhuǎn)角，radd選擇策略采用按適應(yīng)度比例分配的輪盤賭選擇法，即利用個體適應(yīng)度比例的概率決定其后代留存的可能。若個體i的適應(yīng)度為fi,則其被選中的概率為pfp=TTi遺傳算子主要包括交叉和變異兩個遺傳算子。交叉算子采用單點交叉方式；變異算子，以變

9、異概率對染色體的每個二進(jìn)制位進(jìn)行邏輯取反。遺傳算法的流程如圖4所示。圖4基于GA的a、Kp參數(shù)優(yōu)化流程3前輪轉(zhuǎn)向控制器由于KSC-10型PLC支持多任務(wù)運(yùn)行模式，所以將下層控制器的任務(wù)劃分為：任務(wù)1,按照IS011783規(guī)定的時間周期向?qū)Ш娇刂破鲌蟾媲拜嗈D(zhuǎn)角；任務(wù)2,負(fù)責(zé)前輪轉(zhuǎn)向控制以及駕駛模式的切換和上報。任務(wù)1的優(yōu)先級咼于任務(wù)2。前輪自動轉(zhuǎn)向控制是通過轉(zhuǎn)向控制算法輸出一定的功率型號，控制比例閥門的開度，通過調(diào)節(jié)流量來調(diào)節(jié)前輪的轉(zhuǎn)向速度，從而實現(xiàn)轉(zhuǎn)角的控制。本文采用位置式數(shù)字PD控制器實現(xiàn)前輪轉(zhuǎn)角控制，期望轉(zhuǎn)角與當(dāng)前轉(zhuǎn)角之差作為控制器輸入。轉(zhuǎn)向控制原理如圖5所示。圖5轉(zhuǎn)向控制結(jié)構(gòu)考慮到比例方

10、向閥有兩路PWM輸入，而且有700mA的電流死區(qū)，控制算法改進(jìn)為廣I二K+K(e-e)k-1I=out7001+PDPD|1|PD700(1豐0)PD(i=0)PDPDpejDk式中IdPD算法輸出值dK比例系數(shù)Pek當(dāng)前角度誤差kkd微分系數(shù)eki前一次角度誤差k-1I控制器最終輸出值outI的正負(fù)極性分別代表左路和右路PWM輸入，相應(yīng)代表前輪的兩個轉(zhuǎn)動方向。在轉(zhuǎn)向0U過程中的某一時刻，必然有一路PWM輸入需要置為0。4算法與系統(tǒng)實驗4.1前輪轉(zhuǎn)向控制實驗為盡可能考慮農(nóng)田地面狀況對前輪轉(zhuǎn)向控制的影響,找了一塊剛秋收后的玉米地進(jìn)行轉(zhuǎn)向控制實驗。選擇頻率為0.2Hz,幅值為15方波指令曲線和正弦

11、指令曲線對轉(zhuǎn)向控制器進(jìn)行測試。經(jīng)過多次調(diào)試，當(dāng)K=250,K=20時，轉(zhuǎn)向控制效果較佳。測試結(jié)果如圖6所示。PD2015105=10u(k)=10;endifu(k)=-10u(k)=-10;endyout(k)=_den(2)*y_1_den(3)*y_2_den(4)*y_3+num(1)*u(k)+num(2)*u_1+num(3)*u_2+num(4)*u_3;error(k)=rin(k)_yout(k);%returnofpidparameters%u_3=u_2;u_2=u_1;u_1=u(k);y_3=y_2;y_2=y_1;y_1=yout(k);x(1)=error(k);

12、%calculatingPx(2)=error(k)_error_1;%calculatingDx(3)=x(3)+error(k);%calculatingDe_1=x(1);ec_1=x(2);error_2=error_1;error_1=error(k);endshowrule(a)figure(1);plot(time,rin,b,time,yout,r);xlabel(time(s);ylabel(rin,yout);figure(2);plot(time,error,r);xlabel(time(s);ylabel(error);figure(3);plot(time,u,r);xlabel(time(s);ylabel(u);figure(4);plot(time,kp,r);xlabel(time(s);ylabel(kp);figure(5);plot(time,ki,r);xlabel(time(s);ylabel(ki);figure(6);plot(time,kd,r);x