移栽机自动避障控制方法

本发明属于农机导航，涉及一种移栽机自动避障控制方法，具体的说是涉及一种能够改善农机动态建模、提高动态计算精度的移栽机自动避障控制方法。

背景技术：

1、随着农业机械化水平的不断提升，农业机械导航控制技术逐渐发展成为农业机械领域的研究热点之一。导航控制技术可以有效提高农业机械作业的精度和效率，降低人工操作的繁琐程度。而不同的控制算法可以实现对农业机械作业的精确控制。目前，常用的控制算法包括pid控制算法、模糊控制算法、神经网络控制算法等，但是，这些算法还普遍存在一些共性问题，如模型精度不足、计算复杂度高和容错性不足。这就降低了农机动态建模和计算精度，无法确保无人化移栽机在工作时的精确避障，无人化操作的稳定性与安全性有待进一步提高。

技术实现思路

1、本发明的目的在于针对现有无人化移栽机控制算法中存在的不足，提出一种移栽机自动避障控制方法，通过采用双目视觉传感器测量得到移栽机当前时刻的位置、移动速度、障碍物等信息；采用基于odg-mpc算法，计算当前移栽机向量的状态x，加速度向量u，得到移栽机状态模型接着通过odg算法推算移栽机前方障碍物的类型；最后结合odg-mpc算法，通过将odg、目标路径的跟踪和输入控制组成的控制方法，实现移栽机自动避障，进一步提高无人化移栽机工作时的稳定性和安全性。

2、本技术提供的移栽机自动避障控制方法采用如下技术方案：

3、移栽机自动避障控制方法，其特征在于，包括如下步骤：

4、(1)通过双目视觉摄像头获取移栽机位置、移动速度、障碍物等信息；

5、(2)控制信号通过odg-mpc算法的感知信息和移栽机状态的估计，通过结合odg和mpc算法发送到移栽机进行稳定运动；

6、(3)控制信号将指令发送到换向阀开关，液压系统收到指令后，液压缸开始工作，有移栽机的液压系统为油缸提供动力，油缸驱动机具纵向平移，停止移栽工作，待移栽机完全躲避障碍物后，恢复移栽工作。

7、通过采用上述技术方案，可解决无人化移栽机的自动避障问题，提高无人化移栽机工作时的稳定性和安全性。

8、进一步的，所述双目视觉摄像头获取移栽机位置、移动速度、障碍物等信息，是通过计算当前移栽机状态模型的得到的。

9、通过采用上述技术方案，以方便获取移栽机和障碍物的信息，提高信息获取和障碍物识别的效率与准确性。

10、进一步的，所述移栽机状态模型是通过计算当前移栽机向量的状态x，加速度向量u得到，具体方法为：

11、当前移栽机状态模型是通过下述公式计算得到：

12、

13、x＝[px，vx，py，vy]t,u＝[ax，ay]t

14、其中x是移栽机向量的状态，u是加速度向量，受控系统通常基于mpc的离散状态空间模型进行建模，由于移栽机模型必须预测下一步的物理经度，因此将连续时间模型转换为采样时间为ts的离散时间模型，移栽机运行点的动态离散时间模型可以描述为状态空间，移栽机运行点的形状可以线性化如下：

15、x(k+1)＝adx(k)+bdu(k)

16、y(k)＝cdx(k)

17、

18、y(k)＝[px，py]t

19、其中ad是系统矩阵，bd是输入矩阵，cd是输出矩阵，x(k)表示第k

20、个移栽机状态，y(k)表示经纬度位置。

21、通过采用上述技术方案，实现了移栽机下一步的运动模型计算，提高了计算性能和计算实时性。

22、进一步的，所述控制信号通过odg-mpc算法的感知信息和移栽机状态的估计，通过结合odg和mpc算法发送到移栽机进行稳定运动，是基于odg算法推算移栽机前方障碍物类型的过程得到的：

23、

24、

25、

26、其中，ov是前方障碍物的平均odg，py是移栽机前方道路的横向位置，ω是障碍物位置的风险程度，ta是回避所需的时间，tc撞到障碍物的时间，是前方障碍物的横向位置，σ是前方障碍物移动的方差，ws是前方障碍物的宽度，是前方障碍物的移动速度，和分别是移栽机的纵向位置和速度，和分别是前方障碍物的纵向位置和速度。

27、通过采用上述技术方案，计算了移栽机前方障碍物的odg值，提高了检测和定位的准确度。

28、进一步的，所述基于odg算法推算移栽机前方障碍物类型是指：障碍物的距离和相对速度决定了odg中与障碍物发生碰撞的风险，利用tc与odg算法成反比的关系，当tc→0时，风险显著增加，用回避所需的时间ta定义tc与ta的比率，增加了与车辆发生碰撞时的风险，从而影响odg风险，而ta为设置的一个变量，当ta值越大时，可以保证移栽机与前方障碍物有足够的距离。

29、通过采用上述技术方案，解决了风险判断单一的问题，增加了该算法在判断风险时的准确性。

30、进一步的，所述结合odg-mpc算法发送到移栽机进行稳定运动的控制方法，是指将odg、目标路径的跟踪和输入控制组成；将α的权重值设置为成本函数，β、γ、ζ的权重值分别用于odg、目标路径的跟踪和输入控制，具体为：

31、使用qp计算成本函数的最优控制：

32、

33、其中pγref(h)表示移栽机前方有障碍物时移栽机进行自动避障后选择的位置，随着移栽机向该位置移动，与移栽机相关的风险降低，因此，在低风险情况下，移栽机调整速度，随着危险的降低缓慢增加行驶速度，总之，odg的平均值与初始障碍物的风险进行了比较，如果odg的平均值接近于零，则移栽机以默认速度行驶，如果平均值增加，移栽机减速，如果等于ω，则目标速度为零，并且移栽机停止。

34、通过采用上述技术方案，解决了移栽机发现前方有障碍物后的路径规划问题，提高了控制系统的效率与准确性。

35、进一步的，所述基于odg-mpc算法的成本函数的控制方程，其中移栽机的速度u应居于区间[umin，umax]，加速度δu应居于区间[δumin，δumax]，其中最小速度、最大速度、最小加速度和最大加速度视实际移栽情况而定。

36、通过采用上述技术方案，解决了移栽机速度变化范围过大的问题，简化了运算步骤，提高了运算效率。

37、综上所述，本发明具有以下有益技术效果：

38、(1)本发明能够改善农机动态建模效率、提高动态计算精度，可处理多入多出(mimo)系统，提高复杂的动态系统控制问题的处理能力。

39、(2)本发明能够较好的处理各种约束条件，包括输入输出约束、状态约束和硬约束等，确保系统在约束条件下的最优性能。

40、(3)本发明可提高对植物的精确定位和操作，避免了人为因素对移栽质量的影响，保证了移栽的准确性和一致性，提高了移栽质量，可保证无人化移栽机在工作时能够精确避障，提高了稳定性与安全性。

41、(4)本发明可减少人力投入和劳动强度，节约人力成本，从而更好的降低整体生产成本。