拖拉機液壓與電動2種自動駕駛方式

高帥 鐘興 高菊玲 丁帥

摘要：對拖拉機自動駕駛的基本組成及路徑跟蹤原理進行分析，建立了拖拉機的運動學模型。在東方紅954拖拉機上加裝液壓轉向和電動方向盤自動駕駛系統，對2種轉向方式的控制系統性能、直線度性能和入線數據進行田間試驗研究。現場試驗表明，電動方向盤自動駕駛方式的動態(tài)性能指標高于液壓轉向自動駕駛方式，穩(wěn)態(tài)誤差略低于液壓轉向自動駕駛方式，入線米數多數情況下少于液壓轉向自動駕駛方式，直線度的標準差比液壓轉向自動駕駛方式低0.55 cm。可見在相同情況下，電動方向盤自動駕駛方式路徑跟蹤效果和穩(wěn)定性方面略優(yōu)于液壓轉向自動駕駛方式。

關鍵詞：液壓;電動;自動駕駛;路徑跟蹤;直線度

中圖分類號：S219?? 文獻標志碼： A

文章編號：1002-1302（2021）17-0188-05

收稿日期：2021-02-03

基金項目：江蘇農林職業(yè)技術學院科技項目（編號：2019kj035）。

作者簡介：高 帥（1988—），男，江蘇新沂人，碩士，工程師，主要從事智能農機裝備研究。E-mail：gaoshuai23@126.com。

通信作者：鐘 興，碩士，副教授，主要從事農業(yè)機械設計、制造及自動化研究。E-mail：light200888@163.com。

隨著現代科技的不斷發(fā)展，現代農業(yè)正朝著自動化、智能化、信息化的精準農業(yè)方向發(fā)展[1]。美國[2]、日本[3]、德國[4]等依次提出了精準農業(yè)的發(fā)展戰(zhàn)略方針，“中國制造2025”也致力于發(fā)展智能農業(yè)裝備，推進“互聯網+農機”作業(yè)模式，開展農機自動駕駛的相關技術研究已經成為一種趨勢[5]。

自動駕駛農機是精準農業(yè)生產作業(yè)的重要裝備，是精準農業(yè)中最為重要的一環(huán)，通過自動控制替代人力，大幅提高農機作業(yè)效率[6]。自動駕駛農機技術是利用北斗或GPS等衛(wèi)星定位系統為主要技術，通過農機控制器和導航系統來自動控制農機，使農機按照用戶定義的路徑行走[7-9]，具有自動駕駛的智能化農機已發(fā)展成為現代農業(yè)裝備技術的新潮流，是近幾年來國際上推動農業(yè)科學技術研究的重要熱點之一[10]。隨著農機自動駕駛技術的快速發(fā)展，目前市場上出現了2種自動駕駛方式，分別是通過電動方向盤驅動轉向輪按照規(guī)劃好的路徑行駛的電動方向盤自動駕駛方式，以及通過電液比例閥驅動轉向輪的液壓轉向自動駕駛方式[11]。

對于這2種自動駕駛方式，行業(yè)內的看法不盡相同，各國的學者也分別對液壓轉向[12-15]和電動方向盤[16-20]2種自動駕駛方式進行了研究，實現了農機的自動轉向。但是目前液壓與電動2種自動駕駛方式的路徑跟蹤對比分析研究比較少，如唐天石從技術層面、市場表現和歷史回顧方面分析了兩者的優(yōu)劣勢[21];李世超等針對不同電機的拖拉機自動導航轉向控制系統進行了性能對比[22]。這些研究都對本研究有借鑒意義，本研究在前期工作的基礎上，對拖拉機自動駕駛的組成及路徑跟蹤原理進行探討，分析液壓和電動2種拖拉機自動駕駛方式的區(qū)別，最后搭建試驗平臺，進行兩者的田間試驗研究，試驗測試2種方式的控制系統性能、直線度性能和入線度數據。

1 拖拉機自動駕駛

1.1 拖拉機自動駕駛的組成

如圖1所示，拖拉機自動駕駛系統主要由3個部分組成，分別是拖拉機人機交互系統、拖拉機控制器+天線系統、拖拉機轉向+角度傳感器系統。拖拉機人機交互系統是拖拉機駕駛員與交互控制系統交互的關鍵組件，主要包括各種人機交互界面、顯示器等，可以規(guī)劃拖拉機執(zhí)行路徑、設置相關參數，同時可以實時地查看拖拉機路徑的航向、作業(yè)的場地面積等。拖拉機控制器+天線系統主要包括控制器、基準站、衛(wèi)星天線、車載信號接收機等，該系統高度集成化，可以完成拖拉機的衛(wèi)星定位、決策和遠程控制，能夠實時準確地定位拖拉機的位置與姿態(tài)，計算出拖拉機實際行駛路徑與規(guī)劃路徑之間的偏差，并進行最優(yōu)求解，規(guī)劃最優(yōu)路徑，并將拖拉機實時數據反饋給拖拉機執(zhí)行機構，使拖拉機始終準確地按照規(guī)定航線進行行駛[23]。拖拉機轉向+角度傳感器系統主要包括拖拉機轉向執(zhí)行子機構和角度傳感器，它能夠快速地實時響應控制器所發(fā)送的轉向指令，從而自動控制拖拉機的轉向，并將實時數據檢測結果進行反饋。

1.2 拖拉機路徑跟蹤原理

拖拉機路徑跟蹤作為拖拉機自動駕駛中的關鍵執(zhí)行層控制技術，是影響車輛安全性與舒適性的關鍵技術。拖拉機路徑跟蹤由路徑跟蹤控制器執(zhí)行，它是通過不斷生成速度和轉向命令來自動補償跟蹤誤差，從而使拖拉機沿著已經規(guī)劃好的路徑繼續(xù)前進[24]，主要參數包括拖拉機偏離路徑的距離與航向角。常見的路徑跟蹤方法按照使用模型的不同分為動力學模型和運動學模型。其中運動學模型通常將拖拉機車輛轉換成四輪驅動的機器人剛性機構，因拖拉機運動時屬于低速行駛，所以不需要考慮動力學問題，因此采用運動學模型設計的軌跡跟蹤控制器具有可靠的控制性能[25]，如圖2所示，拖拉機的運動學模型方程為

xyα=cosα0sinα001υω。（1）

式中：x為后軸中心的橫坐標;y為后軸中心的縱坐標;α為車輛的航向角;β為前輪偏角;ι為軸距;υ為后軸中心的速度;ω為車輛的橫擺角速度。

車輛的橫擺角速度為

ω=υιtanβ。（2）

通過運動學模型方程可以看出，通過對后軸中心速度υ和車輛的橫擺角速度ω的控制，就可以實現拖拉機在坐標系里不同位置和姿態(tài)的運動。常見的控制算法有模型預測控制（MPC）、比例積分微分控制（PID）、滑模控制（SMC）以及模糊控制（FC）等，多種控制方法的結合會使得路徑跟蹤的效果更加準確，在此不再一一進行贅述。

2 液壓轉向與電動方向盤自動駕駛的區(qū)別

拖拉機自動駕駛方式按照執(zhí)行機構主要分為2種，一種是電動方向盤自動駕駛，另一種是液壓轉向自動駕駛[26]。2種不同駕駛方式分別是從不同的技術產品以及應用演化而來，液壓轉向自動駕駛方式是在歷年農機無人駕駛技術的研究基礎上簡化而來，而電動方向盤自動駕駛則由目前全球導航迭代升級而來。電動方向盤自動駕駛由于不需要改變農機的原有轉向系統，且安裝方便、結構簡單而得到行業(yè)用戶的廣泛青睞，而液壓轉向自動駕駛則需要對原有轉向系統如油路和結構性能作重大改變，常用于大型農場機械作業(yè)[21]。

（1）電動方向盤自動駕駛：工作原理是控制器通過分析拖拉機角度傳感器信息，計算出轉向輪期望轉角以及轉向力矩，控制電機為4個轉向輪提供所需要的轉向力矩，實現自動轉向。通常由車載衛(wèi)星天線、數據處理器模塊、角度傳感器、電動方向盤、導航系統模塊以及其他線路組成。

（2）液壓轉向自動駕駛：工作原理是控制器通過分析拖拉機角度傳感器信息，自動計算轉向輪的期望轉角與實際轉角的差值，通過控制電磁閥閥芯來改變液壓油的流向與速度，進而控制轉向輪的偏轉方向和轉動角度。通常由車載衛(wèi)星天線、數據處理器模塊、角度傳感器、液壓閥、ECU控制器以及其他線路組成。

3 材料與方法

3.1 試驗條件和試驗設備

試驗在江蘇農博園的農機作業(yè)實訓場地中進行，行進速度分別選取適合江蘇地區(qū)的免耕播種作業(yè)速度3、5、7 km/h。試驗現場采用的是由東方紅954拖拉機加裝的液壓轉向和電動方向盤的自動駕駛拖拉機，控制器采用雙天線解決方案、MPC控制算法，可在車輛靜止時確定航向，避免出現起步彎，并在低速工作中，保證良好的直線度。電動版內置慣導模塊，可以對全地形進行補償，保證拖拉機在坡地高速等作業(yè)工況時，仍能保持精度。車輪轉角狀態(tài)采集采用非接觸式（Gasensor）類型的角度傳感器，車身角度分別選擇平行和傾斜45°進行測試。

3.2 評價性能指標

本次路徑跟蹤分析試驗采用3個評價性能指標，分別是控制系統的性能指標、入線米數和直線度。分析2種不同駕駛方式的控制系統性能指標以及前進和倒退時AB線的直線度和入線米數。

（1）拖拉機控制系統的性能指標主要包括動態(tài)和穩(wěn)態(tài)性能指標。動態(tài)指標包含超調量、延滯時間、上升時間、峰值時間、調整時間等;穩(wěn)態(tài)性能指標用穩(wěn)態(tài)誤差進行衡量。

（2）入線米數：實際路徑逼近參考路徑時所需要的距離。

（3）直線度：實際路徑在縱向跟蹤過程中的誤差。

4 田間試驗與結果分析

4.1 控制系統性能分析

以5 km/h的前進速度在江蘇農博園農機作業(yè)實訓場地進行液壓轉向和電動方向盤駕駛方式控制系統的階躍響應測試試驗，分別選取1、3、5、10、15、20、25、30等8種不同的轉角角度來進行分析研究。

4.1.1 動態(tài)性能分析 測試試驗中液壓轉向和電動方向盤駕駛方式均沒有超調量，在此不再作分析。從圖3可以看出，隨著轉角角度的增大，2種方式的延滯時間、上升時間、峰值時間、調整時間也呈上升趨勢。轉角角度在20°以下時，電動方向盤方式的動態(tài)性能指標明顯高于液壓轉向方式。

4.1.2 穩(wěn)態(tài)性能分析 從圖4可以看出，隨著轉角角度的增大，2種方式的穩(wěn)態(tài)誤差呈下降趨勢，且電動方向盤方式的穩(wěn)態(tài)誤差明顯低于液壓轉向方式。

4.2 入線數據分析

從表1和表2可以看出，在同一車輛速度和車身角度條件下，入線米數隨著距離線位置的增加而增加;在同一距離線位置和車身角度的條件下，入線米數隨著車輛速度的增加而增加;在同一款車輛速度和距離線位置的條件下，車身角度增大，入線米數明顯增大;電動方向盤方式除了在車身平行車輛前進速度在3、7 km/h的情況下，其他大多數情況入線米數均小于液壓轉向方式。

4.3 直線度分析

從表3可以看出，液壓轉向和電動方向盤方式均能保持良好的直線度，可以保證在±2 cm的精度內。經過數據處理后可知，液壓轉向自動駕駛方式的標準差為1.31 cm，電動方向盤自動駕駛方式的標準差為0.76 cm，由結果可以看出，電動方向盤自動駕駛方式直線度略好于液壓轉向自動駕駛方式。

5 結論

本研究針對目前液壓和電動2種自動駕駛方式路徑跟蹤分析進行了深入研究，對拖拉機自動駕駛的基本組成及路徑跟蹤原理進行了探討，分析液壓和電動2種自動駕駛方式的區(qū)別，隨后進行了田間試驗研究，試驗測試2種方式的控制系統性能、直線度性能和入線度數據，得出以下結論：（1）液壓轉向和電動方向盤自動駕駛方式控制系統的階躍響應測試試驗結果表明，電動方向盤自動駕駛方式的動態(tài)性能指標高于液壓轉向駕駛方式，穩(wěn)態(tài)性能優(yōu)于液壓轉向自動駕駛方式;（2）在相同條件下，電動方向盤自動駕駛方式在多數情況下入線米數少于液壓轉向自動駕駛方式，直線度的標準差比液壓轉向自動駕駛方式低 0.55 cm。

本研究發(fā)現，液壓和電動2種自動駕駛方式都能保持良好的路徑跟蹤效果和穩(wěn)定性，同時滿足農業(yè)生產需求，但電動方式略優(yōu)于液壓方式，且由于產品不需要改變原有轉向系統、安裝方便，從而得到行業(yè)用戶的廣泛青睞。

參考文獻：

[1]譚晨佼，李軼林，王東飛，等. 農業(yè)機械自動導航技術研究進展[J]. 農機化研究，2020，42（5）：7-14，32.

[2]Zhang N Q，Wang M H，Wang N. Precision agriculture—A worldwide overview[J]. Computers and Electronics in Agriculture，2002，36（2/3）：113-132.

[3]Morimoto R，Hayshi K. Design of smart agriculture Japan model[J]. Advances in Animal Biosciences，2017，8（2）：713-717.

[4]Michael C. Farming 4.0 und andere anwendungen des Internet der dinge[J]. Gesellschaft für Informatik，2016（33）：15-18.

[5]劉成良，林洪振，李彥明，等. 農業(yè)裝備智能控制技術研究現狀與發(fā)展趨勢分析[J]. 農業(yè)機械學報，2020，51（1）：1-18.

[6]Li S C，Xu H Z，Ji Y H，et al. Development of a following agricultural machinery automatic navigation system[J]. Computers and Electronics in Agriculture，2019，158：335-344.

[7]秦 宇，周 宇，趙 亮. 面向農機自動駕駛的5G/大數據技術應用展望[J]. 郵電設計技術，2020（5）：36-40.

[8]章軍輝，陳大鵬，李 慶. 自動駕駛技術研究現狀及發(fā)展趨勢[J]. 科學技術與工程，2020，20（9）：3394-3403.

[9]王金強，黃 航，郅 朋，等. 自動駕駛發(fā)展與關鍵技術綜述[J]. 電子技術應用，2019，45（6）：28-36.

[10]鄭文鐘. 國內外智能化農業(yè)機械裝備發(fā)展現狀[J]. 現代農機，2015（6）：4-8.

[11]孫連燭，張兆國，付衛(wèi)強，等. 拖拉機電液與電機兩種自動轉向方式對比試驗[J]. 農機化研究，2021，43（6）：253-258.

[12]陳文良，宋正河，毛恩榮.拖拉機自動駕駛轉向控制系統的設計[J]. 華中農業(yè)大學學報，2005（增刊1）：57-62.

[13]張智剛，王桂民，羅錫文，等. 拖拉機自動駕駛轉向輪角檢測方法[J]. 農業(yè)機械學報，2019，50（3）：352-357.

[14]Ma J F，Wang D C，Tang Y W，et al. Automatic control system of agricultural machinery based on Beidou navigation[C]//2017 IEEE 3rd Information Technology and Mechatronics Engineering Conference （ITOEC）. Chongqing：IEEE，2017：318-323.

[15]Dong Z Z，Wang H，Tang Y W，et al. Research on automatic driving system of agricultural machinery based on embedded[C]//2019 IEEE 3rd Information Technology，Networking，Electronic and Automation Control Conference （ITNEC）. Chengdu：IEEE，2019：1940-1943.

[16]何 杰，朱金光，羅錫文，等. 電動方向盤插秧機轉向控制系統設計[J]. 農業(yè)工程學報，2019，35（6）：10-17.

[17]王大鹿. 數值迭代算法下的智能插秧機插秧路徑規(guī)劃[J]. 農機化研究，2020，42（11）：197-200，205.

[18]Liu K，Cheng G H，Kong Z G. Beidou agricultural machinery automatic driving software design[C]//2019 IEEE 4th Advanced Information Technology，Electronic and Automation Control Conference （IAEAC）. Chengdu：IEEE，2019：1770-1775.

[19]奚小波，史揚杰，單 翔，等. 基于Bezier曲線優(yōu)化的農機自動駕駛避障控制方法[J]. 農業(yè)工程學報，2019，35（19）：82-88.

[20]史揚杰，奚小波，吳 飛，等. 電機式北斗農機自動駕駛系統設計與試驗[J]. 東北農業(yè)大學學報，2019，50（4）：88-96.

[21]唐天石. 淺談液壓和電動兩種農機自動駕駛的方式[J]. 農業(yè)工程技術，2019，39（36）：70-72.

[22]李世超，曹如月，季宇寒，等. 基于不同電機的拖拉機自動導航轉向控制系統性能對比[J]. 農業(yè)機械學報，2019，50（增刊1）：40-49.

[23]蘆海濤，張居同. 農機導航自動駕駛系統的組成和分析[J]. 農業(yè)工程技術，2019，39（36）：67-69.

[24]Morales J，Martínez J L，Martínez M A，et al. Pure-pursuit reactive path tracking for nonholonomic mobile robots with a 2D laser scanner[J]. EURASIP Journal on Advances in Signal Processing，2009（1）：935237.

[25]韓 冰，陳 軍. 拖拉機行駛路徑的多項式設計[J]. 農機化研究，2006（10）：98-99，106.

[26]陳秀蓮. 拖拉機無人自動駕駛技術應用[J]. 山東農機化，2020（5）：44-45.