基于自适应模糊控制的拖拉机自动导航系统..
农业机械自动导航技术
农业机械自动导航技术【摘要】农业发展过程中，机械设备发挥着非常重要的作用，基于此，相关部门要重视农业机械自动导航技术推广应用工作，依据我国农业发展的实际状况，重视农业机械自动导航技术更新工作，以期能够有效提高我国农业机械化水平。
本文就农业机械自动导航技术进行分析，进一步促进我国农业发展。
【关键词】农业；机械；导航农业要想得到可持续发展，既要重视先进科学技术的应用，不断提高农业机械的自动化水平，充分发挥农业机械自动导航技术的优势，不断降低机械操作人员的劳动强度，降低机械操作对农业收获量造成的印象，重视机械视觉技术、GPS定位技术等的应用，保障我国农业能够真正实现可持续发展。
1农业机械自动导航技术概述详细了解农业机械自动导航技术，可知，其是由引线电缆、农田触感导航、无线电导航、地磁导航等多种导航技术发展而来，在农业发展过程中发挥着关键作用，主要应用于中耕除草、收割作业、自动喷洒农药、插秧耕作等工作中。
同时，农业机械自动导航技术本身具有GPS导航等相关功能，能够根据周围环境信息自动导航，相较于其他导航技术而言，其本身具有定位误差较小的特点，实际应用期间能够自动校正数据信息，最大程度上提高定位的精准度，提升农业机械化水平。
2农业机械自动导航技术的优势2.1降低机械操作人员的劳动强度与其他农业机械化技术相比，农业机械自动导航技术实际应用过程中能够有效减低机械操作人员的劳动强度，有效提高农业生产工作的规范化、自动化水平，与传统农业机械操作技术相比，农业机械自动导航技术实际应用过程中对操作人员专业素养等要求较低，实际应用机械设备过程中，机器设备可以自动根据指令播种、喷药、收割等，最大程度减轻机械操作人员的工作压力，提升机械设备田间作业效率。
2.2降低机械操作对农作物收获量造成的影响实际应用机械设备收获农作物过程中，会对农作物造成一定损伤，导致农业作物产量无法达到预期要求，农业机械自动导航技术的应用，在一定程度上改变了这一状况，不仅能够有效降低农作物收获过程中的减损，还能提升农作物收割、播种操作的精准度，最大程度上降低人为因素对农业物收获等造成的不利影响。
浅谈农机自动驾驶导航系统的工作原理
浅谈农机自动驾驶导航系统的工作原理摘要：随着精准农业概念的提出，计算机技术、导航系统技术等在农业机械装备上开始获得广泛的应用。
农机自动驾驶导航系统已经成为现代农业的一个重要组成部分。
越来越多的地区开始使用自动驾驶导航系统进行农业的起垄、播种、喷药、收获等，大大提高了工作效率，降低了农业生产成本，从根本上增加了经济效益。
本文浅析自动驾驶导航系统的组成、工作原理、导航控制原理。
关键词：GNSS接收机、GNSS天线、导航控制器、、转角控制器、导航显示终端等。
一、自动驾驶导航系统工作原理基于卫星导航定位的自动驾驶导航技术直接驱动拖拉机的转向系统，除田间掉头外，在农机作业时可以代替人工操作方向盘（人工控制油门），实现自动驾驶。
自动驾驶导航的基本工作原理是：在导航显示终端（机载田间计算机）中，设定导航线，通过方向轮转角传感器、GNSS接收机、惯导系统获取拖拉机的实时位置和姿态，计算拖拉机与预设导航线的偏离距离和航向，然后通过导航控制器，驱动拖拉机的转向系即时修正拖拉机方向轮的行驶方向。
自动驾驶导航系统在拖拉机的作业过程中，不断进行"测量-控制"动作，使得拖拉机的行走路线无限接近于期望和预设的作业路径。
根据转向操控原理的不同，拖拉机自动驾驶导航可分为机械式自动驾驶导航和液压式自动驾驶导航两类，分别通过步进电动机和液压式驱动拖拉机的转向结构。
二、自动驾驶导航系统的组成自动驾驶导航系统的基本组成部分包括差分信号源、GNSS天线、无线数传电台、GNSS接收机、转角传感器、导航控制器、转向控制器、导航显示终端及导航控制软件等。
1.差分信号源差分信号是拖拉机自动驾驶导航的基础。
差分信号中断后，拖拉机将无法保持厘米级的导航精度，只能停止作业，等待差分信号恢复。
在有条件的区域，可以优先使用地基增强信号，并以星基增强信号作为热备份，以保障作业的连续性。
差分信号播发途径包括：①通过无线电台播发，拖拉机也配置一套无线数传电台。
基于模糊控制的飞行器导航系统设计与实现
基于模糊控制的飞行器导航系统设计与实现一、模糊控制的基本原理模糊控制是一种基于模糊逻辑的控制方法，它模仿人类的思维方式和决策过程，能够处理不确定性和模糊性的信息。
在模糊控制中，输入变量被模糊化为模糊集合，通过模糊推理规则进行推理，最终得到模糊的输出，再经过解模糊化处理得到精确的控制输出。
模糊控制的核心在于模糊规则的制定。
这些规则通常是基于专家经验或大量实验数据得出的，它们描述了输入变量与输出变量之间的模糊关系。
二、飞行器导航系统的需求分析飞行器在飞行过程中需要实时获取自身的位置、速度、姿态等信息，并根据这些信息进行准确的导航和控制。
为了满足这些需求，飞行器导航系统通常需要具备以下功能：1、高精度的定位能力，能够在各种环境下准确确定飞行器的位置。
2、良好的姿态测量能力，及时获取飞行器的姿态信息，以保证飞行的稳定性和安全性。
3、快速的信息处理能力，能够实时处理大量的传感器数据，并做出及时的决策。
4、较强的抗干扰能力，能够在复杂的电磁环境和恶劣的天气条件下正常工作。
三、基于模糊控制的飞行器导航系统设计（一）系统架构基于模糊控制的飞行器导航系统主要由传感器模块、数据处理模块、模糊控制器模块和执行机构模块组成。
传感器模块负责采集飞行器的位置、速度、姿态等信息，常见的传感器包括 GPS 接收机、惯性测量单元（IMU）、气压高度计等。
数据处理模块对传感器采集到的数据进行预处理和融合，以提高数据的准确性和可靠性。
模糊控制器模块是系统的核心，它根据输入的导航信息和预设的模糊规则，计算出控制输出。
执行机构模块根据控制输出，调整飞行器的姿态和飞行轨迹。
（二）模糊控制器设计1、输入变量的选择根据飞行器导航系统的需求，选择位置误差、速度误差和姿态误差作为模糊控制器的输入变量。
2、输出变量的确定输出变量通常为控制飞行器姿态和速度的指令，如舵机偏转角度、发动机推力等。
3、模糊化处理将输入变量和输出变量进行模糊化，划分成不同的模糊集合，如“小”、“中”、“大”等。
拖拉机电液悬挂系统模糊PID自适应控制方法
图1 Fig． 1
拖拉机电液悬挂控制系统
3． 控制面板 4． 电子控制单元
Electrohydraulic hitch control system in tractor
3］ ， 为［－ 3 ， 比例因子为 0. 03 。 ④ΔK I ： 基本论域为 ［－ 0. 3 ， 0. 3 ］ ， 3］ ， 量 化 论 域 为［ － 3 ， 比例因子为 0. 1 。⑤ΔK D ： 基本论域为［ － 0. 001 5 ， 0. 001 5 ］ ， 量 3］ ， 化论域为［－ 3 ， 比例因子为 0. 000 5 。 2. 2 变量论域模糊子集确定 模糊控制中隶属函数的形状对控制效果影响较 大。一般将低分辨率隶属函数的模糊集合用于系统 误差较大的范围内以提高系统的稳定性， 将高分辨 率隶属函数的模糊集合用于系统误差较小或接近零 的范围内以提高系统的灵敏度。 本控制系统采用三角形隶属度函数， 每个变量 ： “负 大 ” （ NB） 、 “负 中 ” 取 7 个 模 糊 子 集， 分别为 （ NM ）、 “负小” （ NS） 、 “零” （ ZO ）、 “正小” （ PS） 、 “正 （ PM ）、 “正大 ” （ PB ） ， 3］ ， NB 为 Z 中” 论域为［－ 3 ， PB 为 S 型隶属度函数， 型隶属度函数， 其他为三角 型隶属度函数。 各个变量的隶属度函数如图 3 ～ 7 所示。 2. 3 模糊控制规则 模糊控制规则是模糊控制器的核心， 是在控制 过程中对实践经验加以总结得到的模糊条件语句的
一种工况， 因此固定的 PID 参数必然不能满足控制 PID 参数方法一般为试验整定， 要求。实际应用中，
［3 ～ 4 ］ Nichols 方法［2 ～ 3］、 、 包括 Ziegler临界比例度法 ［4 ～ 5 ］ 衰减曲线法 等， 整定过程困难繁琐。 为此， 具有
基于模糊逻辑控制的自动驾驶系统设计
基于模糊逻辑控制的自动驾驶系统设计自动驾驶技术是当今科技领域的热门话题之一。
它的引入为交通行业和社会带来了巨大的变革，并对车辆驾驶过程中的安全性、效率和舒适性提出了更高的要求。
基于模糊逻辑控制的自动驾驶系统设计为实现这些要求提供了一种有效的解决方案。
本文将介绍基于模糊逻辑控制的自动驾驶系统设计的原理和应用。
首先，让我们简要了解一下模糊逻辑控制。
模糊逻辑控制是一种计算机控制方法，它基于模糊集合理论和模糊推理，用于处理不精确或模糊的输入和输出。
与传统的布尔逻辑控制相比，它能够更好地应对现实世界中的不确定性和变化。
在自动驾驶系统中，模糊逻辑控制被广泛应用于环境感知、决策和反应三个关键方面。
首先，模糊逻辑控制在环境感知中起着重要的作用。
通过使用传感器获取的数据，例如雷达、摄像头和激光雷达等，模糊逻辑控制可以处理不同类型的障碍物、道路标志和交通信号灯等信息，并识别出当前驾驶环境的状态。
其次，模糊逻辑控制在决策过程中也发挥着关键的作用。
基于感知数据的分析结果，自动驾驶系统需要做出决策，例如确定车辆行驶的路径、速度和转向等。
模糊逻辑控制通过考虑多个因素之间的模糊关系，可以根据不同的驾驶情景，制定出合理的决策策略，从而提高系统的安全性和效率。
最后，模糊逻辑控制在系统反应过程中也起着重要的作用。
一旦决策完成，自动驾驶系统需要有效地控制车辆进行操作，例如刹车、加速、转向等。
模糊逻辑控制可以根据当前驾驶情境和决策结果，调整车辆的控制指令，以确保系统的稳定性和高效性。
除了上述的基本应用，基于模糊逻辑控制的自动驾驶系统设计还面临着许多挑战和需求。
首先，模糊逻辑控制需要有效地处理大量的传感器数据，并对其进行实时处理和分析。
这要求系统具备强大的计算和算法优化能力，以确保系统能够在复杂的驾驶场景下稳定运行。
其次，自动驾驶系统需要具备高度可靠性和安全性。
因为自动驾驶涉及到车辆与人、车辆与环境之间的交互，一个微小的错误可能会导致严重的事故。
基于模糊控制的自动驾驶汽车导航算法研究
基于模糊控制的自动驾驶汽车导航算法研究第一章概述随着科学技术的飞速发展，自动驾驶汽车正成为未来交通的重要发展方向。
汽车导航算法作为自动驾驶汽车的核心技术之一，越来越受到人们的关注和重视。
本文主要介绍基于模糊控制的自动驾驶汽车导航算法研究。
第二章模糊控制及其在自动驾驶汽车导航中的应用模糊控制是一种基于模糊逻辑的控制方法，可以处理一些非线性或具有不确定性的系统。
在自动驾驶汽车导航中，模糊控制可以用来处理车辆本身、环境和路况等因素对导航的影响。
以自动泊车为例，模糊控制可以根据车辆传感器所获得的车位信息、车速信息以及其他环境信息来确定泊车路径，进而控制车辆行驶。
第三章基于模糊控制的自动驾驶汽车导航算法基于模糊控制的自动驾驶汽车导航算法主要包括以下几个方面：1. 提取道路信息首先，通过车载相机等设备获取道路信息，如道路中心线、车道标线等。
2. 处理道路信息对获取的道路信息进行处理，如提取车道线，计算车道宽度、车道曲率等信息。
3. 生成所需导航信息利用处理后的道路信息，生成所需导航信息，如车辆应行驶的路径、车辆行驶速度等。
4. 控制车辆行驶根据生成的导航信息，使用模糊控制算法调整车辆的转向角度、速度等参数，保证车辆的行驶安全和效率。
第四章基于模糊控制的自动驾驶汽车导航算法实例以下是一种基于模糊控制的自动驾驶汽车导航算法实例：1. 提取道路信息通过车载相机获取道路信息，如车道线、隧道入口等。
2. 处理道路信息对获取的道路信息进行处理，如识别车道数、计算车道宽度、曲率半径等。
3. 生成所需导航信息根据处理后的道路信息，生成车辆应行驶的路径、速度等导航信息。
4. 控制车辆行驶根据生成的导航信息，利用模糊控制算法计算转向角度、速度等参数，保证车辆安全行驶。
如车辆行驶到隧道入口时，通过模糊控制算法调整车辆速度，保证行驶安全。
第五章总结基于模糊控制的自动驾驶汽车导航算法可以通过模糊逻辑处理复杂、非线性、不确定的系统，对自动驾驶汽车导航算法进行优化和提升。
农业机械的自动导航控制系统设计
中算 法进行 了分 析 ， 分析 结果 证 明 了算法 的可 靠性 。
题， 研 究者通过引入 Ｇ Ｐ Ｓ导 航 、 惯性导航 、 视 觉 导
距方法 ， 该测距 方法的原理与传统 的 Ｇ Ｐ Ｓ定位 原
理相同， 都是 利用 移动 节点 到 已知基 节点 的距 离求
解 出移动节点的具体位置 Ｊ 。在基于 Ｚ ｉ ｇ Ｂ ｅ ｅ 测距 过程中， 利 用 已知 的 Ｚ ｉ ｇ Ｂ ｅ ｅ节 点 坐标 ， 借 助 几 何 距
在 二 维坐标 中 ， 假设 Ａ， Ｂ， Ｃ为 已知节 点 ， 坐标
作者简介： 张建（ １ ９ ８ ９ 一） ， 男， 四川大邑人 ， 成都农业科技职业学院助教 ， 成都大学硕士研究生， 主要从事机械
・
Ｉ
５ ４・
２ ０ １ ７年第 ７期
张建 ： 农业机械的 自动导航控制 系统设计
分 别用 （ 。 ， Ｙ 。 ） 、 （ ， Ｙ ｂ ） 、 （ 。 ， Ｙ 。 ）表 示 ； 节 点 Ｄ 为
未 知节 点 ， 用（ ， Ｙ ）表 示 。 节 点 Ｄ 到节 点 Ａ， Ｂ， Ｃ
的距离 分别 为 ｒ ， ｒ ２ ， ｒ ， ， 可 根据 式 （ １ ） 求解 坐标 。
ｆ ｛ Ｉ
研
可
＝ ｒ ２
（ １ ）
√（ 一 ｄ 一 。 ） ＋（ Ｙ ｄ —Ｙ 。 ） ＝ｒ ３
自动导航控制系统
谢谢观看
ቤተ መጻሕፍቲ ባይዱ
常见的农用
GPS导航 视觉导航
激光导航 惯性导航
电磁导航
测距导航
多传感器融合
GPS导航
GPS系统（Global Positioning System）是由 24颗卫星构成的庞大络定位系统，可以实时的在全球任意 位置进行导航和定位，并且具有全天候，全球性等特点。GPS系统一般可以分为两大类：一类是 DGPS(差分 GPS 定位技术)和RTK-GPS(实时动态 GPS技术定位技术)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于自适应模糊控制的拖拉机自动导航系统摘要：阐述了一种基于自适应模糊控制的拖拉机自动导航系统。
由PLC、电控开关液压阀和比例方向液压阀组成自动转向控制系统，设计了PD转向控制算法；为提高拖拉机自动导航的精度和稳定性，提出了一种基于遗传算法的自适应模糊控制方法，采用遗传算法在线优化模糊控制规则以及输出比例因子，既保留了传统模糊控制的优点，又有效了改善了系统的控制品质；仿真和田间实验结果表明，该方法可以迅速消除跟踪误差，相应速度快，超调小，系统工作稳定，稳态跟踪误差不超过10cm。
关键词：拖拉机；模糊控制；遗传算法；自动导航；自适应控制引言为提高农用车辆自动导航的精度和稳定性，许多学者对其导航方法进行了研究。
文献[1～11]分别对线性模糊控制方法、模糊控制方法、最优控制方法、神经网络控制方法以及纯追踪算法进行了研究。
总体来说，目前对于自适应导航控制方法研究较少。
模糊控制具有不依赖精确的数学模型、鲁棒性好等特点。
对于一个确定的模糊控制器，当被控对象受到参数摄动和外部干扰等不确定因素影响时，仍可以保证系统最终趋于稳定，但是会降低系统的控制品质，出现诸如振荡加剧、过渡时间过长等缺点。
因此有必要研究自适应模糊控制方法，在控制过程中的不同阶段，对模糊控制器进行自动调整。
拖拉机本身是一个具有大延迟、高度非线性以及时变性和不确定性的复杂系统，而且农田地况较差，轮胎和地面作用过程复杂，难以建立精确的数学模型，因此应避免运用车辆模型进行控制，但是也应该充分挖掘车辆模型所蕴含的车辆状态信息，以改善导航系统性能。
本文提出一种基于遗传算法的自适应模糊控制算法，以RTK-DGPS为导航传感器，构建拖拉机自动导航系统，并进行拖拉机田间自动导航实验。
1 拖拉机自动导航控制系统研究平台为福田雷沃FT704拖拉机，前轮转向，后轮驱动。
自动导航控制系统如图1所示。
图1 导航控制系统系统采用分层控制策略，两层之间通过CAN 总线（ISO11783协议标准）同信。
PPC-3710GS 型工控机作为上层控制器，通过串口接受RTK-DGPS 输出的GGA 和VTG 两种数据格式（输出频率5Hz ），获取车辆的位置、航向和速度信息，经过导航控制算法输出期望前轮转角。
KSC-10PLC 作为下层控制器，实时采集角度传感器数据，获取当前前轮转角，与期望转角相比较，通过转向控制算法，输出功率PWM 信号和功率开关信号，驱动开关阀和比例方向阀，实现前轮转向动作，并实时检测压力传感器的输出信号，实现自动驾驶模式和人工驾驶模式的自动切换。
2 基于遗传算法的自适应模糊导航控制器采用拖拉机的横向偏差E 和航向偏差Ψ作为模糊控制器的输入，输出量为期望前轮转角U 。
横向偏差E 基本论域选择为[-30cm,30cm]，量化因子为Ke =0.5，航向偏差ψ基本论域选择为[-15°，15°]，量化因子为K ψ=1，即两输入变量的模糊论域均为[-15,15]，同时令输出变量的模糊论域与输入相等。
模糊控制器可以用解析式概括为[12]U =-(αE +(1-α)ψ] （α∈（0,1）） （1）其中，α为规则修正因子，又称为加权因子。
通过调整α值，可以调整控制规则。
这种基于解析式的模糊控制器可以将变量的基本论域划分得很细，不仅有利于提高控制精度，而且易于计算机实现，避免了常规模糊控制器规则繁琐的缺点。
采用模拟生物进化过程的遗传算法对模糊控制的修正因子以及输出比例因子进行在线整定，以达到自适应控制。
控制算法原理如图2所示。
图2 基于GA 的导航控制原理图遗传算法具有鲁棒性强、并行搜索和群体寻优等优点，是一种有效的参数优化手段。
其基本操作主要包括编码、解码、选择、交叉和变异，设计如下：（1）编码和解码考虑到拖拉机前轮转向范围为[-25°，30°]，模糊控制器输出比例因子大小范围选择为K µ∈[0.2,1.67]。
编码方式采用搜索能力较强的二进制编码，染色体是长度为10位的二进制串，α占6位，K µ占4位。
相应的解码方式为 {1-2binrep 1547.12.06）（）（ααμμ=+=K binrep K （2） 式中 binrep(α)——6位字符串表示的二进制整数 binrep(K µ)——4位字符串表示的二进制整数 （2）适应度函数的构造适应度函数的选取直接影响GA 的收敛速度以及能否找到最优解。
由于根据ITAE 指标设计的系统超调量小，阻尼适中，具有良好的动态特性，而且在农用车辆自动导航中，横向跟踪偏差是衡量控制效果的首要指标，故选择横向跟踪偏的ITAE 指标的倒数为适应度函数，即为⎰∞=|)(|1dtt y t f （3）式中 y(t)——t 时刻的横向跟踪偏差，m在实际寻优中，为提高算法运算速度，保证控制的实时性，改进为 )20(|)(|11νround N k y t t f Nk k =∆=∑= （4）式中 Δt ——分段积分区间长度，为0.1sY （k)——k Δt 时刻的横向跟踪偏差，m υ——拖拉机前进速度，m/s round ——对结果取整为计算适应度函数，采用简化的两轮车运动学模型推算y(k)，由于不考虑车辆离心力和侧滑，两轮车模型虽然在实际过程中不能完全精确描述车辆的运动状态，但是在很大程度上还是能够反映车辆真实运动变化趋势的。
同时将液压转向系统简化为一阶惯性环节[13]，以预定直线路径为横轴建立跟踪坐标系，前进方向为横轴正方向，跟踪起点横坐标为零，则可得如图3所示的非线性运动学模型为图3 两轮车运动学模型 θυcos =∙xθυsin =∙y （5） L /tan αυθ=∙ ττααα//d+-=∙式中 x ——跟踪距离，m v ——速度，m/sy ——横向跟踪偏差，m L ——轴距，mθ——航向跟踪偏差，rad α——前轮转向角，rad τ——惯性时间常数，s αd ——期望前轮转角，rad （3）选择策略采用按适应度比例分配的轮盘赌选择法，即利用个体适应度比例的概率决定其后代留存的可能。
若个体i 的适应度为fi ，则其被选中的概率为∑=ff P iii （6）(4) 遗传算子主要包括交叉和变异两个遗传算子。
交叉算子采用单点交叉方式；变异算子，以变异概率对染色体的每个二进制位进行逻辑取反。
遗传算法的流程如图4所示。
α、K µ参数编码随机产生初始群体解码并计算适应度 产生群体满足终止条件？ 选择、交叉、变异输出α、K µ图4 基于GA 的α、K µ参数优化流程3 前轮转向控制器由于KSC-10型PLC 支持多任务运行模式，所以将下层控制器的任务划分为：任务1，按照ISO11783规定的时间周期向导航控制器报告前轮转角；任务2，负责前轮转向控制以及驾驶模式的切换和上报。
任务1的优先级高于任务2。
前轮自动转向控制是通过转向控制算法输出一定的功率型号，控制比例阀门的开度，通过调节流量来调节前轮的转向速度，从而实现转角的控制。
本文采用位置式数字PD 控制器实现前轮转角控制，期望转角与当前转角之差作为控制器输入。
转向控制原理如图5所示。
图5 转向控制结构 考虑到比例方向阀有两路PWM 输入，而且有700mA 的电流死区，控制算法改进为)(1e e K K Ik k D p PDe k--+=⎪⎪⎩⎪⎪⎨⎧=+||700700I I I P D P DP D Iout)0()0≠=I PD IPD（(7)式中 I pd ——PD 算法输出值 K p ——比例系数e k ——当前角度误差 K D ——微分系数e k-1——前一次角度误差 I out ——控制器最终输出值I out 的正负极性分别代表左路和右路PWM 输入，相应代表前轮的两个转动方向。
在转向过程中的某一时刻，必然有一路PWM 输入需要置为0。
4 算法与系统实验4.1 前轮转向控制实验为尽可能考虑农田地面状况对前轮转向控制的影响，找了一块刚秋收后的玉米地进行转向控制实验。
选择频率为0.2Hz ，幅值为15°方波指令曲线和正弦指令曲线对转向控制器进行测试。
经过多次调试，当K p =250，K D =20时，转向控制效果较佳。
测试结果如图6所示。
图 6 指令曲线跟踪(a) 方波曲线跟踪 (b) 正弦曲线跟踪可见，转向控制系统可以较好地完成信号跟踪任务。
对于方波信号，跟踪一个30°的阶跃信号（从-15°到15°或反之）大约需要1.2～1.4s，对于正弦波，跟踪延迟约为0.2～0.4s，可满足实际自动导航需求。
另外，在正负峰值处，跟踪曲线并不完全对称，这是由于左右转向时执行机构参数不同造成的。
4.2 导航控制算法仿真首先在Matlab环境下，采用式(5)所描述的两轮车模型，对设计的自适应导航控制算法进行仿真验证，仿真程序采用M语言编写。
运动学参数为：υ=2m/s，L=2.3m，τ=0.1s。
遗传算法的种群大小为40，进化代数为40代，交叉概率为0.6，变异概率为0.02.拖拉机初始状态为[3.5m,0.4rad,0.2rad]，分别代表横向偏差、航向偏差和前轮转向偏差，导航控制周期为200ms。
与之对比，常规模糊控制的规则因子选择为0.6，输出比例因子为1。
仿真结果如图7所示。
图7 直线跟踪仿真由图可见，基于GA的自适应模糊控制与常规模糊控制相比，消除误差的速度更快，几乎没有超调和振荡，具有良好的动态性能，在理论上是可行的。
通过大量仿真发现，在GA每步进化中，基本不超过10代即可寻找到最优解，其中一步的进化过程如图8所示图8 适应度曲线另外，在拖拉机自动导航过程中，导航控制算法的实时性问题也是必须考虑的问题。
将上述自适应控制方法在工控机的Visual C ++6.0环境下进行验证，进化代数设置为10代，经统计发现，美不优化平均耗时10ms左右，与200ms的导航控制周期相比，其算法延时造成的影响可以忽略不计。
4.3 田间自动导航试验试验地点选择在一块秋收后的玉米地，地面颠簸不平。
转向控制器采用上述设计的数字PD控制器，拖拉机速度为2m/s左右，分别对常规模糊控制方法和基于GA的自适应模糊控制方法进行试验，实验结果如图9所示。
（a）（b）图9 自动导航系统跟踪（a）常规模糊控制（b）基于GA的自适应模糊控制由图可见，基础常规模糊控制的直线跟踪，存在一定的超调和振荡，稳态时最大偏差为20cm左右，而基于自适应模糊控制的直线跟踪可以迅速消除横向偏差，超调较小，振荡也较小，稳态时最大横向偏差为10cm左右，跟踪曲线变化相对平缓，具有良好的动态特性。
考虑到地面颠簸不平对GPS天线造成一定定位误差情况下，这个跟踪精度是可以接受的。