论文部分内容阅读
无线传感器网络(Wireless Sensor Network,WSN)在农业中的应用可以有效降低工作量,提高农业管理智能化水平。然而,传统WSN节点位置保持固定,缺乏灵活性和局部执行力。移动机器人具备较强的机动性,可以携带多种高精度传感器,能够执行复杂算法、完成更复杂的任务。将移动机器人和WSN结合,不仅可以使WSN在局部范围内具有一定的计算能力和执行力,还可以辅助WSN进行节点的动态规划和维护任务,完成较复杂的决策和管理工作。移动节点既可作为采集点,也可作为汇聚点。当某一固定路由节点发生故障时,移动节点可代替其继续工作,改善WSN性能。然而,履带机器人在复杂农田环境中运行时,由于受到地面土质、田墒规划以及自身机械结构参数变化等因素的影响,会发生滑动现象,使得其运行路径存在偏差。为了量化性地反映出滑动现象,需要对滑动量进行实时测算和控制,以实现履带机器人的路径跟踪,保证移动节点的稳定运行。为此,本文的主要研究内容和成果如下:1.阐述了WSN和移动节点之间的关系,对移动节点的功能需求进行了分析,确定了移动节点系统的总体结构。从软、硬件两个方面完成了移动节点的设计;焊接制作了移动节点的PCB电路,定义了WSN节点间的通信协议,同时,搭建了ARM嵌入式Linux系统的软件开发环境,编写测试了移动节点的驱动程序和应用程序;配置和搭建了用以获取履带机器人位姿数据的差分GPS定位系统,并分析了坐标系之间的转换关系,给出了坐标间转换关系式和计算实例。2.为了保证移动节点在农田环境中的稳定运行,准确、高效地完成故障节点替换和信息采集任务,针对影响履带机器人路径跟踪效果的滑动问题进行了运动学分析建模,提出了基于无损卡尔曼滤波(Unscented Kalman Filter,UKF)算法和滑模观测器(Slide Mode Observer,SMO)的滑动参数计算方法。利用UKF算法对履带机器人的状态和测量方程进行融合,实现了机器人的姿态重建。构建了以双曲正切函数作为切换函数的履带机器人滑动参数SMO,减弱了SMO符号切换函数引起的抖动,实现了对滑动参数的精确计算。仿真结果表明:该计算方法可以获取准确及高更新率的滑动量,为农用履带机器人的路径跟踪控制提供了数据基础;3.针对移动节点控制系统易因自身结构参数变化和外部干扰而影响其控制精度的特点,将模糊控制和滑模控制(Slide mode control,SMC)结合,提出了基于二维模糊理论的履带机器人自适应模糊滑模控制(Fuzzy slide mode control,FSMC)方法,削弱了干扰因素对控制系统精度的影响,减少了履带机器人在两种农田环境:草地和松软土地中的滑动现象,实现了移动节点的路径跟踪控制。仿真结果表明,与传统滑模控制对比,FSMC具有更显著的自适应性、高效性和鲁棒性。4.测试了移动节点功能。实验结果:移动节点可以按照设计协议与WSN的协调器和服务器进行正常通信,数据采集和传输无误;两种农田环境中,不管移动节点是转弯还是直线运行,FSMC的路径跟踪轨迹都较为平滑,与预设路径之间的偏差较小,而滑模控制方法产生的偏差较大,尤其是转弯时,路径跟踪的轨迹幅度抖动较大,产生较大的离心力,使得履带机器人发生滑动现象,当外界干扰严重时,其偏差更大,路径跟踪偏差分别在?3.0 m和(10)-.~.m450m250范围内变化,而FSMC使得跟踪偏差分别在?1.0 m和?m2.0的范围内小幅变化。同时,由于采用了模糊逼近,FSMC平滑了输出控制量,提高了控制系统的精度。