[发明专利]一种农业机械导航的组合定位方法

说明书

技术领域

本发明涉及导航定位技术，特别涉及一种农业机械导航的组合定位方法。

背景技术

精细农业包括定位处方农作和农情信息自动采集，其中定位处方农作要求农业机械可以按照预先规划好的路径在田间行走，准确到达目的地并完成既定作业任务。精确导航是实现农业机械自主行走的关键技术之一，其定位精度直接影响农业机械进行路径自动跟踪的质量。因此，提高导航定位的精度，是改善农业机械路径跟踪质量的首要问题。

农业机械导航定位的主要信息包括：位置信息和航向角度信息。在以GPS为主的导航定位技术方面，已有研究成果主要采用RTK-DGPS和FOG实现农业机械的精确定位，其成本较高。也有一些研究成果采用低价格低精度GPS融合高精度惯性传感器，通过卡尔曼滤波方法实现农业机械的精确定位；目前这类研究还较少，而且现有的研究忽视卡尔曼滤波的自适应问题，难以避免滤波发散问题。

发明内容

本发明的目的在于克服现有技术中存在的缺点，提供一种高精度的农业机械导航的组合定位方法，将多个导航传感器信息经过融合处理后，得到农业机械更为精确的当前位姿信息。

本发明一种农业机械导航的组合定位方法，通过下述步骤实现：(1)首先采用伪距差分GPS传感器测量得到农业机械的初步定位位置值；(2)然后采用电子罗盘和微机械陀螺传感器对农业机械的航向角度进行测量，并通过自适应加权融合，推算得到最优的航向角度值；(3)再采用自适应卡尔曼滤波器对包括初步定位位置值和航向角度值的多源信息进行再次融合，获得农业机械定位和航向角度信息的精确估计。

步骤2中，所述推算得到最优的航向角度值的具体步骤如下：首先电子罗盘传感器对农业机械的航向角度进行测量，微机械陀螺传感器对农业机械的横向角速率进行测量，经积分后转换为航向角度测量值；然后采用基于协方差函数的加窗估计算法，在线估计电子罗盘和微机械陀螺的测量方差；再根据上述在线估计的测量方差，采用自适应加权融合估计算法以自适应的方式推算出两个传感器所对应的最优加权因子，最后推算得到最优的航向角度值。

步骤2中，采用最优估计值周期性地更新微机械陀螺传感器横向角速率的积分初值，以防止积分发散。

步骤3中，所述对多源信息进行再次融合的具体步骤如下：首先利用航位推算的基本原理建立常速度条件下的卡尔曼滤波器的状态方程和观测方程；然后基于新息的理论协方差阵概念，设计一种测量噪声协方差矩阵R(k)的自适应调节方法；最后，在卡尔曼滤波器状态方程和观测方程的基础上，结合测量噪声协方差矩阵R(k)的在线调节方法，建立预测方程组和校正方程组，构建卡尔曼滤波器，实现农业机械定位和航向角度信息的精确估计。

步骤3中，所述的常速度卡尔曼滤波器模型中，状态空间和测量向量均为GPS接收机的位置数据(x，y)和速度数据v，航向角度估计数据对状态转移矩阵进行实时更新。

步骤3中，所述R矩阵的自适应调节中，主要采用新息的实际协方差阵Pr(k)与理论协方差矩阵Cr(k)进行对比的方法，在线决策R矩阵的调节量。

所述伪距差分GPS传感器是指差分全球定位系统(DGPS)接收机。所述电子罗盘是指磁航向传感器电子罗盘。所述微机械陀螺传感器是指基于MEMS技术的低成本微机械陀螺。

本发明与现有技术相比具有如下优点和效果：

(1)本发明提出了农业机械航向角度的自适应加权融合估计算法，通过对电子罗盘和微机械陀螺信息的自适应加权融合处理，可为导航控制提供更为精确和可靠的航向角度估计数据。

(2)本发明采用自适应卡尔曼滤波器可抑制发散，平滑DGPS定位数据，有效避免DGPS动态定位的异常结果，定位精度可控制在亚米级范围内。

(3)本发明的导航组合定位方式，将各个传感器的测量数据进行多次融合，既平滑又可以滤除测试噪声，形成了连续、稳定的农业机械导航数据。

附图说明

图1为农业机械导航的组合定位系统组成示意图。

图2为卡尔曼滤波器的数据流向图。

图3为完全DGPS条件下Kalman滤波器直线跟踪仿真结果。

图4为由DGPS到GPS条件下Kalman滤波器直线跟踪仿真结果。

图5为完全DGPS条件下Kalman滤波器曲线跟踪仿真结果。

图6为由DGPS到GPS条件下Kalman滤波器曲线跟踪仿真结果。

具体实施方式

下面结合实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。