拖拉机自动驾驶平台的研究分类模板.doc

资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。
拖拉机自动驾驶平台的研究 分类: 技术研究 -04-07 01:59
1.1研究意义
中国是一个农业大国, 用占世界7％的耕地解决了世界22％的人口温饱问题, 取得了举世瞩目的成就。当前, 中国面对”人多地少, 资源短缺, 环境恶化, 人增地减”的趋势不可逆转。保证21世纪中国16亿人口的食物安全, 关键在于推动农业科技的进步。正如江泽民同志所指出的”中国的农业问题, 粮食问题要靠中国人自己解决。这就要求我们的农业科技必须要有一个大的发展, 必然要进行一次新的农业科技革命”。纵观世界现代农业发展动态, 一个新的农业科技革命的序幕已经拉开。以生物技术、 信息技术为先导的现代科学技术发展及其在农业上的广泛应用, 为世界各国农业发展提供了前所未有的机遇。”精细农业”技术正是在这种环境下应运而生, 成为农业信息技术应用的一个重要分支。其核心是用现代高新技术特别是信息技术来改造传统农业, 在机械化的基础上, 把地理信息系统( GIS) 、 定位系统( GPS) 、 决策支持系统、 传感技术进行集成, 使作物生产更加科学, 减少投入, 提高产出, 实现高效利用各种农业资源, 保护生态环境的农业可持续发展目标[1]。

中国60岁以上的老年人口已近一亿( 约有70%居民在农村) , 约占全世界老年人口的22%, 占亚洲老年人口的50%。进入二十一世纪后, 中国面临着比现在(现在就是二十一世纪, 与前面的”进入二十一世纪后”矛盾, 应该指出: ”现在”的具体年份; 或指出前面”二十一世纪”的间段, 如二十一世纪中叶)多三、 四倍的老年人, 人口老龄化会对生产、 消费、 劳动生产率、 产业结构等产生巨大影响[2]。改革开放以后, 中国劳动力产业结构转换的进程加快。到1998年, 中国第一产业就业人口所占比重已降至49.8%, 比1980年下降了19个百分点, 第二、 三产业所占比重分别上升至23.7%和26.4%。中国劳动力产业结构转换速度已超过了同期东北亚的大多数国家。农村劳动力平均年龄也由 前的不到37岁上升到40岁。据预测, 即使( ”即使”是否该改为”随着”) 城镇化进程加快, 到2040年人口老龄化峰值期, 60岁以上人口将超过4亿人, 农村老年人口总数超过城镇[3]。因此为了应对农业就业人口的减少和老龄化问题, 必须加速农业机械化和信息化的发展。

农业作业若不采用机械化, ”精细农业”就无法实施。如联合收割机、 播种机、 施肥机、 喷药机、 喷灌机等。( 不是单独句子, 需重组) 机械化、 自动化程度越高, 越利于实施”精细农业” [1]。 拖拉机是实现各种机械化作业的动力, 是农业生产中最重要的动力机械。它能够与附装的、 悬挂的或牵引的农机具一起完成大部分的田间作业, 还能够牵引挂车进行运输作业, 因此拖拉机是精细农业实施的一个必不可少物质载体, 相应地, 拖拉机的自动驾驶则是精细农业系统的一个有机组成部分。

／＊( 以下部分的说明好象有点混乱, 我建议对以下２段落中的语句进行重组, 从两方面来说明拖拉机自动驾驶的必要性: 1.拖拉机自动驾驶能够满足农业作业的精度――农田作业按精度, 农机手和自动驾驶的精度; 2. 拖拉机自动驾驶能够提高农业劳动的生产率, 从而提升中国农业产业在国际上的竞争力――拖拉机作业环境和作业工况, 自动驾驶的利点) 由于拖拉机在工作方式上与汽车有很大不同, 特别是拖拉机的作业环境比较恶劣, 作业工况复杂多变, 再加上农机操作手技术水平的差异等原因, 导致耕作精度低, 造成土地资源浪费, 而且不能保证拖拉机在作业中的生产效率和燃油经济性。这样即使是拖拉机本身已经具有了较好的设计性能指标, 也往往由于使用者的个人经验不足、 熟练程度不同而难以完全发挥出来, 如何将汽车自动驾驶技术合理应用于拖拉机是一项艰巨而意义深远的任务[21-25]。Auernhanmmer和Muhr1991年将农田作业按精度分为粗糙作业( rough operations) 如土壤采样( soil sampling) 、 除杂草( weeding) ; 精细作业( fine operations) 如喷洒农药( pesticide spraying) 、 耕地( plowing) ; 精确作业( precise operations) 如种植( planting) 、 耕作(cultivation)。并建议每种作业的导航精度分别为1m、 10cm、 1cm, 不过Nieminen和Monomen认为这种精度要求过于苛刻; Julian认为车辆前轮小于5cm的波动对后轮的影响能够忽略不记, 认为后轮是沿规定的路径行进的[26]。

随着农业劳动生产率的不断提高, 农用拖拉机向着大型化的方向发展, 这种趋势在西欧和北美表现得特别明显, 在中国新疆和东北地区, 近年来发展势头也日益旺盛, 其结果是用户在农业生产中越来越依赖于少数几台较大功率的拖拉机, 因此人们迫切要求能够最大限度地提高这些拖拉机的工作效能[27]。拖拉机自动驾驶技术的使用可保证精确的作业行距和作业方向及间距, 而且长时间作业无须常规标记, 在降低人工技术需求的同时提高了作业精度。另外还可减少重复作业, 加快作业进度, 节约时间, 从而降低成本, 减轻作业驾驶人员工作量负荷。文献[28]表明: 最好的农机手在进行田间耕作时能达到的精度是10cm, 若在经过一天的劳作后, 精度还会大大降低, 而应用新技术的的无人驾驶拖拉机能够使精度达到3cm, 从而避免重复耕作, 尽管无人驾驶拖拉机的固定成本要比普通拖拉机高42%, 但能够节约燃料, 减少种子、 肥料和杀虫剂的浪费, 并提高产量以及减少劳动力成本等, 因此依然可给农场增加40%的利润。＊／

综上所述, 开展针对农业车辆的智能驾驶的研究是非常有必要的, 对中国农业的发展也是十分有意义的。

1.2国内外研究现状及分析

国外在农用车辆自动驾驶方面研究的较早, 20世纪70年代, 世界各国许多工程师都对农田机械的自动导航进行了研究。1978年一种Claas自动导航系统应用到农业机械, 最初是为割草机设计开发的, 后来又应用到拖拉机上, 它由3部分组成: 液压系统、 传感系统、 控制器, 液压系统包括转向阀、 转向液压泵、 转向切换阀, 传感系统包括前车轮转角传感器和安装在拖拉机前面的机械传感器( 接触式) , 控制器经过比较前轮转角传感器的电压与设定电压得到一个电压差值, 这一电压差值经过放大( 后用于) 控制转向液压阀的开闭, 从而控制转向轮的转动实现自动驾驶。机械传感器农业机械自动导航并不意味着不需要操作者, 因为真正无人操作的农田机械除了要实现自动导航外, 还要实现其它工作过程的最优化和自动化, 这比仅仅实现自动导航技术更难, 成本更高。工程师们解决了有关自动导航的控制问题, 还研究出许多自动导航系统, 并对其进行了测试, 其中一些系统也转化成了商品, 但没有一套系统在生产实践中得到推广应用。这些系统中大部分都只能在机器某一特定工作过程中实现自动导航, 那些能够适用于所有工作过程的系统则需要操作者在田间或周围地区做大量准备工作, 包括安装电缆、 信号灯等设备才能正常导航, 有的还需要在机器上安装体积庞大、 笨重的控制装置。因此, 投资、 维护成本、 劳动力等因素限制了这些导航系统的应用。

根据经济学的观点, 在农田机械上采用适用于有限工作过程的自动导航系统, 成本一般比采用适用范围广、 通用性强的系统高很多, 因此, 自动导航系统的通用性应该成为研究改进的重点。20世纪80年代末以来, 随着传感器性能和性价比不断提高, 工程师们又研究出以机器视觉传感器和卫星定位为核心的农田机械自动导航系统。其中机器视觉传感器在导航系统中主要任务是识别路线和检测障碍物, 起到相对定位作用, 它不但工作性能优异, 而且在识别路线时, 还能区分作物和杂草、 检测病虫害, 具有广泛适用性、 功能多样性以及高性价比, 因此被成功地应用于农田机械自动导航, 并成为导航系统的关键组成部分。

1.2.1 国外发展现状

1.2.1.2(1) 机器视觉方面

日本的Torii等人[29,30,31,72]利用视觉导航研制了一种具有定点作业能力的智能农药喷洒装置。她们在HIS空间中, 基于几条水平扫描线, 结合直线最小二乘法识别出农田中作物行作为导航路径。这种方法利用作物和垄沟的色度差异来进行分割, 当出现大面积杂草或作物缺失时, 视觉系统将无法正确识别, 同样也不能应付色度差异不大的其它农田环境。导航控制中, 针对视觉获取的横向偏差和航向偏差以及角位移传感器测出的导向轮转角等三个状态设计横向反馈控制。人工草坪标定实验中取得了最大横向误差为0.024m, 航向角误差为1.5°, 不过其在农田实验时纵向速度较小, 只有0.25m/s。

日本生物类特定产业推进机构正在研究称作ALVA的无人驾驶拖拉机。它采用CCD摄像机、 图像处理装置和地磁方位传感器作为方位识别的传感器, 对拖拉机的位置和行进方向进行检测。作业时, 开始的一个行程是作为示教手动控制的, 它为行驶控制确定方位、 时间和检测条件, 然后进行自动行走。当前, ALVA在50m 20m田地中具有无人操纵的作业能力。北海道大学将线性图像传感器安装在拖拉机上, 在农田中进行无人驾驶试验, 以0.26m/s的速度运行, 误差为0.04m。另外, 东京大学利用CCD摄像机, 采用彩色HIS变换算法规划路径, 以0.25m/s的速度运行, 误差为0.02m。韩国开发了视觉导航拖拉机, 用于果园农药的喷洒, 避障采用超声波传感器, 利用模糊算法控制拖拉机沿预定路线运行[33]。

韩国的Cho[34,35]研制了视觉导航的智能拖拉机系统去完成果树农药喷洒。出于果园景物分布的特点考虑, 直接统计图像垂直方向上的直方图检测行走路径。单纯依靠这样的视觉信息, 系统将无法正常工作, 但她们运用模糊推理方法融合了四个超声波传感器的信息, 实现了自主导航和避障。

美国的Gerrish等人[36]在Case7110拖拉机后轴的左侧安装了一个彩色CCD摄像机, 离地面2.79m, 仰俯角为15deg。系统初始化时, 由使用者首先选取代表作物和土壤的像素点, 然后视觉系统根据初始信息进行自动识别, 导航信息由图像中固定的某一点来计算。在速度为12.9km/h和4.8km/h两种条件下, 跟踪直线状的玉米行时, 分别取得了均方差为12cm和6cm的导航精度。

University of Illinois at Urbana-Champaign的张勤副教授[42-55]领导的课题组采用John Deere7700型拖拉机为平台, 利用STH-MD1双目摄像机实现了田间直线行驶; 还以John Deere GATOR型农用车为平台, 加装FOG IMU与GPS实现导航, 并经过WLAN无线与基站进行数据交换与基站GIS相比对进行矫正。(应属于ＧＰＳ方面)

丹麦Aalborg University的K.M. Nielse( 和, 并删除逗号和之后的”等”;英文的姓与名之间插入空格) P. Andersen等为了检测作物中夹杂的杂草以绘制用于精细农业操作的定点喷药、 施肥和除草作业等, 用GPS和陀螺仪实现导航控制, 基于机器视觉开发了用于绘制杂草分布图的自动行走车[56]。(如果机器视觉没有用于导航控制, 则这项研究应属于ＧＰＳ方面。另外句子不好理解, 改成…等为了在精细农业操作中实现定点喷药、 施肥和除草等作业, 用GPS和陀螺仪实现导航控制, 基于机器视觉开发了用于检测作物中夹杂的杂草并绘制杂草分布图的自动行走车)

1.2.1.2 GPS方面

John Deere Technology Center的John Reid ( J.F. Reid, Q. Zhang, N. Noguchi, M. Dickson. Agricultural automatic guidance research in North America. Computers and Electronics in Agriculture, 25, 155-167.) 博士所领导的团队( 删去空格和空行) 在拖拉机自动驾驶方面做了大量的工作, 实现等高地面的直线行驶和避障等并在此基础上实现了部分农业作业的智能化。北海道农业试验场农业研究中心开发了一套拖拉机自动驾驶系统, 该系统基于位置识别的Kalman滤波方法, 将GPS和陀螺仪等传感器复合起来, 实现拖拉机的自动导航。Kyoto University的Michihisa Iida, Masahiko Suguri与 Yanmar Co, Ltd.的 Masayuki Fujii和Shuji Shiozaki经过对拖拉机的制动力进行实时分配进行PID控制, 实现了拖拉机保持直线行驶的能力。北海道大学应用价格较低的DGPS和GDS设计开发了低成本的移动车辆自动导航系统, 并制定了两套导航系统方案( NAV-1, NAV-2) 。Japan National Agricultural Research Center for Hokkaido Region的Keii Chinoue博士等以4轮驱动的75PS拖拉机为平台, 微机控制拖拉机的油门、 离合器、 制动系统等, 采用DGPS( MX9400GPS接受器C/A码, 精度20cm, 1Hz采样频率, Leica CO., (空格)Ltd.) 和FOG(JG-35FD, (空格)Nihon Kouku Denshi Co., (空格)Ltd.)实现导航, 采用基于拖拉机运动模型的控制方法, 用Kalman滤波估算拖拉机的侧滑而且考虑了液压转向系统的延迟, 在车速为1.5m/s的耕地实验中偏差在0.1m之内。岩手大学鸟巢教授领导的课题组以Mistubishi MT2501D( 18kW) 型拖拉机为平台, 采用拖拉机运动学模型, 用最优控制原理开发控制器, 用激光导航实现了拖拉机的直线、 正弦、 圆型路线平地的自动行驶与拖拉机接拖挂( FOG导航) 的直线、 正弦、 圆型路线行驶的控制, 拖拉机接拖挂试验的最大偏差20cm。( 此为激光导航, 有别于GPS导航, 可删除) 荷兰Institute of Agricultural and Environmental Engineering IMAG-DLO的R.P. Van Zuydam应用电子地图与RTK GPS技术实现对拖拉机转向的控制, 田间实验最大误差12cm, 混凝土路面实验最大误差2cm。 在美国加利福尼亚州首府萨克拉门托举行的部长级国际农业科技会议农业科技展上, 美国自动农业公司展出了一种装备全球卫星定位系统的农机自动驾驶仪, 会帮助司机确定准确的行驶路线, 使拖拉机等农业车辆在耕作时走得笔直, 数公里内偏差不到1英寸, 可避免因技术不熟练造成的重耕和漏耕, 提高耕地使用率。

1.2.2 国内发展现状

在国内, 清华大学、 吉林工业大学、 中国农业大学等近几年也进行了这方面的研究, 如清华大学智能技术与国家重点实验室研制成功智能车THMR－V, 配备了先进的GPS互补定位系统和激光雷达测障系统, 最高时速达到150公里; 吉林大学进行了JUTI系列智能车辆的研究, 主要采用机器视觉实现导航; 据新华社报道中国第一汽车集团公司和国防科技大学联合研制的自主车在高速公路上行驶的最高稳定速度为130km/h, 最高峰值速度为170 km/h, 而且具有超车功能; 交通部交通科学研究院也进行了相关的研究, 但这些研究大多是针对汽车的, 对于拖拉机自动驾驶、 相关的报道较少, 南京农业大学的姬长英教授、 周俊博士[45-48]在小四轮拖拉机的基础上设计改装了一种农用轮式移动机器人试验原型, 采用视觉作为导航传感器, 探讨了基于区域和边缘两种农用轮式移动机器人视觉导航跟踪路径的检测方法, 分析了轮式机器人导航系统的行为特点, 给出了相应的系统状态方程和系统观测方程等, 但其实验是以校园内的人工绿篱作为路标进行的, 与实际的农田还是有较大差别的; 西安交通大学的杨为民博士、 李天石等[49]开发了农业机械机器视觉导航试验系统; 其余的研究大多集中在一些农业应用的相关智能化上, ( 删去换行符) 例如, 中国农业大学自1999年开始陆续开展了拖拉机作业机组AMT方面的研究 ; 西北农林科技大学的杨秦教授领导的基于GPS与GIS控制的可变灌溉系统研究; 中国农业大学、 华南理工大学分别研究的激光平地机; 浙江大学的基于图像边缘检测的( 收获季节) 导航研究。

当前各种导航方式中利用单一传感器感知导航信息(车辆位姿)( 不知道能否缩写”位置和姿态”) 很难满足自主车辆导航系统所要求的精度和可靠性。一般来说, 单个传感器存在一些不可克服的缺陷: 只能提供环境的部分信息, 而且其观测值一般会存在不确定性以及偶然的错误或缺失; 有效探测范围小, 无法适应所有情况; 系统缺乏鲁棒性, 偶然的故障会引起整个系统的瘫痪, 甚至造成灾难性的后果。选择合适的定位方法实时地获得拖拉机在行驶过程中的位置与姿态, 是控制拖拉机自动驾驶的必要条件, 正确的表征拖拉机在行驶过程中相对期望路径的横向偏差与航向角偏差, 是影响控制效果的重要因素。

1.3主要参考文献

[1] 刘刚.精细农业的技术组织、 决策分析及在中国的应用实践.

662.htm.

[2] 陶立群.人口老龄化与无障碍环境.http: //www.1203.org/wza/35.htm.

[3] 龚维斌.中国农民群体的分化及其走向.http: // 0527_86516.htm.

[4] 杨殿阁, 李克强, 郑四发 等. 智能交通系统中的汽车技术[J].汽车工程, , 25( 3) .

[5] 连小珉, 杨殿阁, 等. 智能运输系统需要”智能汽车” [C]. 中欧智能交通系统研讨会, 北京, 1997.

[6] 李克强, 连小珉等. 智能交通系统与现代汽车技术[C]. 世界汽车技术发展研究报告, .

[7] 徐友春, 王荣本, 李兵 等. 世界智能车辆近况综述[J]. 汽车工程. , 23 (5).

[8] A.布洛基, M. 布图兹, A.法斯莉, G.康特, 著.王武宏, 沈中杰, 侯福国, 易冰, 编译.智能车辆——智能交通系统的关键技术[M]. 北京: 人民交通出版社, .

[9] 史其信, 陆化普.中国ITS发展战略构想[J]. 公路交通科技, 1998, 15( 3) : 13-16

[10] 柳长立. 智能运输系统及其对人/车操作界面设计的影响与对策[J].汽车研究与开发, 1999, ( 1) .

[11] 刘澜, 杜文.智能车辆的技术集成及其人机关系问题[J]. 人类工效学, , 7 (3).

[12] Gerrish, J.B, W.Fehr, G.Rvan Ee, and D.P.Welch. ( 空格) Self-steering tractor guided by computer vision. ( 空格) Applied Eng. ( 空格) in Agric.13(5).

[13] 吕安涛, 毛恩荣, 林玮静.半挂汽车列车智能化技术探讨[J].林业机械与木工设备, , ( 2) .

[14] 吕安涛, 毛恩荣, 林玮静. 半挂汽车列车安全性设计的发展趋势[C]. 世界汽车技术发展研究报, .

[15] 吕安涛.半挂汽车列车技术发展趋势[J].专用汽车. , ( 2) .

[16] 周一鸣, 毛恩荣.车辆人机工程学.北京: 北京理工大学出版社, 1999.

[17] 吕安涛, 毛恩荣, 林玮静.基于半挂汽车列车智能化的人/车操作界面技术对策[J].交通标准化, (9)

[18] FHWA-RD-98-185 Full Coverage Collision Warning( 删除空格) : Human Factors Research Needs[S] ( 删除空格, 下同) .

[19] FHWA-RD-98-186 Advanced Traveler Information System Capabilities : Human Factors Research Needs[S] .

[20] FHWA-RD-98-187 Integrated Capabilities in Heavy Vehicles : Human Factors Research Needs[S] .

[21] FHWA-RD-98-188 Integrated ITS Capabilities in Transit Vehicles : Human Factors Research Needs[S] .

[22] 谭灝.拖拉机作业机组仿真试验台机器最优适应控制机理研究[M].中国农业大学学位论文, 1996.

[23] 侯瑞芬.拖拉机机组作业仿真试验台机械式变速器自动化研究[M], 中国农业大学学位论文, 1999.3.

[24] 刘胜.拖拉机作业机组仿真试验台自动变速控制系统的研究[M], 中国农业大学学位论文, .6.

[25] 李国政.拖拉机机械变速箱自动换档控制技术研究[M], 中国农业大学学位论文, .3.

[26] 宗伯华.拖拉机自动变速及作业机组综合控制研究[M], 中国农业大学学位论文, .5.

[27] John F. ( 空格) Reid. ( 空格) Precision Guidance of Agricultural Vehicles[J].UILU-ENG-98-7031.

[28] 陈潭.无人驾驶拖拉机将改变农业耕作方式[J], 科技发展与展望, 1997, ( 3) .

[29] Torii T. Research in autonomous agriculture vehicles in Japan. Computers and Electronics in Agriculture, , 25(1-2): 133-153.

[30] Tour TORII, Satoshi KITADE, Tsukasa TESHIMA et al. Crop row tracking by autonomous vehicle using machine vision( 空格) (part 1). Journal of JSAE, , 62(2): 41-48.

[31] Toru TORII, Akira TAKAMIZAWA, Tsuguo OKAMOTO et al. Crop row tracking by autonomous vehicle using machine vision( 空格) (part 2). Journal of JSAE, , 62(5): 37-42.

[32] 机械工业部洛阳拖拉机研究所编.国外机械工业基本情况( 拖拉机) .机械工业出版社, 1986.

[33] 王玉梅. 拖拉机自动导航技术的研究现状. 潍坊学院. 专题综述. ,6,

[34] CHO S I, Ki N H. Autonomous speed sprayer guidance using machine vision and fuzzy logic. ASAE, 1999, 42(4): 1137-1143.

[35] CHO S I, Ki N H, Lee J H, Choi C H. Autonomous speed sprayer using fuzzy control. Proc, International Conference on Agricultural Machinery Engineering, November, Seoul, 1996, 648-657.

[36] Gerrish J B, Fehr B W, Van Ee G R, Welch D P. Self-steering tractor guided by computer-vision. Appl. Eng. in Agric., 1997, ( 空格) 13 (5): 559-563.

[37] Noboru Noguch, John F. ( 空格) Reid, Qin Zhang et al. ( 空格) Development of robot tractor based on RTK-GPS and gyroscope[J]. ( 空格) ASAE paper: 01-1195.

[38] Simon Blackmore, Hans werner griepentrog, Henning Nielsen et al. ( 空格, 以下照此; 另外期刊名, 会议名及题目的头字母要大写) Development of a deterministic autonomous tractor[C].Beijing: CIGR International Conference·Beijing, 11-14 October .

[39] John F.Reid.A Status Report on Autonomous Guidance of Agricultural Vehicles in the US: New Frontiers in the 21st Century[C].UILU-ENG-987026.

[40] K.M.Nielse, P.Andersen, T.S.Pedersen, T.bak, J.D.Nielsen.Contral of an autonomous Vehicle For Registration of Weed And Crop In Precision Agriculture.CDOS.

[41] Kane Usher, Peter Ridley, Peter Corke. Visual Servoing of Car-Like Vehicle-An Application Of Omnidirectional Vision[C]. Proc Australasian Conference on Robotics and Automation, Auckland 27-29 November .

[42] W.R.Norris, Q.Zhang, R.Sreenivas, J.C.Lopez–Dominguez.a design tool for operator–adaptive steering controllers.Transactions of the ASAE.Vol. 46(3): 883–891.

[43] Qin Zhang.A generic fuzzy electrohydraulic steering controller for off.-road vehicles. J. Automobile Engineering. Vol. 217 Part D.

[44] K. Wu, Q. Zhang, A. Hansen, A. Alleyne. a multiple locally–linearized diesel engine model. Transactions of the ASAE, Vol. 45(2): 273–280.

[45] H Qiu and Q Zhang. Feed forward-plus-proportional–integral–derivative controller for an off -road vehicle electrohydraulic steering system. J. Automobile Engineering, Instn Mech Engrs Vol. 217 Part D.

[46] 周俊, 姬长英. 自主车辆导航系统中的多传感器融合技术. 农业机械学报, , 33( 5) : 113-116.

[47] 周俊, 姬长英. 基于视觉导航的轮式移动机器人横向最优控制. 机器人, , 24( 3) : 209-212.

[48] 周俊, 姬长英.智能车辆横向控制研究. 机器人, , 25( 1) : 26-30.

[49] 周俊, 姬长英. 视觉导航轮式移动机器人横向预测模糊控制. 农业机械学报, , 33( 6) : 76-79.、

[50] 杨为民, 李天石, 贾鸿社. 农业机械机器视觉导航研究. 农业工程学报, , 20(1): 160-165.

[51] H. Qiu, Q. Zhang, J.F. Reid. fuzzy control of electrohydraulic steering systems for gricultural vehicles. Transactions of the ASAE, Vol. 44(6): 1397–1402.

[52] U Pinsopon, T Hwang, S Cetinkunt, R Ingram, Q Zhang, M Cobo, D Koehler and R Ottman. Hydraulic actuator control with open-centre electrohydraulic valve using a cerebellar model articulation controller neural network algorithm. Proc Instn Mech Engrs Vol 213 Part I.

[53] E. R. Benson, J. F. Reid, Q. Zhang. machine vision–based guidance system for an agricultural small–grain harvester. Transactions of the ASAE, Vol. 46(4): 1255–1264.

[54] D. Wu, Q. Zhang and J. F. Reid. Adaptive steering controller using a Kalman estimator for wheel-type agricultural tractors. Robotica, ( ) volume 19, pp. 527–533.

[55] S. Han, L. L. Hendrickson, B. Ni, Q. Zhang. modification and testing of a commercial prayer with pwm solenoids for precision spraying. Applied Engineering in Agriculture, Vol. 17(5): 591–594.

[56] Haibo Hu and Qin Zhang. realization of programmable control using a set of individually controlled electro hydraulic valves. International Journal of Fluid Power, ( ) No.2 pp. 29-34.

[57] W. Yuan, A. C. Hansen, Q. Zhang. predicting the physical properties of biodiesel for combustion modeling. Transactions of the ASAE, Vol. 46(6): 1487-1493.

[58] Q. Zhang, S. Cetinkunt, T. Hwang, U. Pinsopon, M. A. Cobo, R. G. Ingram. use of adaptive control algorithms for automatic calibration of electrohydraulic actuator control. Applied Engineering in Agriculture, Vol. 17(3): 259–265.

[59] Qin Zhang, Dave R. Meinhold, John J. Krone. valve transform fuzzy tuning algorithm for open-centre electro-hydraulic systems. J. Agric. Engng, (1999) 73, 331}339.

[60] John F.Reid, Qin Zhang, Noboru Noguchi, Monte Dickson .Agricultural automatic guidance research in North America. Computers and Electronics in Agriculture, 25 ( ) 155–167.

[61] Q. Zhang, J. F. Reid, D. Wu. hardware-in-the-loop simulator of an off-road vehicle electrohydraulic steering system. Transactions of the ASAE.

[62] R.Keicher, H.Seufert.Automatic guidance for agricultural vehicle in Europe[J].Computers and electronics in agriculture. (25) .

[63] Herbert, M., Thorpe, C., Stentz, A., Intelligent Unmanned Ground Vehicles, Autonomous Navi-gation Research at Carnegie Mellon, Kluwer Academic Researchers, 1997.

[64] Murphy, K., Abrams, M., Balakirsky, S., Coombs, D., Hong, T., Legowik, S., Chang, T., La-caze, A., "Intelligent Control for Unmanned Vehicles, " Proceedings of the World Automation Con-gress Conference (WAC ), June .

[65] Ojala T., Pieti