- · 《农业工程技术》栏目设[05/29]
- · 《农业工程技术》收稿方[05/29]
- · 《农业工程技术》投稿方[05/29]
- · 《农业工程技术》征稿要[05/29]
- · 《农业工程技术》刊物宗[05/29]
一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。 二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。 三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。 四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。 五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。 六、处理流程：（1） 通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4） 杂志出刊后，我们会按照您提供的地址免费奉寄样刊。 七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。 九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。
传感器融合技术在农业工程的应用与前景(2)
作者:网站采编关键词:
摘要：图2 振动陀螺仪基本原理 2 MEMS 传感器融合技术方法研究 多传感器信息融合的概念很直观，但实际上真正实现一个多传感器融合系统是较困难的。由于多传
图2 振动陀螺仪基本原理
2 MEMS 传感器融合技术方法研究
多传感器信息融合的概念很直观，但实际上真正实现一个多传感器融合系统是较困难的。由于多传感器融合系统具有改善系统性能的巨大潜力，人们还是投入了大量的精力进行研究[13]。目前比较成熟、使用较广泛的信息融合方法有：统计推理法、Bayes 推理、Dempster-Shafer 证据理论、模糊集合理论、估值理论最佳状态估计，应用于目标对象的定位、跟踪、测向等[14]。以下介绍基于Kalman 滤波的传感器融合算法理论的传感器融合算法的研究情况。
2.1 基于Kalman 滤波的传感器融合算法
在农业机械组合导航定位的理论方法研究方面，应用最广泛的多传感器信息融合方法是卡尔曼滤波法[15]。Guo LS 介绍了卡尔曼滤波的原理和基本方程、Gray Bishop 在Kalman 滤波器状态方程和观测方程的建立的基础上，提出了线性离散Kalman 滤波器的递归差分方程组，其核心是一组具有递归性质的基于最小方差方法的数学方程组。以该数学方程组构成的卡尔曼滤波器可以对研究对象过去，现在和将来的状态做出线性最优估计，即线性最小方差估计。当噪声为高斯分布的白噪声时，卡尔曼滤波可提供信息融合的统计意义下的最优递推估计[16]。这种方法适用于动态环境中冗余传感器信息的实时融合。付旭等利用多MEMS 传感器研制了一种微型姿态测量系统，利用三轴MEMS 加速度计和三轴MEMS 陀螺数据，由方向余弦矩阵的姿态表示形式推导了扩展Kalman 滤波方程，解算出飞行器的俯仰角和横滚角。将实验结果与国外最新的商用自动驾驶仪的姿态结果进行了比较，二者在静态情况下非常吻合，在动态情况下基本吻合[17]。
2.2 基于联合Kalman 滤波的传感器融合算法
Carlosn 提出的联合滤波模型，继承了分散滤波的处理器结构，并对其算法结构作了重要的改进，在滤波过程中包含了一个信息分配的过程。由于联合滤波器模型设计灵活、计算量小、容错性好、便于工程实现等优点而备受重视[18]。联合滤波模型核心算法是应用最优融合定理以融合各局部滤波器的局部状态估计，以得到全局最优状态估计。在局部滤波器中由于采用方差上界技术引起的信息丢失，在融合过程中被重新综合起来，得到全局最优状态估计解。
2.3 基于自适应Kalman 滤波的传感器融合算法
由于工作环境干扰、加速度计的物理特性、电子伺服系统回路中噪声的影响，加速度计的误差特性会发生变化，很难用一个准确的统计特性噪声来表示。采用自适应卡尔曼滤波技术可以解决以上问题[19]。自适应滤波的目的之一是在利用观测数据进行滤波递推的同时，不断地由滤波本身去判断目标在动态上是否有变化，当判断有变化时,要进一步决定是把这种变化看作随即干扰而归到模型噪声中去，还是队员动态模型进行修正，使之适应目标变化后的动态。自适应滤波的另一个目的，适当系统噪声方差阵Qk和观测噪声方差Rk未知或近似已知时，利用观测数据带来的信息，由滤波本身不断的估计和修正噪声统计特性或滤波器增益阵，以减少状态估计误差，提高滤波器的精度[20]。
3 MEMS 传感器融合技术在农业工程应用
3.1 基于GPS/SINS 组合的农业导航系统
当装备了GPS 接收器的农用导航车辆在田间行走时，由于轮胎在土壤里受力不均匀，车体发生了颠簸而导致了GPS 接收天线位置倾斜，其结果是GPS 天线与车体质心在大地坐标系上不重合，则GPS 数据不能真实反映车体真实位置。试验表明，车体的姿态角对于GPS 的定位精度有较大影响。为提高农业导航定位精度，农业智能车辆田间导航定位需要测量载体位置坐标、航向角以及姿态角等导航参数，其测量值应尽量准确[21]。因此，农业自动导航必须准确测量出车体的姿态角。
GPS 与MEMS 惯性传感器组合能够充分发挥各自优势，采用组合导航系统可以有效解决惯性导航系统误差随时间积累的问题[22]。华南农业大学张智刚以水田插秧机为平台，建立了以RTK-DGPS 为主要导航方式、姿态航向参考系统AHRS500GA 为辅助的联合导航系统，通过卡尔曼滤波的方式提高定位信息精度[23]。美国Zhang Q 设计出多传感器融合系统，建立了位置、速度和姿态的融合方程模型，可以为无人驾驶的农业车辆提供姿态角、航向角信息，用于GPS 数据的校正。文献[24]利用SINS 提供的姿态信息修正GPS 定位数据，对多传感器集成模块ADIS 的信息融合处理，确定了基于卡尔曼滤波的融合算法用于测量姿态角。试验结果表明：在农业车辆运动较剧烈的情况下，只用加速度计计算姿态角误差较大，其结果不可靠；而通过信息融合解算的姿态角结果精度较高，误差一般不超过2°。
文章来源：《农业工程技术》 网址: http://www.nygczz.cn/qikandaodu/2021/0330/1051.html
上一篇：新形势下如何加强农业机械管理
下一篇：会议名称年第五届食品与农业工程国际会议