一種溫室果園自主巡檢機器人_杜海蓮.pdf

一種溫室果園自主巡檢機器人 杜海蓮 1 王建華 2 閆 瑾 1 王觀田 1 王 陽 1 1 華東交通大學機電與車輛工程學院 江西南昌 330013 2 智能農(nóng)業(yè)動力裝備全國重點實驗室 河南洛陽 471039 摘要 本研究設計了一種基于激光雷達 SLAM 的溫室果園巡檢機器人系統(tǒng) 該系統(tǒng)采用四驅(qū)差速底盤 集成 STM32 樹莓派 激光雷達和視覺傳感器 通過SSH VNC實現(xiàn)遠程控制 系統(tǒng)利用激光雷達 SLAM 構建環(huán)境地圖并 實現(xiàn)自主導航 測試表明 SLAM 建圖相對偏差為3 6 以0 5 m s 運動時 x y 向定位偏差分別為4 7 cm 和 1 8 cm 以1 0 rad s轉(zhuǎn)動時角度偏差為6 7 機器人能有效避障 驗證了其在溫室環(huán)境中的適用性 關鍵詞 溫室 巡檢 機器人 SLAM 中圖分類號 S375 文獻標志碼 A 文章編號 1006 0006 2025 05 0040 06 An Autonomous Inspection obot for Greenhouse Orchards DU Hailian 1 WANG Jianhua 2 YAN Jin 1 WANG Guantian 1 WANG Yang 1 1 Department of Mechatronics and Vehicle Engineering East China Jiaotong University Nanchang 330013 China 2 State Key Laboratory of Intelligent Agricultural Power Equipment Luoyang 471039 China Abstract In this study a LIDA SLAM based robotic system for greenhouse orchard inspection is designed The system adopts a 4WD differential chassis integrates STM32 aspberry Pi LiDA and vision sensors and is remotely controlled via SSH VNC The system uses LIDA SLAM to construct environment maps and achieve autonomous navigation Tests show that the relative deviation of the SLAM built map is 3 6 when moving at 0 5 m s the deviation of x and y direction positioning is 4 7 cm and 1 8 cm respectively and the angular deviation when rotating at 1 0rad s is 6 7 The robot can effectively avoid obstacles which verifies its applicability in the greenhouse environment Key words Greenhouse Inspection obotics SLAM 隨著設施農(nóng)業(yè)的快速發(fā)展 溫室果園作為其核 心組成部分 種植面積持續(xù)擴張 1 然而 當前果園 管理仍面臨自動化水平不足與勞動力短缺等突出問 題 特別是重復性強的日常巡檢作業(yè) 2 果園移動 機器人對于加快果園現(xiàn)代化進程及提高果園作業(yè)的 效率具有重要意義 其中 自主導航技術作為路徑 規(guī)劃和自動控制的基礎 對保障機器人安全運行至 關重要 3 主流導航技術主要包括全球定位系統(tǒng) GNSS 4 視覺導航技術 5 和激光雷達檢測技 術 6 等 在環(huán)境空闊且無遮蔽的場景下 高精度 GNSS憑借其可靠的定位性能已成為移動平臺導航 的主要解決方案 然而 溫室果園半封閉環(huán)境會引 發(fā)衛(wèi)星信號多路徑效應 甚至出現(xiàn)信號屏蔽的現(xiàn)象 為克服GNSS 的局限性 視覺導航技術被引入作為 替代方案 然而 當作業(yè)環(huán)境存在特征稀疏 由薄膜 覆蓋引起的漫反射以及光照不均等情況時 視覺系 統(tǒng)的特征提取與匹配精度會顯著下降 進而導致導 航系統(tǒng)的可靠性降低 近年來 激光雷達憑借其高 分辨率 遠探測距離以及對光照不敏感等優(yōu)點 逐漸 成為農(nóng)田障礙物檢測的研究熱點 吳等人 7 基于激 光SLAM 對機器人自主導航系統(tǒng)進行了研究 結果 表明 自主導航的橫向偏差和縱向偏差最大值小于 0 10 m 航向偏角最大值小于10 謝等 8 在果園環(huán) 境中基于激光 SLAM 進行了障礙物檢測與路徑規(guī) 劃 移動軌跡與障礙物平均距離為1 74 m 最小距 離為0 94 m 鑒于此 本文基于激光雷達設計了一款面對溫 室果園的巡檢機器人系統(tǒng) 而設計的核心是巡檢機 器人自主導航系統(tǒng)的控制 并對機器人的建圖精度 自主導航精度和避障能力進行模擬試驗驗證 以確 保設計的合理性和可行性 收稿日期 2025 06 16 基金項目 智能農(nóng)業(yè)動力裝備全國重點實驗室開放課題 SKLIAPE 2024012 04 第52卷第5期 拖拉機與農(nóng)用運輸車 Vol 52 No 5 2025 年 10 月 Tractor Farm Transporter Oct 2025 1 機器人系統(tǒng)整體設計及速度控制 1 1 整體結構設計方案 機器人的移動底盤為四輪差速機構 采用四個 直流電機分別獨立驅(qū)動四個車輪 整體結構如圖1a 所示 基于右手坐標系定義機器人的運動參考系 以正前方為x 軸正方向 左側(cè)為y 軸正方向 豎直向 上為z 軸正方向 機器人的整體外形尺寸為 305 mm 310 mm 325 mm x y z 其中xy平面投影 尺寸為 305 mm 310 mm 選擇 STM32F407VET6 作為機器人的下位機 樹莓派4b 8G 作為機器人的 上位機 MPU6050 作為機器人的姿態(tài)傳感器 USB 攝像頭作為機器人的圖像采集器 機械式激光雷達 LDS01 作為機器人的環(huán)境感知器 其中 LDS01 采用TOF的360 單線激光掃描測距系統(tǒng) 該系統(tǒng)可以360 對15 9 m范圍內(nèi)環(huán)境進行掃描測 距 產(chǎn)生的2D點陣數(shù)據(jù)可用于定位和環(huán)境建模 其 掃描頻率為5 Hz 角分辨率為1 測距范圍為0 15 9 m 為了驗證所設計機器人的可行性 本文設計了 一款樣機用于試驗測試 圖1b 圖1 機器人整體結構 Fig 1 obot Overall Structure 1 2 遠程控制系統(tǒng)設計 機器人的控制系統(tǒng)框圖如圖2 所示 圖2 機器人控制系統(tǒng)框圖 Fig 2 Block Diagram of obot Control System 在標準化溫室果園作業(yè)場景下 PC 端通過 SSH 和VNC對機器人進行遠程監(jiān)聽與操控 巡檢機器人 通過激光雷達獲得二維點云數(shù)據(jù) 得到距離信息 通 過全局規(guī)劃器進行規(guī)劃全局路線 通過局部優(yōu)化器 進行實時導航 將導航速度信息傳給下位機進行 PID閉環(huán)控制驅(qū)動底盤運動 全局代價函數(shù)和局部 代價函數(shù)防止機器人觸碰障礙物 根據(jù)局部規(guī)劃路 線完成自主導航過程 最終攝像頭隨著機器人的自 主導航完成巡檢功能 1 3 運動學模型及PID控制 機器人的正運動學模型為 v cx w c 1 2 1 c 1 2 1 c V L V 1 式中 w c 為速度中心的旋轉(zhuǎn)角速度 rad s v cx 為速 度中心 x 反向的線速度 m s V L 為左輪線速度 m s V 為右輪線速度 m s 機器人的逆運動學模型為 V L V 1 c 2 1 c 2 v cx w c 2 PID 9 控制通過比較反饋信號目標值與測量值 的偏差 計算調(diào)節(jié)量并轉(zhuǎn)換為 PWM 信號 最終驅(qū)動 電機轉(zhuǎn)動 電機的速度控制為帶反饋的閉環(huán)系統(tǒng) 框圖如圖3 所示 首先 通過上位機樹莓派的輸入 信號獲取巡檢機器人的目標值 然后通過串口和運 動學逆變換成左右輪目標速度傳給 STM32 最后 STM32通過閉環(huán)控制實現(xiàn)速度的控制 閉環(huán)控制具 體而言 計算測量速度與目標速度之間的偏差 將偏 差傳給 PID 控制器進行調(diào)整 將調(diào)整結果輸出到 PWM PWM結合電機驅(qū)動模塊控制電機的轉(zhuǎn)速進而 控制輪子的實際速度 后續(xù)過程循環(huán)往復直到測量 速度與目標速度偏差幾乎為0 為止 本文選擇增量 式PID進行底盤速度控制 D 控制對高頻噪音很敏 感 即使幅值很小的高頻噪音也會對 D 產(chǎn)生較大影 響 且會延遲響應時間 增大了系統(tǒng)的阻尼 響應太 慢會導致巡檢機器人系統(tǒng)失控 因此 D 控制可以 省略 簡化后的增量式PI公式為 Pwn K p e k e k 1 K i e k 3 式中 Pwn代表增量輸出 K p 為比例項參數(shù) K i 為積 分項參數(shù) e k 為本次偏差 大小為測量值減去目標 值 e k 1 為上一次偏差 圖3 PID閉環(huán)控制框圖 Fig 3 PID Closed loop Control Block Diagram 通過調(diào)整參數(shù)實驗 確定了最優(yōu) PID 參數(shù)為 K p 300 K i 300 系統(tǒng)響應具備良好的穩(wěn)定性 快速性與準確性 14 杜海蓮等 一種溫室果園自主巡檢機器人 2 激光SLAM建圖與自主導航 2 1 機器人定位 機器人采用輪式里程計與AMCL算法進行雙重 定位 AMCL 負責 map 到 odom 的 tf 而里程計負責 輸出odom 到 base foootprint 的 tf ACML 可以通過 改變map 到 odom 的 tf 修正 odom 到 base foootprint 的累計誤差 機器人實時速度可以表示為 P X Y null cosnull sinnull 0 sinnull cosnull 0 0 0 1 v x v y w 4 式中 X Y 為 odom 坐標系下的絕對坐標 x 和 y 為 odom坐標系下的相對坐標 null 為odom坐標和相對坐 標軸的夾角 v x 為機器人在相對坐標系下x 方向 的速度 m s v y 為機器人在相對坐標系下y方向的速 度 m s w為機器人在相對坐標系下的角速度 rad s 因此 輪式里程計定位公式為 P k P k 1 P k 1 nullt 5 式中 P k 為此刻姿態(tài) P k 1 為上一個姿態(tài) AMCL實現(xiàn)定位的的核心為貝葉斯濾波的蒙特 卡洛實現(xiàn) 其模型被定義為 x t f t x t 1 u t 1 6 式中 x t 為t時刻機器人的姿態(tài) x t 1 為機器人在t 1 時刻的姿態(tài) u t 為t時刻的控制噪聲 u t 1 為 t 1 時刻的控制噪聲 2 2 激光SLAM建圖 建圖算法選用 Gmapping 算法 Gmapping 算 法 10 是一種基于粒子濾波建圖的粒子濾波算法 集 成于 OS 系統(tǒng)中 可用于構建二維柵格地圖 Gmapping算法對巡檢機器人的里程計信息中采樣 粒子的信息進行迭代 其權重分布的計算方法為 w i t w i t 1 nullp z t m i t 1 x i t 7 式中 w i t 是第i個粒子在 t 時刻的權重 w i t 1 是第 i 個粒子在t 1 時刻的權重 null 為歸一化因子 null 1 null i w i t m為粒子地圖 x 為機器人位姿 z 為激光雷 達數(shù)據(jù) 將激光雷達的點云信息融入權重分布進行改 進 改進后的權重計算公式為 w i t w i t 1 null i 8 其自適應選擇性重采樣的工作主要通過設置粒 子數(shù)量在重采樣中退化衰減的閾值來完成 當達到 設定的閾值時 系統(tǒng)重新對其進行重采樣 從而完成 選擇性重采樣任務 Gmapping 算法可以大大減少 重采樣次數(shù) 也使粒子退化程度減弱 建圖過程為PC端遠程輸入鍵盤控制指令 上位 機端解析鍵盤控制指令 通過串口通信將命令傳給 下位機 下位機根據(jù)目標速度控制機器人底盤運動 下位機rviz可視化雷達點云和建圖結果 該過程最 核心的是試驗樣機機器人速度控制 機器人的 SLAM 流程如圖 4 所示 OS 端發(fā)布鍵盤控制節(jié) 點 根據(jù)按鍵可以分解為不同的機器人目標速度 通 過串口將機器人目標速度傳給運動底盤 經(jīng)運動學 逆變換轉(zhuǎn)換為輪子目標速度 傳入基于增量式PI 的 速度閉環(huán)控制系統(tǒng) 直至測量速度接近于目標值 底 盤運動帶動激光雷達掃描形成2D點云 結合Gmap ping算法完成 SLAM 建圖操作 并在 rviz 里可視化 建圖過程 圖4 建圖流程 Fig 4 Flow of Building a Diagram 24 拖拉機與農(nóng)用運輸車 第5期2025 年10月 2 3 自主導航與路徑規(guī)劃 自主導航的launch文件實現(xiàn)了一個完整的機器 人導航系統(tǒng)架構 采用 OS 框架進行多節(jié)點協(xié)同管 理 用戶可在PC端上位機界面選定目標點 系統(tǒng)隨 即啟動自主導航功能 系統(tǒng)通過輪式里程計實現(xiàn)位 姿估計 存在累積誤差 并融合 IMU 測量的三軸角 速度與加速度數(shù)據(jù) 采用航向鎖定算法確保實際朝 向與目標朝向一致 輪式里程計估計機器人在 odom坐標系的位置 激光雷達通過TOF法匹配當前 環(huán)境特征 同時 AMCL 算法提供 map 到 odom 坐標 系的實時定位修正 進一步修正機器人的實時位置 在避障方面 系統(tǒng)采用全局代價地圖和局部代價地 圖 負責實時確保機器人的安全性 在路徑規(guī)劃方 面 系統(tǒng)采用分層架構 全局規(guī)劃器基于代價地圖規(guī) 劃最優(yōu)路徑 局部規(guī)劃器則負責實時避障與軌跡優(yōu) 化 最終導航路線由局部規(guī)劃器動態(tài)生成 上位機通過 OS 通信架構向下位機發(fā)送目標 速度指令 下位機基于運動學逆解算將指令分解為 四個驅(qū)動輪的目標轉(zhuǎn)速 并采用增量式PI 控制算法 實現(xiàn)精準速度跟蹤 導航的 move base 框圖如圖5 所示 根據(jù)樣機機器人的尺寸設置全局代價地圖的 膨脹半徑為 0 15 m 局部代價地圖的膨脹半徑為 0 15 m 定位算法為AMCL算法 全局規(guī)劃器為算法 局部規(guī)劃器為DWA算法 地圖刷新速率設為5 Hz 圖5 自主導航move base框圖 Fig 5 Autonomous Navigation move base Block Diagram 3 試驗 3 1 建圖精度 建圖精度是指構建的平面地圖與果園真實環(huán)境 的幾何誤差程度 用來衡量建立的地圖與實際情況 的匹配程度 11 本研究在模擬溫室環(huán)境的實驗場 景中 通過布置0 3 m 0 3 m的紙板陣列構建了U 型結構 如圖6a所示 試驗樣機機器人的激光雷達 安裝高度為z軸方向0 2 m y 軸方向與小車中心重 合 x軸方向與小車中心大約有2 5 cm偏差 雷達 掃描范圍為 180 到180 角度分辨率為1 掃描一 圈有360 個雷達點云數(shù)據(jù) 雷達掃描頻率為5 Hz 掃描一圈的時間為0 2 s 本節(jié)采用鍵盤控制巡檢 機器人以0 1 m s 的線速度和0 5 rad s 的轉(zhuǎn)向速 度進行地圖構建 以確保樣機機器人具有足夠的反 應時間 建完圖的rviz界面如圖6b所示 創(chuàng)建的模擬地圖的柵格分辨率為1 m 格 圖上 方格的邊長代表實物1 m 使用紙板的個數(shù)計算實 物地圖的 AB CD EF 和 GH 的尺寸 通過 rviz 軟件 的Measure標尺工具計算出兩個點之間的距離 并 且將這些數(shù)據(jù)與實物地圖區(qū)域大小進行對比 詳細 的樣機建圖結果如表1 所示 圖6 建圖試驗環(huán)境 Fig 6 Diagramming Test Environment 34 杜海蓮等 一種溫室果園自主巡檢機器人 表1 樣機建圖精度 Table 1 Drawing Accuracy of Prototype 參數(shù) 實物地圖 尺寸 m Gmapping 建圖尺寸 m 偏差 m 相對偏差 AB 2 1 2 19 0 09 4 29 CD 1 8 1 73 0 07 3 39 EF 0 6 0 56 0 04 6 67 GH 1 5 1 42 0 08 5 33 由表1 可知 AB 段的偏差為正值 而其余段的 偏差均為負值 造成這種現(xiàn)象的原因是實物地圖安 裝有偏差 紙板均存在不同程度的彎曲區(qū)域 特別 地 在AB與CD的交界處發(fā)生了較大的偏移 成為 造成 AB 段偏差為正 其余偏差為負的直接原因 此外 激光雷達的掃描高度為0 2 m 被測區(qū)域為紙 板的2 3 處 而不是紙板在地面的投影區(qū)域 實物紙 板不完全垂直于地面 產(chǎn)生了不可避免的測量誤差 而且 樣機機器人的激光雷達底部不可能做到完全 固定且水平 加上激光雷達轉(zhuǎn)動時會產(chǎn)生振動 使得 TOF測量法產(chǎn)生一定偏差 從整體看 建圖誤差相 對較小 3 2 自主導航精度 為了測試樣機機器人的精度本文在空曠的環(huán)境 進行了重新建圖 以減小雷達障礙物點云處理難度 和局部代價地圖生成難度 使樹莓派實時更新地圖 所需的算力減小 以確保在滿足激光雷達刷新頻率 的基礎上測試樣機機器人的導航精度 實際測試地 圖與Gmapping建好后的地圖如圖7 所示 圖7 導航試驗環(huán)境 Fig 7 Navigation Test Environments 在此過程中 激光雷達當作障礙物檢測的傳感 器 而攝像頭不用做障礙物檢測 僅實時獲取視頻數(shù) 據(jù) 實現(xiàn)巡檢功能 并將巡檢結果保存在SD卡中 以 備后續(xù)開發(fā)使用 本文使用固定前進線速度 0 1 m s 0 3 m s 0 5 m s和0 7 m s行駛1 m 測試直 線導航精度 使用固定角速度0 5 rad s 1 0 rad s 1 5 rad s和2 0 rad s分別左轉(zhuǎn)45 轉(zhuǎn)向?qū)Ш骄?每個速度均進行三次試驗 求其均值作為導航精度 直線精度用 x y 兩方向偏差衡量 轉(zhuǎn)彎精度用 角度偏差衡量 地圖柵格分辨率為邊長1 m 的正方 形 導航精度如表2 所示 表2 樣機導航精度 Table 2 Navigation Accuracy of the Prototype 直線精度 速度 m s 1 x軸方向偏差 cm y軸方向偏差 cm 0 1 2 2 1 7 0 3 3 4 1 7 0 5 4 7 1 8 0 7 8 6 2 1 轉(zhuǎn)彎精度 角速度 rad s 1 角度偏差 0 5 2 8 1 0 4 6 1 5 6 7 2 0 10 4 在直線導航精度方面 隨著速度的增大 x 軸方 向偏差逐漸增大 主要原因就是當機器人運行速度 較快時 激光雷達獲取的數(shù)據(jù)反映的環(huán)境信息是基 于一個動態(tài)景象 12 由于激光雷達作為傳感器存 在一定的測量 處理和更新周期 機器人在較快速度 下運動時 當前獲取的數(shù)據(jù)可能已經(jīng)不再完全準確 地描述機器人所處的場景 使得 x 方向偏差隨著速 度的增加而增大 然而 0 1 m s和0 5 m s的x 軸 速度偏差僅為2 5 cm 而0 5 m s 和0 7 m s 的偏 差為3 9 cm 0 5 m s 速度快且誤差較小 隨著速 度的增加 y方向偏差明顯比 x 方向穩(wěn)定 偏差值穩(wěn) 定在 2 cm左右 從公式 w c v c d c v c cosnull c d c cosnull c v cx d cy v c sinnull c d c sinnull c v cy d cx v cx w c 1 2 1 c 1 2 1 c V L V 9 分析 得出 v cy d cx V V L c 10 因為左輪速度接近于右輪速度且 c 為常數(shù) 所 以x方向上質(zhì)心與速度中心存在偏移 使得機器人 沿y軸方向產(chǎn)生微量滑移 這說明實物機器人存在 44 拖拉機與農(nóng)用運輸車 第5期2025 年10月 安裝誤差 機器人的質(zhì)心與速度中心不重合 因此 選擇0 5 m s為樣機自主導航過程的最大線速度 在轉(zhuǎn)彎精度方面 隨著角速度的逐漸增大 角度 偏差也越來越大 產(chǎn)生此種現(xiàn)象的原因也是雷達獲 取的數(shù)據(jù)不能實時描述實際場景 所有角速度下的 角度偏差均較小 沒有發(fā)生偏差突增的現(xiàn)象 然而 隨著角速度的增大 內(nèi)側(cè)輪因轉(zhuǎn)速低 所需要的橫向 力會越大 導致內(nèi)側(cè)輪胎產(chǎn)生更多的磨損 綜合考 慮實時性和磨損問題 選擇1 0 rad s為樣機自主導 航過程的最大角速度 其轉(zhuǎn)向誤差僅為6 7 3 3 自主避障能力 為了驗證實物巡檢機器人的避障能力 本文在 導航精度所用的Gmapping建圖基礎上 在巡檢機器 人軌跡路徑上加入靜態(tài)的水杯和動態(tài)的行人干擾 分別進行靜態(tài)和動態(tài)障礙物避障 并觀察實物巡檢 機器人的實時姿態(tài) 在正常導航過程中 根據(jù)導航 精度限制樣機機器人的最大運行線速度為 0 5 m s 最大加速度為 0 1 m s 最大旋轉(zhuǎn)角速度為 1 0 rad s 最大旋轉(zhuǎn)角加速度為 0 2 rad s 這 樣設置既會提高巡檢機器人的避障能力 也可以提 高機器人的執(zhí)行速度 因為機器人既可以減速繞過 障礙物 也可以在無障礙物時保持最大速度行駛 靜態(tài)避障結果如圖 8 所示 動態(tài)避障結果如圖 9 所示 圖8 靜態(tài)障礙物自主躲避 Fig 8 Autonomous Avoidance of Static Obstacles 圖9 動態(tài)障礙物自主躲避 Fig 9 Autonomous Avoidance of Dynamic Obstacles 試驗結果表明 在自主導航過程中 機器人可以 順利實現(xiàn)靜態(tài)及動態(tài)的自主避障 滿足溫室果園的 巡檢需求 4 結論 為解決溫室果園巡檢智能化程度不高的難題 本文設計了一款利用激光雷達進行自主導航的四輪 差速式移動機器人 進一步通過模擬試驗對機器人 的建圖 導航及避障能力分別進行了測試 結果表 明 在激光雷達SLAM建圖精度方面 機器人建圖的 相對偏差在3 6 以內(nèi) 在導航性能測試中 線 速度大小為0 5 m s 時 x 方向偏差為4 7 cm y 方 向偏差為 1 8 cm 角速度大小為1 0 rad s 時 角 度偏差僅為6 7 并且在自主導航過程中可以靈活 躲避靜態(tài)和動態(tài)障礙物 能夠滿足在溫室果園環(huán)境 中進行自動化巡檢的需求 下轉(zhuǎn)第63 頁 54 杜海蓮等 一種溫室果園自主巡檢機器人 邏輯分析 電路中各端口位置電平變化 對線路中出 現(xiàn)斷線故障進行分析 通過增加端口的上拉電阻解 決斷線不報故障的問題 通過仿真和計算得到反饋 電路中上拉電阻的取值范圍在2 11 Knull之間較為 合理 通過在反饋電路中串聯(lián)穩(wěn)壓管和在三極管基 極 發(fā)射極之間并聯(lián)電阻 來提高反饋電路的抗干擾 能力 參考文獻 1 裘國華 王鴻雪 隋德磊 等 一種用于小空間多路 IGBT 信號 處理板的設計 J 鐵道機車與動車 2024 9 20 22 2 劉文欽 電力電子電路紋波電流抑制技術研究 D 上海 華東 交通大學 2023 3 李凱 于進杰 紋波的產(chǎn)生機理與抑制方法的探討 J 電子技 術 2010 47 8 87 83 4 袁義生 蘭夢羅 電力電子電路PCB電場串擾及屏蔽研究 J 電子器件 2020 43 6 1215 1221 5 袁義生 蘭夢羅 劉文欽 電力電子電路 PCB 中回路間的磁場 干擾研究 J 電子測量與儀器學報 2021 35 8 175 183 6 原志強 穆巖巖 閆強華 等 基于結構變化抑制直流母線紋波 的變流柜研究 J 鐵道機車與動車 2020 3 28 30 7 王衛(wèi)東 模擬電子技術基礎 M 北京 電子工業(yè)出版社 2010 8 閻石 數(shù)字電子技術基礎 第四版 M 北京 高等教育出版 社 2000 編輯 張曉超 作者簡介 裘國華 男 碩士 工程師 研究方向為軌道交通車輛變流 控制單元開發(fā) nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull 上接第45 頁 參考文獻 1 邢翠華 反光膜在大棚溫室及果園的應用 J 新農(nóng)村 2005 7 15 2 李佑成 龍繼勝 百果園的現(xiàn)代智能溫室 J 湖南農(nóng)業(yè) 2013 9 38 3 邵嘉聞 基于激光雷達和單目相機的溫室果園巡檢機器人系 統(tǒng)研究 D 北京 中國礦業(yè)大學 北京 2022 4 劉洋 趙文華 吳有杏 等 移動站GNSS軟件對外彈道測量的 優(yōu)化方案 J 無線電工程 2007 1 32 34 5 黃鵬飛 薛新宇 崔龍飛 基于視覺 TK的蘋果園植保機器 人自主導航研究 J 中國農(nóng)機化學報 2025 46 6 187 192 6 史志康 黃鑫 錢金源 等 基于單線激光雷達果園導航路徑提 取方法 J OL 黑龍江工程學院學報 1 9 2025 09 15 7 吳俊男 郭輝 姜運生 等 基于激光SLAM的果園移動機器人 自主導航系統(tǒng)研究 J 農(nóng)機化研究 2025 47 11 213 8 謝鵬 基于激光點云的果園環(huán)境中負障礙檢測與路徑規(guī)劃 D 杭州 杭州電子科技大學 2025 9 張曉 陳豐 楊佳樂 等 城鄉(xiāng)新能源物流車 EMB 系統(tǒng)自抗擾 控制 J 安徽科技學院學報 2025 39 4 86 94 10 張建民 鄧明鋒 曹梓涵 等 基于Gmapping算法的室內(nèi)自動導 航代步車設計 J OL 機電工程技術 2025 1 7 2025 09 15 11 經(jīng)若楠 激光雷達輔助構建地磁圖的 SLAM 方法研究 D 武漢 華中科技大學 2024 12 王瀟翔 張俊杰 基于SLAM的動態(tài)變化環(huán)境機器人定位方法 研究 J 工程建設標準化 2025 1 81 85 編輯 張曉超 作者簡介 杜海蓮 2003 女 碩士生 主要從事水果光電檢測技術 研究 通信作者 王觀田 1994 男 講師 主要從事農(nóng)業(yè)機械化研究 nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull 上接第59 頁 4 T ONCON D ALBE TI L BOLOGNANI S et al Electrification of agricultural machinery a feasibility evaluation proceedings of the 14th International Conference on Ecological Vehicles and e newable Energies EVE Monte Carlo MONACO F May 08 10 2019 C 2019 5 張洋 從國際農(nóng)機展一窺拖拉機發(fā)展 N 中國農(nóng)機化導報 2024 10 31 007 6 馮雪 2024 國際農(nóng)機展 規(guī)模創(chuàng)紀錄 展品 智味 濃 J 農(nóng)業(yè) 機械 2024 11 25 27 7 東方紅HB2204 混合動力輪式拖拉機首次展出 J 拖拉機與 農(nóng)用運輸車 2023 50 5 72 8 朱亞輝 電動拖拉機發(fā)展現(xiàn)狀研究 J 江蘇農(nóng)機化 2023 6 28 31 9 高輝松 王珊珊 朱思洪 電動拖拉機驅(qū)動力與傳動效率特性 試驗 J 農(nóng)業(yè)機械學報 2008 10 40 43 58 10 高輝松 朱思洪 電動拖拉機試驗臺開發(fā) J 南京農(nóng)業(yè)大學 學報 2014 37 6 160 164 11 徐立友 趙一榮 趙學平 等 電動拖拉機綜合臺架試驗系統(tǒng)設 計與試驗 J 農(nóng)業(yè)機械學報 2020 51 1 355 363 12 李同輝 謝斌 宋正河 等 電動拖拉機雙電機耦合驅(qū)動系統(tǒng)傳 動特性研究 J 農(nóng)業(yè)機械學報 2019 50 6 379 388 13 汪珍珍 周俊 楊杭旭 等 電動拖拉機快速原型平臺測控系統(tǒng) 設計與試驗 J 農(nóng)業(yè)機械學報 2022 53 2 412 420 編輯 張曉超 36 裘國華等 基于拖拉機變流柜信號處理板反饋電路的優(yōu)化