3.4: Мехатроніка та інтелектуальні системи в сільськогосподарській техніці

Франсіско Ровіра-Маш

Лабораторія сільськогосподарської робототехніки, Політехнічний університет Валенсії, Валенсія, Іспанія

Цинь Чжан

Центр точних та автоматизованих сільськогосподарських систем, Університет штату Вашингтон, Проссер, Вашингтон

Верона Сайз-Рубіо

Лабораторія сільськогосподарської робототехніки, Політехнічний університет Валенсії, Валенсія, Іспанія

Ключові умови

Системи управління	Аналогові та цифрові дані	Трактори з автоматичним керуванням
Приводи	Позиціонування	Додаток зі змінною швидкістю
Датчики	Зір і візуалізація	Інтелектуальна техніка

Змінні

• θ _t = кут в момент t
• \(\dot{\theta}_{t}\)= кутова швидкість в час t вимірюється гіроскопом
• λ = широта
• φ = довгота
• a = пів-велика вісь еталонного еліпсоїда WGS 84
• a _t = лінійне прискорення, записане акселерометром або інерційною одиницею вимірювання
• A = горизонтальний розмір датчика зображення
• d ₁ = відстань між датчиком зображення і оптичним центром лінзи
• d ₂ = відстань між оптичним центром лінзи і цільовим об'єктом
• e = ексцентриситет еталонного еліпсоїда WGS 84
• f = фокусна відстань об'єктива
• FOV = горизонтальне поле зору, охоплене зображеннями
• h = висота
• L = кількість цифрових рівнів в процесі квантування
• n = кількість бітів
• (N, E, D) = LTP координати північ, схід, вниз
• N ₀ = довжина нормалі
• Δ t = інтервал часу між двома послідовними вимірюваннями
• T = температура навколишнього середовища
• V = швидкість звуку по повітрю
• V _t = швидкість руху транспортного засобу в момент t
• (X, Y, Z) = координати ECEF
• (X ₀, Y ₀, Z ₀) = визначене користувачем походження координат у форматі ECEF

Вступ

Відвідувачі місцевих фермерських ярмарків мають хороші шанси побачити старі трактори. Цікаві відвідувачі помітять, що найстаріші, скажімо, зроблені в перші три десятиліття 20 століття, чисто механічні. Оскільки відвідувачі спостерігають за новими тракторами, вони можуть виявити, що електронні та рідинні компоненти з'явилися в цих машинях. Зараз сільськогосподарська техніка, така як трактори та комбайни, настільки витончена, що повністю оснащена електронним управлінням і навіть вишуканими плоскими екранами. Ці елементи управління та екрани є інтерфейсом водія з електромеханічними компонентами, інтегрованими в сучасні трактори.

Термін мехатроніка використовується для позначення систем, які поєднують в собі комп'ютерне управління, електричні компоненти та механічні частини. Рішення мехатроніки - це не просто додавання датчиків та електроніки до вже існуючої машини; скоріше, це збалансована інтеграція всіх них таким чином, що кожен окремий компонент підвищує продуктивність інших. Такий результат досягається тільки при розгляді всіх підсистем одночасно на самих ранніх стадіях проектування (Bolton, 1999). Таким чином, мехатроніка об'єднує технології, які лежать в основі датчиків, систем автоматичного управління, обчислювальних процесорів та передачі енергії через механізми, включаючи рідинні силові приводи.

Протягом 20 століття механізація сільського господарства значно зменшила важку роботу в сільському господарстві, одночасно підвищуючи продуктивність (більше земель, оброблених меншою кількістю людей), ефективність (менше часу та ресурсів, вкладених на ферму однакову кількість землі) та якість роботи (зменшення втрат при збиранні врожаю, більш точні хімічні застосування, досягнення рівномірного обробітку грунту). Зелена революція на чолі з Норманом Борлаугом підвищила врожайність за рахунок внесення адаптованих до регіону сортів культур і використання ефективних добрив, що часто приводило до подвоєння врожайності, особливо в країнах, що розвиваються. З такими поліпшеннями, ініційованими Зеленою революцією, поточна продуктивність, ефективність та якість продовольчих культур можуть бути достатніми для підтримки зростаючого населення світу, яке, за прогнозами, перевищить 9,5 мільярда до 2050 року, але фактична проблема полягає в тому, щоб зробити це сталим способом за допомогою регенеративного сільського господарства ( Миклевий та співавт., 2016). Цей виклик ще більше ускладнюється триваючим скороченням робочої сили фермерських господарств у всьому світі.

Сучасна сільськогосподарська техніка, така як великі трактори, обприскувачі та зернозбиральні комбайни, може бути занадто великою на практиці, оскільки вони повинні подорожувати сільськими дорогами, використовувати потужні дизельні двигуни, які піддаються обмежувальним нормам викидів, їх важко автоматизувати з міркувань відповідальності та погіршити сільськогосподарський ґрунт шляхом висока ущільнення колеса. Ці виклики та багато інших можуть бути подолані завдяки впровадженню мехатронних технологій та інтелектуальних систем на сучасній сільськогосподарській техніці. Механізоване землеробство впроваджує підвищений рівень автоматизації та інтелекту для покращення управління та підвищення продуктивності в польових операціях. Наприклад, сьогодні фермери можуть використовувати сільськогосподарські транспортні засоби з автоматичним керуванням для багатьох різних польових операцій, включаючи обробку грунту, посадку, хімічне застосування та збирання врожаю. Інтелектуальна техніка для автоматизованого проріджування або точного прополки овочевих та інших культур нещодавно була представлена фермерам.

У цьому розділі представлені основні поняття мехатроніки та інтелектуальних систем, що використовуються в сучасній сільськогосподарській техніці, включаючи сільськогосподарських роботів. Зокрема, коротко представлено низку основних технологій, ключових компонентів та типових проблем, що виникають у сільськогосподарських сценаріях. Матеріал, представлений у цьому розділі, забезпечує базове введення в мехатроніку та інтелектуальні технології, доступні сьогодні для польових виробничих застосувань, і відчуття величезного потенціалу, який ці підходи мають для вдосконалення механізації сільського господарства у всьому світі в найближчі десятиліття.

Результати

Прочитавши цю главу, ви повинні мати можливість:

• • Пояснити призначення інтелектуальної техніки для сільськогосподарських операцій
• • Опишіть загальні чутливі пристрої для інтелектуальних сільськогосподарських машин, такі як інерційні вимірювальні блоки, далекоміри, цифрові камери та приймачі позиціонування глобальної навігаційної супутникової системи
• • Застосовувати важливі концепції механізованого та роботизованого землеробства до відповідних випадків використання

Поняття

Термін мехатроніка застосовується до інженерних систем, що поєднують в собі комп'ютери, електронні компоненти та механічні деталі. Концепція мехатроніки полягає в безшовній інтеграції цих трьох підсистем; її втілення в унікальну систему призводить до мехатронної системи. Коли мехатронна система наділена техніками штучного інтелекту, мехатронна система додатково класифікується як інтелектуальна система, яка є основою роботів та інтелектуальної сільськогосподарської техніки.

Автоматичні системи управління

Машини на основі мехатроніки повинні мати системи управління для реалізації автоматизованих функцій, які виконують поставлені завдання. Мехатронні системи складаються з електромеханічного обладнання та керуючого програмного забезпечення, що кодує алгоритм або модель, що автоматизує операцію. Автоматична система управління отримує відповідну інформацію з навколишнього середовища для управління (або регулювання) поведінки пристрою, що виконує бажані операції. Хорошим прикладом є контролер домашнього кондиціонера (AC), який використовує термостат для визначення відхилення кімнатної температури від заданого значення та включення та виключення змінного струму для підтримки будинку при заданій температурі. Прикладом в сільськогосподарській техніці є авторульове управління. Припустімо, що невеликий трактор утиліти був змінений для автоматичного керування між рядами виноградної лози у винограднику. Він може використовувати камеру, що дивиться вперед, щоб виявити положення виноградних рядів, таким чином, що відхилення трактора від центральної лінії між рядами винограду пов'язані з правильним кутом повороту для направлення трактора у винограднику, не потрапляючи в виноградну лозу. З цих двох прикладів видно, що система управління, як правило, складається з датчиків для отримання інформації, контролера для прийняття рішень та виконавчого механізму для виконання дій, що автоматизують операцію.

Приведення в дію, яке спирається на безперервне відстеження змінної під контролем (наприклад, температури або кута колеса), називається керуванням із замкнутим контуром і забезпечує стабільну роботу для автоматизації. Керування із замкнутим контуром дозволяє оцінювати похибку в режимі реального часу (яка визначається як різниця між бажаним виходом контрольованої змінної та фактичним значенням, виміряним датчиком зворотного зв'язку), і обчислює команду виправлення з функцією управління - контролером - для зменшення похибки. Ця команда надсилається виконавчому механізму (розглянуто в наступному розділі) для автоматичної реалізації виправлення. Ця функція контролера може бути простою часткою похибки (пропорційний контролер, Р), мірою чутливості зміни (похідний контролер, D), функцією, залежною від накопичених (минулих) помилок (інтегральний контролер, I), або комбінація двох або трьох згаданих вище функцій (PD, PI, PID). Існують альтернативні методи впровадження автоматизованого управління, такі як інтелектуальні системи, які використовують методи штучного інтелекту (AI), такі як нейронні мережі, нечітка логіка, генетичні алгоритми та машинне навчання, щоб допомогти приймати більш подібні до людини управлінські рішення.

Приводи

Електромеханічний компонент - це інтегрована деталь, яка отримує електричний сигнал для створення фізичного руху для приводу механічного пристрою, що виконує певну дію. Приклади електромеханічних компонентів включають електродвигуни, які перетворюють вхідний електричний струм у обертання вала, та клапани широтно-імпульсної модуляції (ШІМ), такі як форсунки зі змінною швидкістю та пропорційні електромагнітні драйвери, які отримують електричний сигнал для натискання золотника гідравлічного регулюючий клапан для регулювання відкриття клапана, який контролює кількість рідини, що проходить через нього. Оскільки системи гідравлічних інструментів широко використовуються на сільськогосподарській техніці, часто можна побачити набагато більше електрогідравлічних компонентів (таких як пропорційні електромагнітні драйвери та сервоприводи), ніж електричні двигуни на сільськогосподарських машинях. Однак, оскільки роботизовані рішення стають все більш доступними в сільському господарстві, застосування електродвигунів на сучасній сільськогосподарській техніці, ймовірно, зросте, особливо на інтелектуальних та роботизованих версіях. Використання мехатронних компонентів закладає основу для впровадження технологій автоматизації сільськогосподарської техніки, включаючи перетворення традиційних машин в роботизовані, здатні виконувати польові роботи автономно.

Інтелектуальні сільськогосподарські машини та сільськогосподарські роботи

Для того, щоб інтелектуальна сільськогосподарська техніка могла виконувати автоматизовані польові операції, потрібно, щоб машини мали здатність: (1) усвідомлювати фактичні умови експлуатації; (2) визначати адаптивні поправки, придатні для постійно мінливих умов; і (3) реалізувати такі коригування під час польових операцій, з підтримкою належної механічної системи. Ядро для досягнення такої можливості часто спирається на моделі, що керують інтелектуальною технікою, починаючи від простих логічних правил, що контролюють основні завдання аж до складних алгоритмів AI для виконання складних операцій. Ці алгоритми високого рівня можуть бути розроблені з використанням популярних методів, таких як штучні нейронні мережі, нечітка логіка, імовірнісні міркування та генетичні алгоритми (Russell and Norvig, 2003). Оскільки багато хто з цих інтелектуальних машин можуть виконувати деякі польові завдання автономно, як це може зробити працівник, таку техніку також можна назвати роботизованою технікою. Наприклад, коли автономна газонокосарка (рис. 3.4.1a) бродить у внутрішньому дворі, вона, як правило, наділена базовими навичками навігації та планування шляхів, завдяки яким косарка добре вписується в категорію роботизованої техніки, а отже, розумно вважати її польовим роботом. Хоча ці роботизовані машини в даний час не замінюють людських працівників у польових операціях, впровадження робототехніки в сільське господарство та їх широке використання є лише питанням часу. На малюнку 3.4.1b показаний автономний трансплантатор рису (краще його називають роботом для пересадки рису), розроблений Національною організацією досліджень сільського господарства та харчових продуктів (NARO) Японії.

(а)

(б)

Малюнок\(\PageIndex{1}\): (а) Автономна косарка (люб'язно надано John Deere); (б) автономний трансплантатор рису на основі GPS (люб'язно надано NARO, Японія).

Багато фінансових видань прогнозують, що в найближчі два десятиліття буде стрімке зростання ринку сервісних роботів, а ті, що знаходяться в сільськогосподарських додатках, відіграють значну роль. На малюнку 3.4.2 показано очікуване зростання американського ринку сільськогосподарських роботів за видами продукції. Хоча роботи для доїння та управління молочними продуктами домінували на ринку сільськогосподарських роботів протягом останнього десятиліття, очікується, що роботи з виробництва рослинництва збільшать свою присутність комерційно та лідирують на ринку в найближчі роки, особливо для виробництва спеціальних культур (наприклад, плоди дерев, виноград, дині, горіхи, і овочів). Ця трансформація фермера 21 століття від робітника до менеджера цифрового віку може сприяти залученню молодих поколінь до кар'єри в сільськогосподарському виробництві.

Датчики в мехатронних системах

Датчики - це клас приладів, що вимірюють значні параметри за допомогою використання різноманітних фізичних явищ. Вони є важливими компонентами мехатронної системи, оскільки надають інформацію, необхідну для підтримки автоматизованих операцій. Хоча дані, що підлягають вимірюванню, можуть бути в різних формах, датчики виводять вимірювані дані або в аналогових, або цифрових форматах (описано в наступному розділі). У сучасній сільськогосподарській техніці виходи датчиків з часом трансформуються в цифровий формат і таким чином можуть відображатися на РК-екрані або подаватися на комп'ютер. Ця висока зв'язок між датчиками та комп'ютерами прискорила розширення автоматизації машин. Інтелектуальна машина може допомогти людським працівникам у проведенні більш ефективних операцій: в деяких випадках це просто спричинить за собою отримання більш чіткої або кращої інформації; в інших випадках вона буде включати автоматизацію фізичних функцій. Практично у всіх ситуаціях внесок надійних датчиків потрібен для взаємодії машин з навколишнім середовищем. На малюнку 3.4.3 показана архітектура інтелектуального трактора, до складу якого входять типові датчики бортової інтелектуальної сільськогосподарської техніки.

Малюнок\(\PageIndex{2}\): Очікуване зростання ринку сільськогосподарських роботів у США на 2016-2025 рр. Суми складають мільйони доларів США (Перевірене дослідження ринку, 2018).

Незважаючи на те, що датчики збирають дані, необхідні для виконання певної дії, цього може бути недостатньо, оскільки середовище сільськогосподарського виробництва часто ускладнюється багатьма факторами. Наприклад, змінюється освітленість протягом дня, несприятливі погодні умови можуть погіршити роботу датчиків, а відкриті поля рясніють невизначеністю, де в безпосередній близькості несподівано можуть з'явитися інші машини, тварини, інструменти і навіть робочі. Відчуваних даних може бути недостатньо для підтримки безпечної, надійної та ефективної автоматизованої роботи, і тому методи обробки даних необхідні для отримання більш вичерпної інформації, поки вона не стане достатньою для підтримки автоматизованих операцій. Як правило, немає сенсора, який надає всю необхідну інформацію, і немає сенсора, який ніколи не виходить з ладу. Залежно від конкретних потреб інженери часто використовують або надмірність, або злиття датчиків для вирішення такої проблеми. Перша отримує ту ж інформацію через незалежні джерела в разі, якщо один з них виходить з ладу або зменшується в достовірності, а другий об'єднує інформацію декількох джерел, які є взаємодоповнюючими. Після того, як чутлива інформація буде оброблена будь-яким методом, команда спрацьовування може бути розрахована, а потім виконана для виконання завдання.

Малюнок\(\PageIndex{3}\): Архітектура датчиків для інтелектуальних сільськогосподарських транспортних засобів.

Аналогові та цифрові дані

Як вже говорилося вище, мехатронні системи часто використовують датчики для отримання інформації для підтримки автоматизованих операцій. Датчики забезпечують вимірювання фізичних величин (наприклад, температури, швидкості, тиску, відстані та інтенсивності світла), представлених кількістю електричних змінних (таких як напруги та струми). Ці величини часто називають аналоговими даними і зазвичай виражаються в базі 10, десятковій системі нумерації. На відміну від цього, електронні пристрої, такі як контролери, представляють числа в базі 2 (двійкова система нумерації або просто «двійкова»), приймаючи функцію включення-виключення електроніки, з числовим значенням 1, присвоєним стану «увімкнено», а 0 - стану «вимкнено».

Двійкова система використовує ряд цифр, обмежених нулями або одиницями, для представлення будь-якого десяткового числа. Кожна з цих цифр являє собою трохи двійкового числа; двійкова цифра називається бітом. Крайній лівий 1 в двійковому числі 1001 називається найбільш значущим бітом (MSB), а крайній правий 1 - найменш значущим бітом (LSB). В інформатиці поширена практика розбивати довгі двійкові числа на сегменти по 8 біт, відомі як байти. Існує відповідність один до одного між двійковими числами і десятковими числами. Наприклад, 4-бітове двійкове число може бути використано для представлення всіх натуральних десяткових чисел від 0 (представлені 0000) до 15 (представлені 1111). Оцифровка сигналу полягає у знаходженні цієї конкретної відповідності.

Процес перетворення двійкових чисел в десяткові числа і навпаки простий для подання натуральних десяткових чисел. Однак негативні і числа з плаваючою комою вимагають спеціальних прийомів. Хоча перетворення даних між двома форматами зазвичай відбувається автоматично, важливо знати основну концепцію для кращого розуміння того, як інформація може бути виправлена, оброблена, розподілена та використана в інтелектуальних системах машин. Роздільна здатність цифрових даних залежить від кількості бітів, таким чином, що більше бітів означає більшу точність при оцифрованому вимірюванні. Рівняння 3.4.1 дає залежність між кількістю бітів (n) і отриманою кількістю цифрових рівнів, доступних для кодування сигналу (L). Наприклад, використання 4 біт призводить до 2 ⁴ = 16 рівнів, що має на увазі, що аналоговий сигнал між 0 В і 2 В матиме дозвіл 2/15 = 0,133 В; в результаті величини нижче 133 мВ не будуть виявлені за допомогою 4-бітних чисел. Якщо необхідна більша точність, для оцифровки доведеться використовувати числа з більшою кількістю бітів. Зверніть увагу, що рівняння 3.4.1 є експоненціальним співвідношенням, а не лінійним, і квантування швидко зростає з кількістю бітів. Слідуючи за попереднім прикладом, 4 біта виробляють 16 рівнів, але 8 біт дають 256 рівнів замість 32, що насправді відповідає 5 бітам.

\[ L=2^{n} \]

де L = кількість цифрових рівнів в процесі квантування

n = кількість бітів

Позиція зондування

Однією з основних вимог до сільськогосподарських роботів та інтелектуальних машин для правильної, надійної та ефективної роботи є знання їх розташування стосовно навколишнього середовища. Таким чином, можливості позиціонування є важливими.

Глобальні навігаційні супутникові системи (GNSS)

Глобальна навігаційна супутникова система (GNSS) - це загальний термін, що описує будь-яке супутникове сузір'я, яке надає послуги позиціонування, навігації та синхронізації (PNT) на глобальній або регіональній основі. У той час як Глобальна система позиціонування США (GPS) є найбільш поширеною GNSS, інші країни формують або мають свої власні системи, щоб забезпечити додаткові, незалежні можливості PNT. Інші системи включають Galileo (Європа), ГЛОНАСС (Росія), BeiDou (Китай), IRNSS/Navic (Індія) та QZSS (Японія).

Коли Міністерство оборони США випустило технологію GPS для цивільного використання в 2000 році, це спричинило зростання супутникової навігації для позашляховиків, включаючи роботизовану сільськогосподарську техніку. В даний час більшість провідних виробників сільськогосподарської техніки включають навігаційні системи допомоги в числі своїх передових продуктів. Станом на 2019 рік повністю функціонував тільки GPS (США), але останнє покоління приймачів вже може розширити сузір'я GPS за допомогою інших супутників GNSS.

Приймачі GPS виводять дані через послідовний порт, відправляючи кількість байтів, закодованих в стандартному форматі, який отримав загальне визнання: NMEA 0183. Стандарт інтерфейсу NMEA 0183 був створений Національною асоціацією морської електроніки США (NMEA) і складається з повідомлень GPS у текстовому форматі (ASCII), які включають інформацію про час, положення в геодезичних координатах (тобто широта (λ), довгота (φ) та висота (h)), швидкість і точність сигналу. Світова геодезична система 1984 (WGS 84), розроблена Міністерством оборони США, визначає еліпсоїд обертання, який моделює форму землі, і на якому визначаються геодезичні координати. Крім того, WGS 84 визначає декартову систему координат, закріплену на землі та з її початком у центрі маси землі. Ця система є орієнтованою на землю системою координат (ECEF), і вона забезпечує альтернативний спосіб розташування точки на поверхні землі за допомогою звичайних трьох декартових координат X, Y та Z, де вісь Z збігається з віссю обертання землі і тому перетинає землю полюсів.

Більшість застосувань, розроблених для сільськогосподарської техніки, однак, не вимагають покриття великих поверхонь за короткий проміжок часу. Тому кривизна землі має незначний вплив, і більшість фермерських полів можна вважати рівними для практичних цілей. Локальна система координат дотичної площини (LTP), також відома як координати NED, часто використовується для полегшення таких дрібномасштабних операцій з інтуїтивно зрозумілими глобальними координатами північ (N), схід (E) та вниз (D). Ці координати визначаються вздовж трьох ортогональних осей у декартовій конфігурації, що генерується шляхом прилягання дотичної площини до поверхні землі в довільній точці, обраній користувачем, і встановленої як початок LTP. Враховуючи, що стандартні приймачі забезпечують геодезичні координати (λ, φ, h), але практичні польові операції вимагають локального кадру, такого як LTP, фундаментальною операцією для картографування додатків у сільському господарстві є перетворення в режимі реального часу між двома системами координат ( Ровіра-Маш та ін., 2010). Рівняння 3.4.2 до 3.4.8 забезпечують покрокову процедуру досягнення цього перетворення.

\[ a = 6378137 \]

\[ e = 0.0818 \]

\[ N_{0}(\lambda)=\frac{a}{\sqrt{1-e^{2} \cdot sin^{2}\lambda}} \]

\[ X=(N_{0}+h) \cdot cos\lambda \cdot cos\phi \]

\[ Y=(N_{0}+h) \cdot cos\lambda \cdot sin\phi \]

\[ Z=[h+N_{0} \cdot (1-e^{2})] \cdot sin\lambda \]

\[ \begin{bmatrix} N \\E\\D \end{bmatrix} = \begin{bmatrix} -sin \lambda \cdot cos\phi & -sin\lambda \cdot sin\phi & cos\lambda \\ -sin\phi &cos\phi & 0 \\ -cos\lambda \cdot cos\phi & -cos\lambda \cdot sin\phi & -sin\lambda \end{bmatrix} \cdot \begin{bmatrix} X-X_{0} \\ Y-Y_{0} \\ Z-Z_{0} \end{bmatrix} \]

де a = напіввелика вісь WGS 84 еталонного еліпсоїда (м)

e = ексцентриситет еталонного еліпсоїда WGS 84

N ₀ = довжина нормалі (м)

Геодезичні координати:

λ = широта (°)

φ = довгота (°)

h = висота (м)

(X, Y, Z) = координати ECEF (м)

(X ₀, Y ₀, Z ₀) = визначене користувачем походження координат у форматі ECEF (m)

(N, E, D) = LTP координати північ, схід, вниз (м)

Незважаючи на високу доступність інформації GPS, на супутникове позиціонування впливає безліч помилок, деякі з яких не можуть бути повністю усунені. На щастя, ряд важливих помилок можуть бути компенсовані за допомогою методики, відомої як диференціальна корекція, зниження похибок з більш ніж 10 м до приблизно 3 м Крім того, особливий випадок реального часу кінематичних (RTK) диференціальних поправок може ще більше знизити похибка просто сантиметровий рівень.

Датчики сонара

Окрім розміщення машин у полі, ще однією важливою потребою в позиціонуванні сільськогосподарських роботів є пошук положення навколишніх предметів під час сільськогосподарських операцій, таких як цільові рослини або потенційні перешкоди. Ультразвукові далекоміри - це чутливі пристрої, які успішно використовуються для цієї мети. Оскільки вони вимірюють відстань цільових об'єктів з точки зору швидкості звуку, ці датчики також відомі як датчики сонарів.

Основний принцип гідролокаторів полягає в тому, що швидкість звуку відома (343 м с ⁻¹ при 20° C), а вимірювання часу, необхідного хвилі, щоб вдарити перешкоду і повернутися до датчика - відлуння - дозволяє оцінити відстань об'єкта. Швидкість звуку по повітрю, В, залежить від температури навколишнього середовища, Т, як:

\[ V(m\ s^{-1})=331.3 + 0.606 \times T(^\circ C) \]

Постійно мінлива температура навколишнього середовища на сільськогосподарських порах є однією з багатьох проблем для датчиків гідролокатора. Ще однією проблемою є різноманітність цільових об'єктів. На практиці датчики гідролокатора повинні посилати звукові хвилі, які потрапили в об'єкт, а потім повернутися до приймача датчика. Потім цей приймач повинен захопити сигнал, щоб виміряти минулий час, щоб хвилі завершили поїздку туди й назад. Розуміння обмежень, викликаних відбиваючими властивостями цільових об'єктів, має важливе значення для отримання достовірних результатів. Відстань до матеріалів, які поглинають звукові хвилі, такі як м'які іграшки, буде вимірюватися погано, тоді як тверді і щільні цілі дозволять системі добре працювати. Коли цільовий об'єкт нерівний, наприклад, навіси для обрізки, вимірювання можуть стати шумними. Також звукові хвилі не поводяться як лінійні промені, а поширюються в нерегулярних конусах, які розширюються в охопленні з відстанню. Коли предмети знаходяться поза конусом, вони можуть виявитися непоміченими. Помилки часто змінюватимуться залежно від діапазонів, що подальші діапазони призводять до більших помилок.

Важливою конструктивною особливістю, яку слід враховувати, є відстань між сусідніми ультразвуковими датчиками, оскільки ехо-перешкоди є ще одним джерелом нестабільної поведінки. Загалом, ехолоти корисні для економічно ефективної оцінки коротких відстаней, коли точність та надійність не є критичними, як при виявленні відстаней до крону дерев для автоматизованого розпилення пестицидів.

Датчики виявлення світла та дальності (Lidar)

Ще одним поширеним датчиком виявлення положення є лідар, який розшифровується як виявлення світла і дальність. Лідари - це оптичні прилади, які з точністю визначають відстань до цільових об'єктів. Хоча різні джерела світла можуть бути використані для оцінки діапазонів, більшість лідарних пристроїв використовують лазерні імпульси, оскільки їх щільність променя та узгодженість призводять до високої точності.

Загалом, точність - це міра різниці між конкретним показанням та середнім показанням всіх вимірюваних показань одного і того ж значення, а точність визначається як близькість вимірюваного значення до його фактичного значення.

Лідари мають специфічні особливості, які роблять їх сприятливими для польових роботизованих застосувань, оскільки сонячне світло не впливає на лідари, якщо не потрапляє безпосередньо на їх випромінювач, і вони чудово працюють при поганій освітленості.

Машинний зір і датчики візуалізації

Одним з важливих елементів людського інтелекту є зір, який дає фермерам можливість зорового сприйняття. Основна вимога до інтелектуальної сільськогосподарської техніки (або сільськогосподарських роботів) полягає в тому, щоб мати навколишню здатність обізнаності. Машинний зір - це комп'ютерна версія зору фермера; камери функціонують як очі, а комп'ютери - як мозок. Вихідними даними систем зору є цифрові зображення. Цифрове зображення складається з маленьких квадратів, які називаються пікселями (елементами зображення), які несуть інформацію про рівень інтенсивності світла. Більшість цифрових камер, що використовуються на сільськогосподарських роботах, є ПЗС (пристрої, пов'язані з зарядом), які складаються з невеликого прямокутного датчика, виготовленого з сітки крихітних світлочутливих осередків, кожна з яких виробляє інформацію про відповідний піксель на зображенні. Якщо зображення чорно-біле (технічно називається монохромним), рівень інтенсивності представлений у сірій шкалі між мінімальним значенням (0) і максимальним значенням (i _max). Кількість рівнів в сірій шкалі залежить від кількості бітів, в яких кодується зображення. Більшість зображень, що використовуються в сільському господарстві, мають 8 біт, що означає, що зображення може розрізнити 256 рівнів сірого (2 ⁸), де мінімальне значення дорівнює 0, що представляє повний чорний колір, а максимальне значення - 255, що представляє чистий білий. У практичному плані людські очі не можуть розрізнити стільки рівнів, а 8 бітів у багато разів більше, ніж достатньо. Коли цифрові зображення відтворюють сцену кольором, пікселі несуть інформацію про рівні інтенсивності для трьох каналів червоного (R), зеленого (G) та синього (B), що ведуть до зображень RGB. Обробка зображень RGB складніша, ніж монохромні зображення, і виходить за рамки цієї глави.

Монокулярні камери (які мають один об'єктив) складають прості системи зору, але інформація, яку вони отримують, є потужною. При виборі камери інженери повинні вибрати важливі технічні параметри, такі як фокусна відстань об'єктива, розмір датчика та оптичні фільтри, коли є спектральні діапазони (кольори), які потрібно заблокувати від зображення. Фокусна відстань (f) пов'язана з областю сцени, яка вписується в зображення, і визначається в Рівнянні 3.4.10. Геометрична залежність, описана малюнком 3.4.4 та Рівнянням 3.4.11, визначає результуюче поле зору (FOV) будь-якої заданої сцени. Отже, конструкція системи машинного зору повинна включати правильні параметри камери та об'єктива, щоб гарантувати, що необхідний FOV покритий, а цільові об'єкти знаходяться у фокусі на зображеннях.

Рисунок\(\PageIndex{4}\): Геометричний зв'язок між датчиком зображення, лінзою та FOV; α - кутовий еквівалент горизонтального поля зору.

\[ \frac{1}{f} = \frac{1}{d_{1}}+\frac{1}{d_{2}} \]

\[ \frac{d_{1}}{d_{2}} = \frac{A}{FOV} \]

де f = фокусна відстань об'єктива (мм)

d ₁ = відстань між датчиком зображення і оптичним центром лінзи (мм)

d ₂ = відстань між оптичним центром лінзи і цільовим об'єктом (мм)

A = горизонтальний розмір датчика зображення (мм)

FOV = горизонтальне поле зору, покрите зображеннями (мм)

Після зйомки перший крок процесу (отримання зображення) завершено. Другий крок, аналіз зображень, починається з обробки зображень, яка передбачає делікатне завдання вилучення корисної інформації з кожного зображення для його подальшого використання. Малюнок 3.3.5 відтворює результати алгоритму сегментації на основі кольору для знаходження положення мандаринових апельсинів в цитрусовому дереві.

Незважаючи на те, що цифрові зображення відтворюють сцени з великою деталізацією, зображення є плоским, тобто у двох вимірах (2D). Однак реальні сцени знаходяться в трьох вимірах (3D), причому третім виміром є глибина або відстань між камерою та об'єктами, що цікавлять сцену. Наприклад, на зображенні, показаному на малюнку 3.3.5, конкретний апельсин може бути розташований з точністю в горизонтальній та вертикальній осях, але наскільки далеко він знаходиться від датчика, неможливо дізнатися. Ця інформація була б важливою, наприклад, для програмування роботизованої руки для отримання апельсинів. Стереокамери (які представляють собою камери принаймні з двома об'єктивами, що відповідають принципам стереоскопії) дозволяють отримати два (або більше) зображення в певному відносному положенні, до якого застосовуються принципи стереоскопічного зору. Ці принципи імітують, як працює людський зір, оскільки зображення, зняті людськими очима в сітківці, трохи зміщені, і це зміщення (відоме як нерівність) - це те, що дозволяє мозку оцінити глибину.

Малюнок\(\PageIndex{5}\): Кольорова сегментація мандаринових апельсинів.

Оцінка динамічних станів транспортного засобу

Параметри, які допомагають зрозуміти динамічну поведінку транспортного засобу, відомі як стани транспортного засобу і, як правило, включають швидкість, прискорення, бічне ковзання та кутові швидкості рискання, крок та крену. Датчики, необхідні для таких вимірювань, зазвичай збираються в компактний датчик руху, який називається інерційною одиницею вимірювання (ІМУ), створений з комбінації акселерометрів і гіроскопів. Акселерометри IMU визначають прискорення як зміну швидкості транспортного засобу з плином часу. Після того, як прискорення відомо, його математична інтеграція дає оцінку швидкості, а інтеграція знову дає оцінку положення. Рівняння 3.4.12 дозволяє обчислювати миттєві швидкості з вимірювань прискорення ІМУ або будь-якого окремого акселерометра. Зверніть увагу, що для скінченних приростів часу ν t інтегральна функція замінюється підсумовуванням. Аналогічно, гіроскопи можуть виявляти кутові швидкості повороту транспортного засобу; інтеграція цих значень призводить до кутів кочення, кроку та рискання, як зазначено рівнянням 3.4.13. Типовий IMU складається з трьох акселерометрів і трьох гіроскопів, зібраних уздовж трьох перпендикулярних осей, які відтворюють декартову систему координат. За допомогою цієї фізичної конфігурації можна обчислити три складові прискорення та швидкості в декартових координатах, а також кути Ейлера крену, кроку та риску. Поточні IMU на ринку невеликі та недорогі, що сприяє точній оцінці станів транспортних засобів за допомогою невеликих пристроїв, таких як мікроелектромеханічні системи (MEMS).

Кути Ейлера - це три кути, які забезпечують орієнтацію твердого тіла щодо декартової системи відліку, наведеної в трьох вимірах.

\[ V_{t} = V_{t-1} + a_{t} \cdot \Delta t \]

\[ \Theta_{t} = \Theta_{t-1} + \dot{\Theta} \cdot \Delta t \]

де V _t = швидкість руху транспортного засобу в момент t (m s ⁻¹)

a _t = лінійне прискорення, записане акселерометром (або IMU) в момент t (m s ⁻²)

∆t = часовий інтервал між двома послідовними вимірюваннями

\(\Theta_{t}\)= кут в момент t (рад)

\(\dot{\Theta}\)= кутова швидкість в час t, виміряна гіроскопом (rad s ⁻¹)

Додатки

Мехатронні системи в тракторах з автоматичним керуванням

Як згадувалося на початку цього розділу, мехатронні системи зараз відіграють важливу роль у сучасній сільськогосподарській техніці, особливо на інтелектуальних та роботизованих транспортних засобах. Наприклад, перші трактори з автоматичним керуванням вийшли на ринок на рубежі 21 століття; з точки зору навігації виробники сільськогосподарського обладнання приблизно на два десятиліття випереджали автомобільну промисловість. Такі трактори з автоматичним керуванням були б неможливі, якби вони не були модернізовані до найсучасніших мехатронних систем, які включають чутливі, керуючі та електромеханічні (або електрогідравлічні) виконавчі елементи. Одним з найбільш репрезентативних компонентів, які ніколи раніше не бачили на звичайних механічних тракторах як інтегрований елемент, є високоточний GPS-приймач, який надає тракторам можливість знаходити себе, щоб направляти їх за визначеними шляхами.

Ранні навігаційні рішення, які були комерційно доступні, фактично не контролювали систему рульового управління трактором; скоріше, вони надавали трактористам бічні поправки в режимі реального часу, таким чином, щоб, дотримуючись цих виправлень, транспортний засіб легко відстежував заздалегідь визначену траєкторію. Цей підхід простий у вивченні та виконанні, оскільки водіям потрібно лише слідувати індикатору світлового бару, де кількість увімкнених вогнів пропорційна бічній корекції, щоб тримати транспортний засіб на шляху. Крім простоти використання, ця система працює для будь-якої сільськогосподарської машини, в тому числі і для більш старих. На малюнку 3.4.6a показана система світлових смуг, встановлена на садовому тракторі, де червоне світло сигналізує користувачеві зробити негайну корекцію, щоб залишатися в межах траєкторії, показаної на РК-екрані.

Ще одним суттєвим удосконаленням сучасних тракторів на основі технології мехатроніки є електрогідравлічна система, яка дозволяє маневрувати тракторами дротом. Це означає, що операція трактора, така як рульове управління або опускання приладу, встановленого на триточковій зчіпці, може бути виконана за допомогою електрогідравлічної виконавчої системи з електронним управлінням у відповідь на сигнали управління, що генеруються комп'ютерним контролером. Електрогідравлічна система рульового управління дозволяє трактором керуватися автоматично, виконуючи навігаційні команди, розраховані бортовим комп'ютером на основі отриманих сигналів позиціонування GPS. Одне популярне додаток автоматичного рульового управління відоме як паралельне відстеження, яке дозволяє тракторові, що рухається автоматично, слідувати бажаним шляхам паралельно опорній лінії між двома точками, скажімо, лінією A-B, у полі, записаному бортовою системою GPS. Ці опорні лінії можуть включати навіть криволінійні сектори. На малюнку 3.4.6b відображається екран управління комерційною системою автонаведення, реалізованої в тракторі колісного типу. Зверніть увагу, що величина відхилення трактора (помилка поза колією) від заздалегідь визначеної траєкторії відображається на верхній панелі, аналогічно тому, як поправки, що передаються через світлові смуги. Впровадження автоматичного наведення зменшило перекриття від проходу до проходу, особливо з великим обладнанням, що призвело до значної економії насіння, добрив та фітосанітарних хімічних речовин, а також зменшило втому оператора. Фермери бачать віддачу від інвестицій всього за кілька років.

(а)

(б)

Малюнок Системи\(\PageIndex{6}\): автоматичного наведення: (а) Комплект світлових смуг; (б) Паралельний екран управління відстеження, де A - індикатор точності шляху, B - помилка поза доріжкою, C являє собою піктограму наведення, D забезпечує чутливість рульового управління, E мандає увімкнення/вимикання повороту, F знаходить кнопки доріжки зсуву, G - це Індикатор стану GPS, H - кнопка треку A-B (0), і я показую номер треку.

Автоматичне керування додатками зі змінною швидкістю

Ідея внесення змінної норми (VRA) полягає в тому, щоб застосовувати потрібну кількість вхідних матеріалів, тобто насіння, добрив та пестицидів, у потрібний час та з точністю до ділянки, відходячи від середніх показників на ділянку, що призводить до економічних втрат та екологічних загроз. Мехатроніка дозволяє практичне впровадження VRA для точного землеробства (ПА). Взагалі кажучи, сучасне обладнання VRA вимагає трьох ключових мехатронних компонентів: (1) датчики, (2) контролери та (3) виконавчі механізми.

Точність підсюжету можлива за допомогою GPS-приймачів, які забезпечують миттєве положення сільськогосподарського обладнання в певному місці в межах поля. Крім того, транспортні засоби потребують підтримки автоматизованого контролера додатків для доставки точної кількості продукту. Конкретна кількість продукту, що застосовується в кожному місці, зазвичай забезпечується або рецептом карти, попередньо завантаженої на комп'ютер автомобіля, або, як варіант, оцінюється в режимі реального часу за допомогою бортових датчиків здоров'я культур.

Існують специфічні датчики, які повинні бути частиною верстатів VRA. Наприклад, для того, щоб інтелектуальні обприскувачі могли автоматично адаптувати швидкість пестициду до властивостей дерев, потрібно глобальне та місцеве позиціонування в полі або пов'язане з культурами. Добрива, з іншого боку, можуть отримати користь від карт параметрів ґрунту (вологість, органіка, поживні речовини), а також рослинності (енергія, стрес, бур'яни, температура). У багатьох сучасних обприскувачах тиск і потік застосовуваних ресурсів (рідких або газоподібних) повинні відстежуватися, щоб підтримувати автоматичне управління і в кінцевому підсумку досягти точної швидкості внесення. Контролери - це пристрої, які розраховують оптимальну швидкість внесення на льоту і забезпечують інтелект в систему мехатроніки. Вони часто складаються з мікроконтролерів, що зчитують вимірювання датчиків або завантажених карт для розрахунку миттєвої швидкості застосування продукту на основі внутрішніх алгоритмів. Ця норма безперервно надсилається на виконавчі механізми для фізичного застосування продукту. Контролери можуть включати невеликі моніторні дисплеї або перемикачі для ручного включення з кабіни оператора, якщо це необхідно. Приводи - це електромеханічні або електрогідравлічні пристрої, які отримують електричні сигнали від контролерів для регулювання кількості продукту, що подається. Це регулювання зазвичай досягається шляхом зміни швидкості обертання насоса, зміни потоку, що надходить з бака, або зміни налаштувань клапана для регулювання тиску або потоку продукту. Зміна тиску розпилюваних рідин, однак, призводить до зміни розміру крапель, що небажано для боротьби з шкідниками. У цих випадках рекомендується використання розумних сопел, які управляються за допомогою ШІМ-сигналів.

Оскільки технологія VRA швидко прогресує, інтелектуальні аплікатори стають доступними в комерційних цілях, головним чином для товарних культур. Інтелектуальна система може автоматично регулювати кількість входів, розподілених у відповідь на потреби, навіть дозволяючи одночасне використання декількох видів обробки, що призводить до нових способів управління сільськогосподарським виробництвом. Наприклад, інтелектуальна сівалка VRA має можливість змінювати кількість насіння, висадженого в грунт, відповідно до потенціалу ґрунту, або за допомогою рецептурних карт, або виявлених за допомогою бортових датчиків. Контроль норми висіву досягається за рахунок спрацьовування відкриття розподільного пристрою, щоб дати можливість пройти потрібну кількість насіння.

У багатьох випадках для досягнення точного контролю швидкості нанесення потрібна система контролю зворотного зв'язку. Наприклад, при застосуванні рідких хімічних речовин на швидкість внесення можуть впливати зміни швидкості руху транспортного засобу, а також умови навколишнього середовища. Деякі розумні обприскувачі запрограмовані на точний контроль кількості рідкої хімічної речовини шляхом регулювання форсунок у відповідь на зміну швидкості руху обприскувача вперед. Зазвичай це здійснюється за допомогою електронно керованих соплових клапанів, які командуються від бортового процесора. Така мехатронна система могла додатково контролювати тиск і витрату системи в розподільному контурі за допомогою GPS-приймача, і навіть компенсувати зміни кількості рідини, що виходить з форсунок, що виникають внаслідок зміни тиску або схеми потоку в контурі.

Реконструкція системи рульового управління трактора з електрогідравлічними компонентами

Реалізація можливостей автонаведення в тракторі вимагає електричного керування системою рульового управління для автоматизованого повороту передніх коліс. Тому необхідно замінити традиційну гідравлічну систему рульового управління на електрогідравлічну систему. Це може бути досягнуто, просто замінивши звичайний рульовий регулюючий клапан рульового управління (рис. 3.4.7а) на електрогідравлічну систему управління. Така система (рис. 3.4.7b) складається з поворотного потенціометра для відстеження руху рульового колеса, електронного контролера для перетворення сигналу керма в керуючий сигнал і електрогідравлічного регулюючого клапана з електрогідравлічним приводом для реалізації поставленого сигналу управління.

Модернізована електрогідравлічна система рульового управління може приймати сигнали управління від комп'ютерного контролера, дозволеного створювати відповідні команди рульового управління з точки зору виходів з автоматичної керованої системи, що робить навігацію можливою без введення водіїв людини для досягнення автономних операцій з трактором. Оскільки основні компоненти електрогідравлічної системи з'єднані проводами, таку операцію ще називають «спрацьовування дротом».

Малюнок\(\PageIndex{7}\): Системи рульового управління трактора: (а) традиційна гідравлічна система рульового управління; і (б) електрогідравлічна система рульового управління

Використання ультразвукових датчиків для вимірювання діапазонів

Сільськогосподарській техніці часто потрібно «усвідомлювати» положення об'єктів поблизу сільськогосподарських операцій, а також положення техніки. Для виконання таких вимірювань часто використовуються ультразвукові датчики.

Для використання ультразвукового (або сонарного) датчика часто потрібен мікропроцесор для перетворення аналогових сигналів (які знаходяться в діапазоні 0-5 В) з ультразвукового датчика в цифрові сигнали, так що записані дані можуть бути додатково використані іншими компонентами автоматизованої або роботизованої техніки. Для прикладу розглянемо HC-SR04, який складається з випромінювача звуку та ехоприймача таким чином, що він вимірює час, що минув між звуковою хвилею, що надсилається випромінювачем, та її поверненням назад від цільового об'єкта. Швидкість звуку становить приблизно 330 м·с ⁻¹, що означає, що йому потрібно 3 с для руху звуку 1000 м Датчик HC-SR04 може вимірювати діапазони до 4,0 м, отже, вимірювання часу знаходяться в порядку мілісекунд і мікросекунд для дуже коротких діапазонів. Звук повинен подорожувати по повітрю, а швидкість звуку залежить від умов навколишнього середовища, головним чином від температури навколишнього середовища. Якщо цей датчик використовується в спекотний літній день із середньою температурою 35° C, наприклад, за допомогою Equation 3.4.9, скоригована швидкість звуку буде трохи вищою, 352 м·с ⁻¹.

На малюнку 3.4.8 показано, як датчик був підключений до комерційного продукту (мікропроцесор Arduino Uno, для ілюстрації) у лабораторній установці (також для ілюстрації). Виконавши всю проводку системи, як показано на малюнку 3.4.8, необхідно вибрати невикористаний USB-порт і будь-яку з встановлених за замовчуванням швидкостей передачі даних в інтерфейсі комп'ютера. Якщо швидкість передачі даних і послідовний порт належним чином встановлені в комп'ютері з дисплеєм консолі, а вимірювані діапазони були встановлені за допомогою програмного забезпечення на частоті оновлення 1 Гц, система може потім виконувати одне вимірювання в секунду. Після того, як система була налаштована, важливо перевірити її точність і надійність, перемістивши цільовий об'єкт в просторі попереду датчика.

Малюнок\(\PageIndex{8}\): Збірка ультразвукового далекоміра HC-SR04 з мікропроцесором Arduino.

Приклади

Приклад\(\PageIndex{1}\)

Приклад 1: Оцифровка аналогових сигналів

Проблема:

Мехатронні системи вимагають датчиків для контролю виконання автоматизованих операцій. Аналогові датчики зазвичай використовуються для таких завдань. Рульовий механізм на основі мехатроніки використовує лінійний потенціометр для оцінки кута повороту керма трактора з автоматичним керуванням, виводячи аналоговий сигнал у вольтах при обертанні передніх коліс. Щоб придбані дані були придатні для використання комп'ютеризованою системою для автоматизації рульового управління, необхідно перетворити аналогові дані в цифровий формат.

Враховуючи аналоговий сигнал, що надходить від потенціометра керма, оцифруйте сигнал, використовуючи 4 біти роздільної здатності, цими кроками.

1. 1. Розрахуйте кількість рівнів, закодованих 4-бітним сигналом, враховуючи, що мінімальна напруга, що виводиться потенціометром, становить 1,2 В, а максимальна напруга обмежена 4,7 В, тобто будь-яке показання, що надходить з потенціометра, буде належати інтервалу 1,2 В—4,7 В. Скільки кроків складається цей цифровий сигнал?
2. 2. Встановіть відповідність між аналоговими показаннями в межах інтервалу і кожним цифровим рівнем від 0000 до 1111, склавши таблицю для відображення кореляції між сигналами.
3. 3. Побудуйте обидва сигнали, накладені, щоб графічно зобразити ефект оцифровки сигналу та втрату точності за процесом. Згідно з сюжетом, яким буде цифрове значення, відповідне показанню потенціометра 4,1 В?

Рішення

Лінійний потенціометр має стрижень, положення якого змінюється від втягування (1,2 В) до повного подовження (4,7 В). Будь-яке положення стрижня між обома крайностями буде відповідати напрузі в діапазоні 1,2 В—4,7 В. Кількість рівнів L, закодованих в сигналі для n = 4 біт, обчислюється за рівнянням 3.4.1:

\( L=2^{n}=2^{4} = \textbf{16 levels} \)

Таким чином, кількість кроків між найнижчим цифровим числом 0000 і найвищим 1111 становить 15 інтервалів. У таблиці 3.4.1 вказано кожне цифрове значення, кодоване 4-бітовим сигналом, враховуючи, що розмір кожного інтервалу ΔV задається:

Таблиця\(\PageIndex{1}\): Оцифровка аналогового сигналу з 4 бітами між 1,2 В і 4,7 В.

Біт				4-бітний цифровий сигнал	Аналогова еквівалентність (V)
1	2	3	4
1	1	1	1	1 1 1 1	4.70000
			0	1 1 1 0	4.4666
		0	1	1 1 0 1	4.23333
			0	1 1 0 0	4.00000
	0	1	1	1 0 1 1	3 7666
			0	1 0 1 0	3.533
		0	1	1 0 0 1	3.30000
			0	1 0 0 0	3.0666
0	1	1	1	0 1 1 1	2.83333
			0	0 1 1 0	2.60000
		0	1	0 1 0 1	2.3666
			0	0 1 0 0	2.1333
	0	1	1	0 0 1 1	1.90000
			0	0 0 1 0	1.6666
		0	1	0 0 0 1	1,433
			0	0 0 0 0	1.20000

\( \Delta V = (4.7 - 1.2)/15 = 3.5/15 = 0.233 V \)

Показання потенціометра 4,1 В належить до інтервалу між [4.000, 4.233], тобто більшим або рівним 4 В і менше 4.233 В, що згідно з табл. 3.4.1 відповідає 1101. Відмінності нижче 233 мВ реєструватися при 4-бітному сигналі не будуть. Однак, збільшивши кількість біт, похибка зменшиться і профіль «сходи» малюнка 3.4.9 буде ставати все ближче і ближче до прямої, що з'єднує 1,2 В і 4,7 В.

Малюнок\(\PageIndex{9}\): Оцифровка аналогового сигналу з 4 бітами між 1,2 В і 4,7 В.

Приклад\(\PageIndex{2}\)

Приклад 2: Трансформація координат GPS

Проблема:

Робот для геодезії ґрунту використовує GPS-приймач для визначення місця відбору проб, що утворюють сітку в полі. Ці пункти є орієнтиром для кількох застосувань точного землеробства, пов'язаних з просторовим розподілом властивостей ґрунту, таких як компактність, рН та вміст вологи. Дані про місцезнаходження (табл. 3.4.2), що надаються приймачем GPS, мають стандартний формат коду NMEA. Перетворіть дані (тобто геодезичні координати, надані портативним приймачем GPS) на кадр локальної дотичної площини (LTP), щоб бути більш корисними для фермерів.

Рішення

Перший крок у процесі перетворення вимагає вибору еталонного еліпсоїда. Виберіть еталонний еліпсоїд WGS 84, оскільки він широко використовується для сільськогосподарських застосувань. Використовуйте Рівняння 3.4.2 до 3.4.7 та застосуйте функцію перетворення (Рівняння 3.4.8) до 23 точок, заданих у геодезичних координатах (Таблиця 3.4.2), щоб перетворити їх у координати LTP. Для цього еталонного еліпсоїда,

\( a = \text{semi-major axis of WGS 84 reference ellipsion} = 6378137\ m \)

\( e = \text{eccentricity of WGS 84 reference ellipsion} = 0.0818 \)

\( N_{0}(\lambda) = \frac{a}{\sqrt{1-e^{2} \cdot sin^{2}\lambda}} \)(Рівняння\(\PageIndex{4}\))

\( (N_{0}+h) \cdot cos\lambda \cdot cos\phi \)(Рівняння\(\PageIndex{5}\))

\( Y= (N_{0}+h) \cdot cos\lambda \cdot sin\phi \)(Рівняння\(\PageIndex{6}\))

\( Z = [h+N_{0} \cdot (1-e^{2})] \cdot sin\lambda \)(Рівняння\(\PageIndex{7}\))

\( \begin{bmatrix} N \\E\\D \end{bmatrix} = \begin{bmatrix} -sin \lambda \cdot cos\phi & -sin\lambda \cdot sin\phi & cos\lambda \\ -sin\phi &cos\phi & 0 \\ -cos\lambda \cdot cos\phi & -cos\lambda \cdot sin\phi & -sin\lambda \end{bmatrix} \cdot \begin{bmatrix} X-X_{0} \\ Y-Y_{0} \\ Z-Z_{0} \end{bmatrix} \)(Рівняння\(\PageIndex{8}\))

Довжина нормалі N ₀ - відстань від поверхні еліпсоїда відліку до його перетину з віссю обертання і [λ, φ, h] - точка в геодезичних координатах, зафіксована приймачем GPS; [X, Y , Z] - точка, перетворена на координати ECEF (m), причому [X ₀, Y ₀, Z ₀] є визначеним користувачем початком координат у ECEF; а [N, E, D] є точкою, яка є перетворені в координати LTP (m).

Таблиця\(\PageIndex{2}\): GPS геодезичні координати польових точок.

Точка	Широта (°)	Широта (хв)	Довгота (°)	Довгота (хв)	Висота над рівнем моря (м)
Походження	39	28.9761	0	−20.2647	4.2
1	39	28.9744	0	−20.2539	5.1
2	39	28.9788	0	−20.2508	5.3
3	39	28.9827	0	−20.2475	5.9
4	39	28.9873	0	−20.2431	5.6
5	39	28.9929	0	−20.2384	4.8
6	39	28.9973	0	−20.2450	5.0
7	39	28.9924	0	−20.2500	5.2
8	39	28.9878	0	−20.2557	5.2
9	39	28.9832	0	−20.2593	5.4
10	39	28.9792	0	−20.2626	5.2
11	39	28.9814	0	−20.2672	4.8
12	39	28.9856	0	−20.2638	5.5
13	39	28.9897	0	−20.2596	5.5
14	39	28.9941	0	−20.2542	5.0
15	39	28.9993	0	−20.2491	5.0
16	39	29.0024	0	−20.2534	5.1
17	39	28.9976	0	−20.2590	4.9
18	39	28.9929	0	−20.2643	4.9
19	39	28.9883	0	−20.2695	4.9
20	39	28.9846	0	−20.2738	4.8
21	39	28.9819	0	−20.2770	4.7
22	39	28.9700	0	−20.2519	4.5

MATLAB ^® може забезпечити зручне середовище програмування для перетворення геодезичних координат у плоский кадр та збереження їх у текстовому файлі. Таблиця 3.4.3 підсумовує результати, як вони відображатимуться у файлі MATLAB ^® (.m).

Ці 23 точки огляду можуть бути побудовані в декартовій рамці Схід-Північ (а саме в координатах LTP), щоб побачити їх просторовий розподіл у полі, з орієнтованими осями Сходу та Півночі, як показано на малюнку 3.4.10.

Важливою перевагою використання плоских координат, таких як LTP, є те, що евклідова геометрія може широко використовуватися для обчислення відстаней, площ та об'ємів. Наприклад, щоб обчислити загальну площу, покриту обстежуваної сіткою, розділіть отриману трапецію на два неправильних трикутника (рис. 3.4.11), один визначається точками A-B-C, а інший на три точки A-B-D. Застосуйте евклідову геометрію для обчислення площі нерегулярного трикутника з вимірювання його трьох сторін за допомогою рівняння:

Таблиця\(\PageIndex{3}\): координати LTP для поля, обстежуваного за допомогою GPS приймача.

Точка	Схід (м)	Північ (м)	Вниз (м)
Походження	0	0	0
1	15.5	−3.1	−0.9
2	19.9	5.0	−1.1
3	24.7	12.2	−1.7
4	31.0	20.7	−1.4
5	37.7	31.1	−0.6
6	28.2	39.2	−0,8
7	21.1	30.2	−1.0
8	12,9	21.6	−1.0
9	7.7	13.1	−1.2
10	3.0	5.7	−1.0
11	−3.6	9.8	−0.6
12	1.3	17.6	−1.3
13	7.3	25.2	−1.3
14	15.1	33.3	−0,8
15	22.4	42.9	−0,8
16	16.2	48.7	−0.9
17	8.2	39.8	−0.7
18	0.6	31.1	−0.7
19	−6.9	22.6	−0.7
20	−13.0	15,7	−0.6
21	−17.6	10.7	−0,5
22	18.3	−11.3	−0,3

\( \text{Area} = \sqrt{K \cdot (K-a) \cdot (K-b)\cdot (K-c)} \)(Рівняння\(\PageIndex{14}\))

де, a, b і c - довжини трьох сторін трикутника, а\( K=\frac{a+b+c}{2} \).

Відстань між двома точками А і В також можна визначити за наступним рівнянням:

\( L_{A-B} = \sqrt{(E_{A}-E_{B})^{2} +(N_{A}-N_{B})^{2}} \)(Рівняння\(\PageIndex{15}\))

де L _A-B = евклідова відстань (пряма) між точками A і B (m)

[E _A, N _A] = координати LTP на схід і північ від точки A (m)

[E _B, N _B] = координати LTP на схід і північ від точки B (m), розраховані в таблиці 3.4.3.

Використовуючи рівняння площі, площі двох трикутників, представлених на малюнку 3.4.11, визначаються як 627 м ² для жовтого трикутника (ADB) і 1054 м ² для зеленого трикутника (ABC), загальною площею 1681 м ². Відповідні евклідові відстані складають 50,9 м, 42,1 м, 60,0 м, 27,8 м і 46,6 м відповідно для L _A-C, L _C-B, L _A-B, L _A-D і L _D-B, як:

\( L_{A-B} = \sqrt{(E_{A}-E_{B})^{2} +(N_{A}-N_{B})^{2}}=\sqrt{(16.2-18.3)^{2} +(48.7-(-11.3))^{2}} = 60.0 \)

Малюнок\(\PageIndex{10}\): Планарне зображення 23 точок, відібраних у полі з локальним походженням.

Ми нічого не говорили про напрямок Z поля, але стовпець «Висота» в таблиці 3.4.2 та стовпець «Вниз» у таблиці 3.4.3 говорять про те, що поле досить рівне, оскільки висота точок над землею не сильно змінюється вздовж 22 точок.

На малюнку 3.4.12 показані вибіркові точки малюнка 3.4.10, накладені супутниковим зображенням, що дозволяє користувачам знати додаткові деталі поля, такі як тип культури, смуги руху, навколишні будівлі (що впливають на продуктивність GPS) та іншу відповідну інформацію.

Малюнок\(\PageIndex{11}\): Оцінка площі, охопленої вибірковими точками в обстежуваному полі.

Приклад\(\PageIndex{3}\)

Приклад 3: Конфігурація системи машинного зору для виявлення помідорів черрі на інтелектуальному комбайні

Проблема:

Припустимо, що ви берете участь у розробці системи якості в полі для перевірки на льоту продукції на борту інтелектуального комбайна помідорів чері. Вашим конкретним завданням є розробка системи машинного зору для виявлення плям помідорів чері, які транспортуються конвеєрною стрічкою на комбайні, як показано на малюнку 3.4.13. Вам потрібно використовувати існуючу камеру, яка несе в собі ПЗС-датчик розмірами 6,4 мм × 4,8 мм. Простір, дозволений для монтажу камери (висота камери h), становить близько 40 см над поясом. Однак ви можете придбати будь-яку лінзу, щоб забезпечити горизонтальний FOV 54 см, щоб покрити всю ширину конвеєрної стрічки. Визначте необхідну фокусну відстань об'єктива.

Рішення

Першим кроком у розробці цієї системи зондування є обчислення фокусної відстані (f) об'єктива, необхідного для покриття запитуваного поля зору. Зазвичай розрахунок фокусної відстані вимагає знання двох основних параметрів геометрії лінзи: відстань між датчиком ПЗС та оптичним центром лінзи, d ₁, і відстань між оптичним центром лінзи та конвеєрною стрічкою, d ₂ . Ми знаємо d ₂ = 400 мм, FOV = 540 мм, а A, горизонтальний розмір датчика зображення, становить 6,4 мм, тому d ₁ можна легко визначити за рівняннями 3.4.10 і 3.4.11:

Малюнок\(\PageIndex{12}\): Вибіркові точки над супутниковим знімком досліджуваної ділянки (початок у точці 23).

\( \frac{d_{1}}{d_{2}} = \frac{A}{FOV} \)(Рівняння\(\PageIndex{11}\))

Таким чином,

\( d_{1} = \frac{A \cdot d_{2}}{FOV} = \frac{6.4 \cdot 400}{540} = 4.74 \ mm \)

Фокусну відстань, f, потім можна визначити за допомогою рівняння 3.4.10:

\( \frac{1}{f} = \frac{1}{d_{1}} + \frac{1}{d_{2}} \)(Рівняння\(\PageIndex{10}\))

Таким чином,

\( f= \frac{d_{1} \cdot d_{2}}{d_{1} + d_{2}} = \frac{4.74 \cdot 400}{4.74 + 400} = 4.68 \ mm \)

Жоден виробник лінз, швидше за все, не запропонує об'єктив з фокусною відстанню 4,68 мм; отже, ви повинні вибрати найближчий з того, що є у продажу. Об'єктиви, комерційно доступні для цієї камери, мають наступні фокусні відстані: 2,8 мм, 4 мм, 6 мм, 8 мм, 12 мм та 16 мм. Правильний підхід полягає у виборі найкращого об'єктива для цієї програми та відрегулювати відстань між камерою та поясом, щоб забезпечити охоплення запитуваного FOV. Із запропонованого вище списку найкращим варіантом є вибір лінзи з f = 4 мм. Цей вибір трохи змінить початкові параметри, і вам доведеться відрегулювати деякі початкові умови, щоб підтримувати той же FOV, що є головною умовою для виконання. Найпростішою модифікацією буде зниження положення камери на відстань 34 см до конвеєра (d ₂ = 340 мм від рівняння фокусної відстані). Якщо камера фіксована і d ₂ повинна залишатися на початкових 40 см, отримане поле зору буде більше необхідних 54 см, а застосування методів обробки зображень буде необхідним для видалення непотрібних ділянок зображень.

Рисунок\(\PageIndex{13}\): Геометричні вимоги системи огляду на основі зору для конвеєрної стрічки на комбайні.

Приклад\(\PageIndex{4}\)

Приклад 4: Оцінка швидкості робота за допомогою акселерометра

Проблема:

Таблиця\(\PageIndex{4}\): Прискорення транспортного засобу, зафіксованого за допомогою акселерометра малюнка 3.4.14а.

Точка даних	Час (и)	Прискорення (g)
1	7.088	0,005
2	8.025	0,018
3	9.025	0,009
4	10.025	0,009
5	11.025	0,008
6	12.025	0,009
7	13.025	0,009
8	14.025	0,009
9	15.025	0,008
10	16.025	0,008
11	17.025	0,009
12	18.025	0,009
13	19.025	0,008
14	20.088	0,009
15	21.088	−0,009
16	21.963	−0.019
17	23.025	−0,001

Акселерометр малюнка 3.4.14а був встановлений в сільськогосподарському роботі на малюнку 3.4.14c. При русі по виноградникових рядах вихідні вимірювання з акселерометра були зафіксовані в таблиці 3.4.4, включаючи час кожного вимірювання і відповідне йому лінійне прискорення в прямому напрямку, заданому в г, гравітаційне прискорення.

1. 1. Обчисліть миттєве прискорення кожної точки в m·s ⁻², враховуючи, що один g еквівалентний 9,8 м·с ⁻².
2. 2. Обчисліть час, що минув між послідовними вимірами ∆t в с.
3. 3. Оцініть середню частоту дискретизації (Гц), при якій працював акселерометр.
4. 4. Обчисліть відповідну швидкість для кожного вимірювання за допомогою Рівняння 3.4.12, враховуючи, що транспортний засіб починав із положення спокою (V ₀ = 0 m s ⁻¹) і завжди рухався вперед.
5. 5. Побудуйте прискорення робота (m s ⁻²) та швидкість (км h ⁻¹) для тривалості тестового пробігу.

(а)

(б)

(c)

Малюнок\(\PageIndex{14}\): (а) Акселерометр Gulf Coast X2-2; (б) кріплення датчика; (в) в сільськогосподарському роботі.

Рішення

Таблицю 3.4.4 можна доповнити множенням прискорення, вираженого в g, на 9.8, і застосуванням виразу ψ t = t _k — t _k-1 до кожної точки таблиці, крім першої точки t ₁, яка не має попереднього вимір.

Точка даних	Час (и)	Прискорення (g)	Прискорення (м с ^−2)	Δt (с)
1	7.088	0,005	0,050	0
2	8.025	0,018	0.179	0,938
3	9.025	0,009	0.091	1.000
4	10.025	0,009	0,085	1.000
5	11.025	0,008	0.083	1.000
6	12.025	0,009	0,088	1.000
7	13.025	0,009	0,085	1.000
8	14.025	0,009	0.084	1.000
9	15.025	0,008	0,080	1.000
10	16.025	0,008	0.081	1.000
11	17.025	0,009	0.086	1.000
12	18.025	0,009	0.084	1.000
13	19.025	0,008	0.083	1.000
14	20.088	0,009	0.089	1.063
15	21.088	−0,009	−0.092	1.000
16	21.963	−0.019	−0.187	0,875
17	23.025	−0,001	−0,009	1.063
			Середній	0,996

Згідно з попередніми результатами, середній час, що пройшов між двома послідовними вимірюваннями ∆t, становить 0,996 с, що відповідає приблизно одному виміру в секунду, або 1 Гц. Швидкість транспортного засобу можна оцінити з його прискорення за допомогою рівняння 3.4.12. У таблиці 3.4.5 вказано розрахунок при кожному конкретному вимірі.

На малюнку 3.4.15 зображено виміряне прискорення і розрахункову швидкість за заданий часовий проміжок 16 секунд. Зверніть увагу, що є точки даних з негативним прискоренням (уповільненням), але швидкість ніколи не є негативною, оскільки транспортний засіб завжди рухався вперед або залишався в стані спокою. Акселерометри страждають від галасливих оцінок, і в результаті кінцева швидкість, розрахована в таблиці 3.4.5, може виявитися не дуже точною. Отже, доцільною практикою є надмірна оцінка швидкості автомобіля за допомогою принаймні двох незалежних датчиків, що працюють за різними принципами. У цьому прикладі, наприклад, швидкість руху вперед також оцінювалася за допомогою бортового приймача GPS.

Таблиця\(\PageIndex{5}\): Швидкість робота оцінюється за допомогою акселерометра.

Точка даних	Прискорення (м с ^−2)	ψ т (с)	Швидкість (м с ^−1)	V (км год ^−1)
1	0,050	0	V 1 = V 0 + a 1 · ∆t = 0 + 0,05 · 0 = 0	0.0
2	0.179	0,938	V 2 = V 1 + а 2 · ∆t = 0 + 0,179 · 0,938 = 0,17	0.6
3	0.091	1.000	V 3 = V 2 + a 3 · ∆t = 0,17 + 0,091 · 1 = 0,26	0.9
4	0.085	1.000	0,34	1.2
5	0.083	1.000	0,43	1.5
6	0,088	1.000	0,51	1.9
7	0.085	1.000	0,60	2.2
8	0.084	1.000	0,68	2.5
9	0.080	1.000	0,76	2.7
10	0.081	1.000	0,84	3.0
11	0.086	1.000	0,93	3.3
12	0.084	1.000	1.01	3.7
13	0.083	1.000	1.10	3.9
14	0.089	1.063	1.19	4.3
15	-0.092	1.000	1.10	4.0
16	-0.187	0,875	0,94	3.4
17	-0,009	1.063	0,93	3.3

Малюнок\(\PageIndex{15}\): Прискорення і швидкість роботи ферми оцінюється за допомогою акселерометра.

Зображення Кредити

Малюнок 1а. Джон Дір. (2020). Автономна косарка. Отримано з www.deere.es// кампанії/ag-turf/tango/. [Сумлінне використання].

Малюнок 1б. Ровіра-Маш, Ф. (CC BY 4.0). (2020). (б) Автономний трансплантатор рису на основі GPS.

Малюнок 2. Перевірене дослідження ринку (2018). (КУБ.СМ ЗА 4.0). (2020). Очікуване зростання ринку сільськогосподарських роботів.

Малюнок 3. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Архітектура датчиків для інтелектуальних сільськогосподарських транспортних засобів.

Малюнок 4. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Геометричний зв'язок між датчиком зображення, лінзою та FOV.

Малюнок 5. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Сегментація мандаринових апельсинів на основі кольору.

Малюнок 6. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Системи автоматичного наведення: (а) Комплект світлової панелі; (б) Екран управління паралельним відстеженням.

Малюнок 7. Чжан, Q. (CC BY 4.0). (2020). Системи рульового управління трактора: (а) традиційна гідравлічна система рульового управління; і (б) електрогідравлічна система рульового управління.

Малюнок 8. Адаптовано з Т.Карвінен, Карвінен К.М., Валтокарі (Марка: Сенсори, Maker Media, 2014). Збірка ультразвукового далекоміра HC-SR04 з процесором Arduino. [Сумлінне використання].

Малюнок 9. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Оцифровка аналогового сигналу з 4 бітами між 1,2 В і 4,7 В.

Малюнок 10. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Планарне зображення 23 точок, відібраних у полі з локальним походженням.

Малюнок 11. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Оцінка площі, яку охоплюють вибіркові точки в обстежуваному полі.

Малюнок 12. Сайз-Рубіо, В. (CC BY 4.0). Вибіркові точки над супутниковим знімком обстежуваної ділянки (походження в № 23).

Малюнок 13. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Геометричні вимоги системи нагляду на основі зору для конвеєрної стрічки на комбайні.

Малюнок 14а. Концепції даних узбережжя Перської затоки. Акселерометр узбережжя затоки X2-2. Отримано з http://www.gcdataconcepts.com/x2-1.html. [Сумлінне використання].

Малюнок 14b & 14c. Сайз-Рубіо, В. (CC BY 4.0). (б) кріплення датчика. (c) монтаж сільськогосподарського робота.

Малюнок 15. Ровіра-Маш, Ф. (CC BY 4.0). (2020). Прискорення і швидкість роботи ферми оцінюється за допомогою акселерометра.

Посилання

Болтон, В. (1999). Мехатроніка (2-е видання). Нью-Йорк: Видавництво Еддісона Уеслі Лонгмана.

Миклевий М., Догерті П., Маковер Дж. Нова грандіозна стратегія. Нью-Йорк: Преса Сент-Мартіна.

Ровіра-Мас, Ф., Чжан, К., Хансен, А.К. (2010). Мехатроніка та інтелектуальні системи для позашляховиків. Лондон: Спрінгер-Верлаг.

Рассел, С., Норвіг, П. (2003). Штучний інтелект: сучасний підхід (2-е видання). Верхня річка Сідло, Нью-Джерсі: Прентіс Холл.

Перевірене дослідження ринку. Розмір ринку глобальних сільськогосподарських роботів за типом (безпілотні трактори, автоматизовані збиральні машини та інші), за напрямками застосування (польове тваринництво, управління молочними продуктами, домашнє тваринництво та інші), за географією та прогнозом. Код звіту: 3426. Перевірено дослідження ринку Inc.: Boonton, Нью-Джерсі, США, стор. 78.