[发明专利]基于自适应神经网络的收获机路径跟踪控制方法和系统

权利要求书

1.基于自适应神经网络的收获机路径跟踪控制方法，其特征在于，包括：

(1)构建基于RBFNN的前后轮转向参数不确定项优化模型，所述前后轮转向参数不确定项优化模型包括输入层、隐含层、输出层，所述输入层包括2个输入节点，输出层包括2个输出节点，隐含层包括N个隐节点，所述隐含层的节点与第一个输出节点之间的连接权重为隐含层的节点与第二个输出节点之间的连接权重为

(2)根据期望路径获取当前时刻t的期望航向角ψ_r和期望航向角速率获取收获机当前时刻t的航向角ψ和航向角速率纵向速度v_x和纵向加速度横向速度v_y和横向加速度

(3)计算当前时刻的航向角偏差△ψ和航向角速度偏差

△ψ＝ψ-ψ_r，

计算当前时刻收获机的位置偏差的导数得到综合偏差的导数对积分得到当前时刻的综合偏差e_p；x_p是误差权重系数；

(4)将e_p和构成向量作为前后轮转向参数不确定项优化模型的输入，计算每个隐节点为：c_j是基准函数的中心，σ是高斯函数的宽度；h(Z)＝[h₁ h₂ … h_j … h_N]^T；

更新隐含层到输出节点之间的连接权重：

对积分得到

其中δ_f(t-1)是上一个时刻的转向轮转角；为第一虚拟控制量，g₁为误差系数，g₁0；k₁、k₂分别为第一连接权重和第二连接权重的系数，且k₁和k₂均为正数； m₁₁，m₁₂，m₂₂均为计算过程的中间变量，计算式为：

m₂₂＝2bx_p，

计算前后轮转向参数不确定项优化模型的输出：

(5)计算当前时刻前后轮转向参数：

令C_f、C_r分别为收获机前后轮胎的侧偏刚度系数，J_z是收获机转动惯量；

修正后的前后轮转向参数分别为：

(6)得到当前时刻的转向轮转角δ_f(t)：

其中，q₁为收获机-地面非线性模型中的第一偏差量，η为虚拟控制量系数，tanh(·)是正切函数。

2.根据权利要求1所述的基于自适应神经网络的收获机路径跟踪控制方法，其特征在于，所述收获机-地面非线性模型为：

其中为综合偏差的二阶导数，q₁、q₂、q₃分别为所述模型的第一偏差量、第二偏差量、第三偏差系数，δ_f为收获机的转向轮转角，△ψ为航向角偏差，为航向角速度偏差；为收获机的航向角速度，K为期望路径的曲率；a和b分别是收获机前轴和后轴到质心的距离；β是收获机的滑移角；P_fJ、P_rJ分别为收获机前后轮转向参数；a_r为后轮胎的侧偏角，s是收获机当前位置到期望路径的距离。

3.根据权利要求1所述的基于自适应神经网络的收获机路径跟踪控制方法，其特征在于，虚拟控制量系数η为使下式成立的值：

其中ε_fJ、ε_rJ是基于RBF的前后轮转向参数不确定项优化模型的估计误差。