王 新 許 苗 張京開 劉 旺 李為為 王書茂

(1.中國農(nóng)業(yè)大學工學院， 北京 100083； 2.北京市農(nóng)業(yè)機械試驗鑒定推廣站， 北京 100078)

溫室作業(yè)機具室內(nèi)定位方法研究

王 新1許 苗1張京開2劉 旺2李為為1王書茂1

(1.中國農(nóng)業(yè)大學工學院， 北京 100083； 2.北京市農(nóng)業(yè)機械試驗鑒定推廣站， 北京 100078)

針對農(nóng)機具在溫室大棚內(nèi)的定位、作業(yè)軌跡跟蹤及作業(yè)面積核算需求，提出一種基于多源數(shù)據(jù)融合理論的溫室機具室內(nèi)定位優(yōu)化算法。首先根據(jù)慣性導航測量技術(shù)預(yù)估被測目標定位初值，再利用無線RSSI測距技術(shù)使用加權(quán)質(zhì)心算法獲得定位測量結(jié)果，利用卡爾曼濾波算法進行定位信息最優(yōu)化計算，以消除基于單一測量技術(shù)存在數(shù)據(jù)漂移、測試信號受遮擋、電磁干擾造成的誤差，獲得準確的定位信息，進而實現(xiàn)作業(yè)軌跡的實時跟蹤以及作業(yè)面積的有效核算。在Matlab仿真分析中，首先建立定位算法評價指標以便于定位效果評估，通過仿真計算得出：基于多源數(shù)據(jù)融合的優(yōu)化定位算法的定位精度及穩(wěn)定性均優(yōu)于單一無線RSSI室內(nèi)定位算法。溫室大棚田間試驗的實際測試結(jié)果表明，室內(nèi)定位精度不大于0.125 m，定位誤差小于0.4%，能夠較好地滿足溫室內(nèi)作業(yè)機具的定位及作業(yè)軌跡實時獲取與監(jiān)測的需求。

溫室； 作業(yè)機具； 定位； 作業(yè)軌跡； 多源數(shù)據(jù)融合； 卡爾曼濾波

引言

隨著設(shè)施農(nóng)業(yè)的不斷發(fā)展，溫室大棚面積逐年增加，溫室作業(yè)的機械化、自動化需求增長迅速，溫室內(nèi)作業(yè)機具的作業(yè)質(zhì)量、作業(yè)軌跡及作業(yè)面積，成為生產(chǎn)實際中急需量化的作業(yè)核算指標。此類信息的實時獲取與檢測對指導農(nóng)機高效作業(yè)、控制生產(chǎn)資料的投入，以及計算農(nóng)作物單位面積產(chǎn)量等具有很大幫助。

目前，全球衛(wèi)星定位系統(tǒng)(Global positioning system，GPS)能夠為地面用戶提供準確實時的經(jīng)度、緯度和高程等導航定位信息，是支撐精準農(nóng)業(yè)實踐的核心技術(shù)之一，被廣泛應(yīng)用于農(nóng)業(yè)機械化導航、農(nóng)田定位和面積測量中，其在面積測量方面具有高精度、全天候、高效率、多功能、易操作等明顯優(yōu)勢，但是由于室內(nèi)環(huán)境下GPS信號不可獲得，因此不能將其應(yīng)用于室內(nèi)農(nóng)機作業(yè)軌跡的采集。目前，目標點的室內(nèi)定位方法多是基于距離測量的定位算法，包括：基于接收信號強度(Received signal strength indication，RSSI)[1-2]，信號到達時間(Time of arrival，TOA)，信號到達時間差(Time difference of arrival，TDOA)和信號到達角度(Angel of arrival，AOA),其中基于無線傳感網(wǎng)絡(luò)RSSI定位方法在室內(nèi)定位應(yīng)用中較廣[3]，其使用“接收信號強度-距離”模型進行測距，檢測方法簡單易行，但在實際測試環(huán)境下，由于天線增益、反射、阻擋、多徑傳播等因素的影響，基于RSSI的作業(yè)軌跡跟蹤測量系統(tǒng)的測試誤差會隨著距離d的增大而增大，其傳播損耗和傳播距離d之間的線性關(guān)系也會發(fā)生局部的劇烈變化，定位精度會有所降低。此外，由于制造誤差、測試系統(tǒng)安裝誤差和環(huán)境因素的影響，測量結(jié)果還會存在傳感器偏差、靈敏度誤差、噪聲等其他隨機誤差。若將這些誤差包含在定位數(shù)據(jù)中進行處理，隨著時間的增長和測試距離的積累，將引起極大的位置誤差，作業(yè)軌跡跟蹤的準確程度將大大降低。因此，測量數(shù)據(jù)誤差控制和補償方法是溫室機具室內(nèi)定位作業(yè)軌跡跟蹤算法的關(guān)鍵。

利用卡爾曼濾波技術(shù)實現(xiàn)溫室作業(yè)機具定位目標的多源信息融合，將慣性傳感技術(shù)與基于無線傳感器網(wǎng)絡(luò)[4-7]的RSSI技術(shù)相結(jié)合，可有效彌補兩類室內(nèi)定位技術(shù)的測量誤差，實現(xiàn)被測目標位置信息的最優(yōu)化求解。為解決定位算法的實際應(yīng)用問題，本文利用Cubature卡爾曼濾波算法對系統(tǒng)數(shù)學模型進行簡化，降低系統(tǒng)編程難度，并通過仿真分析與田間試驗對定位方法及誤差進行校正。

1 室內(nèi)軌跡跟蹤的關(guān)鍵技術(shù)

基于多源數(shù)據(jù)融合[8-9]實現(xiàn)定位誤差補償這一基本思想，實驗室所構(gòu)建的溫室機具作業(yè)軌跡跟蹤測試系統(tǒng)由無線測距模塊與位姿動態(tài)跟蹤模塊組成。無線測距模塊基于RSSI測距方法利用加權(quán)質(zhì)心定位模型進行溫室機具位置坐標信息的獲取。慣性測量[10-11]模塊即在被測溫室機具上安裝陀螺儀和3軸加速度傳感器，通過實時測量溫室機具的3軸加速度和角加速度，積分獲得被測溫室機具的位置偏移和方向(圖1)。雖然慣性傳感器能夠直接動態(tài)地測量被測目標的位姿變化，但其同樣存在誤差漂移及積累等問題，不易單獨將其用做室內(nèi)目標的跟蹤定位。綜合考慮到兩種目標軌跡跟蹤方法的特點，基于多源數(shù)據(jù)融合理論，將慣性測量方法與三邊加權(quán)質(zhì)心算法相結(jié)合，以彌補兩類數(shù)據(jù)的測試誤差，實現(xiàn)被測目標位置信息的最優(yōu)化自回歸求解，獲得溫室機具室內(nèi)最優(yōu)動態(tài)軌跡信息。

圖1 位置關(guān)系及傳感器安裝Fig.1 Position relationship and installation of sensors

1.1 RSSI測距原理

在無線傳感器網(wǎng)絡(luò)中，無線信號發(fā)射功率與接收功率的關(guān)系式為

PR=PT/rn

(1)

式中PR——接收功率PT——發(fā)射功率r——收發(fā)傳感器之間的距離n——傳播因子，與環(huán)境有關(guān)

節(jié)點的發(fā)射功率是由傳感器本身決定的，為已知量，用A表示，對式(1)取對數(shù)并代入A得到

10lgPR=A-10nlgr

(2)

信號強度單位用dBm表示，則可以得到

PR(dBm)=A-10nlgr

(3)

式(3)即為“接收信號強度-距離”模型的公式表達[12]，當1個節(jié)點發(fā)射信號，另1節(jié)點接收信號時，通過測量接收信號的強度，即可根據(jù)式(3)算出兩節(jié)點之間的距離。

1.2 加權(quán)質(zhì)心定位模型

在使用三邊測量法[13]的基礎(chǔ)上對目標節(jié)點進行定位，三邊測量法是一種基于距離的定位算法。其算法描述如下：將圖2中的3個圓分別記為A、B、C，其圓心坐標分別為(X1,Y1)、(X2,Y2)、(X3,Y3)，設(shè)未知節(jié)點D坐標(X,Y)，3個圓的圓心A、B、C到D的距離分別為d1、d2、d3，則可得方程組

(4)

圖2 三邊測量算法原理圖Fig.2 Schematic of trilateration algorithm

對方程組進行求解得到目標節(jié)點的坐標，但由于實際情況中測距誤差的存在，三邊測量法使用中式(4)大多沒有實數(shù)解，在實際使用中通常需要使用不同方法計算目標節(jié)點的坐標。因此，在被測目標定位模型中引入加權(quán)質(zhì)心定位算法[14-15]。具體步驟如下：

(1)分別求A和B、B和C、C和A的交點，并取距離3個圓圓心較近交點的坐標，由此得到(X′1,Y′1)、(X′2,Y′2)、(X′3,Y′3)。根據(jù)質(zhì)心算法估算目標節(jié)點的坐標為

(5)

(2)在無線網(wǎng)絡(luò)中，每個待測節(jié)點接收周圍的參考節(jié)點向它發(fā)送的數(shù)據(jù)包，待測節(jié)點根據(jù)接收到的RSSI值測算出距離，取信號強度在一定閾值范圍內(nèi)的參考節(jié)點，根據(jù)質(zhì)心公式可以計算出它的坐標，即

(6)

其中

ωi=1/d

式中ωi——權(quán)值d——參考節(jié)點到待測節(jié)點的距離估測值X′i——距離3個圓圓心較近交點的橫坐標

Y′i——距離3個圓圓心較近交點的縱坐標

Xz——加權(quán)質(zhì)心定位算法算出的目標節(jié)點橫坐標

Yz——加權(quán)質(zhì)心定位算法算出的目標節(jié)點縱坐標

在計算坐標時，引入加權(quán)因子ωi，由其決定參考節(jié)點對質(zhì)心坐標的影響程度。

1.3 慣性測量模型

在溫室機具作業(yè)軌跡跟蹤測試系統(tǒng)中，溫室機具的位置信息可由4個自由度來描述，需要用3個慣性傳感器(2個加速度計和1個雙軸陀螺儀)來測量位置信息的變化情況。整個動態(tài)慣性測量系統(tǒng)在x、y軸的位置和方向的測量具有6個相應(yīng)的狀態(tài)變量，即

位姿動態(tài)跟蹤系統(tǒng)的狀態(tài)方程可表示為

(7)

其中

式中xA(k)、yA(k)——第k時刻x軸和y軸加速度計測量的狀態(tài)量

ΦA(chǔ)x、ΦA(chǔ)y——系統(tǒng)沿x軸和y軸加速度計測量的狀態(tài)轉(zhuǎn)移矩陣

ΦGx、ΦGy——系統(tǒng)沿x軸和y軸陀螺儀測量的狀態(tài)轉(zhuǎn)移矩陣

xA(k-1)、yA(k-1)——第k-1時刻x軸和y軸加速度計測量的狀態(tài)變量

xG(k-1)、yG(k-1)——第k-1時刻x軸和y軸陀螺儀測量的狀態(tài)變量

wAx(k)、wGx(k)——傳感器系統(tǒng)沿x軸測量的附加噪聲

wAy(k)、wGy(k)——傳感器系統(tǒng)沿y軸測量的附加噪聲

T——間隔時間

2 融合算法及模型簡化

2.1 數(shù)學模型的建立

在理想狀態(tài)下，利用無線測距RSSI方法進行測距，結(jié)合加權(quán)質(zhì)心算法，可以獲得較好的定位精度。但是，在實際應(yīng)用中，由于溫室大棚環(huán)境復雜，傳感器信號易受到作物、棚內(nèi)設(shè)施及溫室結(jié)構(gòu)的遮擋或干擾，引起較大的定位誤差?；诳柭鼮V波原理，首先利用1.1、1.2節(jié)所提到的RSSI測距技術(shù)及三邊質(zhì)心算法，將其作為待定位目標的測量值；再結(jié)合1.3節(jié)所提出的慣性傳感測量模型，將慣性傳感系統(tǒng)測量數(shù)據(jù)作為定位估計值，對檢測數(shù)據(jù)進行多源數(shù)據(jù)融合(圖3)，加速度和角速度由傳感器測量得到，獲得溫室機具作業(yè)軌跡跟蹤測試系統(tǒng)數(shù)學模型的一般式

z(k)=h(x(k))+v(k)

(8)

式中z(k)——無線傳感器運用RSSI算法獲得的第k時刻的被測目標位置測量值的最優(yōu)估計值

x(k)——利用慣性傳感測量系統(tǒng)獲得的第k時刻的測量值的最優(yōu)估計值

h(·)——將系統(tǒng)狀態(tài)變量映射為測量變量的變換矩陣

v(k)——與測量不確定因素相關(guān)的測量噪聲

圖3 算法實現(xiàn)結(jié)構(gòu)圖Fig.3 Chart of algorithm

根據(jù)式(6)、(7)，式(8)可以轉(zhuǎn)換為

(9)

其中

式中vx(k)、vy(k)——沿x軸和y軸方向的測量噪聲

以第k時刻計算定位目標為例，被測目標位置信息的最優(yōu)解數(shù)學模型可表示為

(10)

式中x(k)——沿x軸基于位姿動態(tài)檢測方法經(jīng)過濾波處理的被測目標位置k時刻的最優(yōu)解

y(k)——沿y軸基于位姿動態(tài)檢測方法經(jīng)過濾波處理的被測目標位置k時刻的最優(yōu)解

xp(k)——利用式(10)獲得的第k時刻x方向位置信息的最優(yōu)解

yp(k)——利用式(10)獲得的第k時刻y方向位置信息的最優(yōu)解Kgx(k)、Kgy(k)——第k時刻最優(yōu)化增益系數(shù)

其中，最優(yōu)化增益Kgx(k)、Kgy(k)是隨時間不斷變化的，其計算式為

(11)

式中Px(k-1)、Py(k-1)——xp(k-1)、yp(k-1)對應(yīng)的協(xié)方差

Rx、Ry——xz(k-1)、yz(k-1)對應(yīng)的協(xié)方差

2.2 系統(tǒng)數(shù)學模型的實用化

為解決定位算法的實際應(yīng)用問題，利用Cubature卡爾曼濾波算法對系統(tǒng)數(shù)學模型進行簡化，優(yōu)化式(9)中的矩陣變換模型，通過動態(tài)數(shù)據(jù)滑動平均算法進行等效，從而降低了系統(tǒng)編程難度。

非線性濾波[16-18]在處理狀態(tài)估計任務(wù)時均要對由這些狀態(tài)變量表示的均值和方差進行積分，這些積分都可統(tǒng)一表示為高斯權(quán)重積分形式

I(F)=∫UnF(x)e-xTxdx

(12)

式中F(x)——任意函數(shù)Un——積分區(qū)域

利用Spherical-Radial Cubature準則進行積分，取x=rt(tTt=1,r∈[0,∞))，因此式(12)可分離為Radial積分和Spherical積分，即

(13)

S(r)=∫SnF(rt)dρ(t)

(14)

其中

ρ∈Sn

式中Sn——n維單位球面

Radial積分可由拉格朗日積分轉(zhuǎn)換為

(15)

其中

Spherical積分可由基于3階精度單項式Cubature規(guī)則近似為

(16)

其中

式中uS——集合〈1〉的第i列，對于n=2，有〈1〉=(〈1,0〉T,〈-1,0〉T,〈0,-1〉T,〈0,1〉T)

結(jié)合式(15)、(16)，并整理得到Spherical-Radial Cubature規(guī)則

(17)

對于標準高斯分布

(18)

結(jié)合式(11)、(17)有

(19)

式中n——狀態(tài)維數(shù)

由此可見，CKF選取2n個同等權(quán)值的Cubature點計算高斯權(quán)重積分，計算出Cubature點(ηi,ui)后可以通過時間更新得到CKF濾波算法。

根據(jù)式(19)可知

(20)

其中

根據(jù)式(20)即可通過數(shù)據(jù)的反復迭代編程，實現(xiàn)定位信息最優(yōu)解的獲取。

3 仿真分析

為驗證上述軌跡跟蹤數(shù)學模型的定位準確性，運用Matlab 7.10.0軟件作為仿真工具，對溫室機具室內(nèi)作業(yè)過程進行仿真分析。

3.1 定位算法評價指標

(1)定位誤差

(21)

定位誤差越小，算法性能越好。

(2)定位覆蓋率

定位覆蓋率為可實現(xiàn)定位的未知節(jié)點與節(jié)點總數(shù)之比，定位覆蓋率越高，算法性能越好。假設(shè)估計位置坐標(x,y,z)同時滿足以下關(guān)系時才認為可以實現(xiàn)定位

(22)

式中xmax、ymax、zmax——被測空間的長度、寬度、高度的最大值

(3)誤差分析

誤差分析包括：最大誤差距離、最小誤差距離、平均誤差距離以及誤差距離的標準差。其中，誤差距離的標準差表示定位算法的穩(wěn)定性。

(4)位置數(shù)據(jù)和定位效果圖

為從直觀上看到算法的性能，以N(N≥100)定義仿真中與真實位置之間的距離最接近于平均誤差距離的估計位置坐標數(shù)據(jù)(在圖4中簡稱“真實位置”和“估計位置”)，并畫出仿真效果圖。

3.2 仿真環(huán)境和參數(shù)設(shè)置

在長為100 m，寬為40 m，高為4 m的三維空間中按照圖4中紅色箭頭標注的軌跡生成150個均勻分布的待定位節(jié)點，為驗證算法在實際測試過程的補償作用，在仿真分析中加入隨機粗大誤差來模擬無線測距模塊受到遮擋、干擾、反射時的測試誤差，與此同時，引入白噪聲隨機誤差信息以模擬信號漂移。每個待測節(jié)點與參考節(jié)點進行100次測距，取其平均值用于計算待測節(jié)點的定位估計值。試驗?zāi)M溫室機具在溫室大棚中的往復式作業(yè)情景，以0.2 m/s的速度勻速行進作業(yè)，分別運用加權(quán)質(zhì)心算法和多源數(shù)據(jù)融合算法對被測目標的位置進行估計，通過數(shù)據(jù)融合后的定位效果仿真圖如圖4所示。

圖4 多源數(shù)據(jù)融合算法定位效果圖Fig.4 Positioning figure of multi-source data fusion algorithm

3.3 仿真結(jié)果分析

從仿真結(jié)果(圖5及表1)可知，運用多源數(shù)據(jù)融合算法進行目標跟蹤定位，在引入粗大誤差及傳感器檢測白噪聲的前提下，定位平均誤差最大不超過100 mm，且其測試精密度、定位覆蓋率等指標明顯優(yōu)于加權(quán)質(zhì)心算法，具有較高的定位精度。從圖5中可以看出，在使用單一算法進行定位時，受粗大誤差及傳感器測量噪聲的干擾較大，系統(tǒng)魯棒性較弱。因此，多源數(shù)據(jù)融合算法的引入可以有效提高原有單一定位算法的測試準確度和抗干擾能力。

圖5 Matlab仿真結(jié)果Fig.5 Test results of Matlab simulation

參數(shù)加權(quán)質(zhì)心算法多源數(shù)據(jù)融合算法定位誤差/%0.580.28定位覆蓋率/%78.489.2最大誤差距離/mm119.2783.89最小誤差距離/mm82.4240.21平均誤差距離/mm102.3662.19誤差標準差/mm77.6223.91

4 試驗

4.1 溫室大棚室內(nèi)試驗驗證方案設(shè)計

雖然多源數(shù)據(jù)融合算法在仿真中獲得了較為理想的定位精度，但是實際測試條件較仿真相比更加復雜，檢測數(shù)據(jù)時常受到被測目標的振動、電磁干擾、障礙物遮擋等不確定因素的影響，因此，需要在實際溫室大棚室內(nèi)環(huán)境下進一步進行驗證試驗(簡稱溫室試驗)。利用實驗室開發(fā)的CMT-20LP無線測距模塊進行測距(圖6b)，CMT-20LP無線模塊工作于2.4 GHz ISM頻段，既可以高速傳輸數(shù)據(jù)(最高可達2 Mb/s)，又可以精確測距(室外測距精度高達1 m)，且測距和數(shù)據(jù)通信可以同時完成。CMT-20LP模塊采用線性調(diào)頻(CSS)調(diào)制方式，信號帶寬為22 MHz和80 MHz，采用符合 IEEE802.15.4a標準的無線收發(fā)器芯片nanoLOC TRX Transceiver(NA5TR1)，增加了輸出PA(功率放大器)、輸入LNA(低噪聲放大器)、收發(fā)轉(zhuǎn)換控制電路，輸出匹配到50 Ω，使用方便，并且向下兼容nanoPAN 5375模塊，可以直接代換，室內(nèi)定位系統(tǒng)結(jié)構(gòu)如圖7所示。

圖6 測試系統(tǒng)結(jié)構(gòu)圖Fig.6 Structure diagrams of testing system1.芯片核心板 2.電池 3.芯片底板

圖7 室內(nèi)定位系統(tǒng)結(jié)構(gòu)Fig.7 Structure of indoor positioning system1.數(shù)據(jù)采集終端 2.參考點 3.機器人

4.2 試驗結(jié)果及分析

將溫室機具作業(yè)軌跡室內(nèi)定位系統(tǒng)安裝在長40 m、寬30 m的溫室大棚中進行田間驗證試驗，試驗中檢測系統(tǒng)模擬仿真情況，溫室機具作業(yè)軌跡跟蹤測試設(shè)備沿固定路線，從起點開始，以0.1 m/s的速度勻速行進，運動過程中固定于溫室大棚頂部的參考節(jié)點獲得與運動節(jié)點的距離信息，利用ZigBee無線通信網(wǎng)絡(luò)[19-22]將定位信息發(fā)給數(shù)據(jù)采集終端，與此同時，位姿動態(tài)跟蹤模塊將檢測系統(tǒng)運動的慣性參數(shù)實時上傳到數(shù)據(jù)采集終端中，利用多源數(shù)據(jù)融合算法對采集信號進行處理，獲得檢測系統(tǒng)的位置信息。本試驗反復進行10次，數(shù)據(jù)傳輸頻率50 Hz，根據(jù)采樣時間，每10 s取一固定點，根據(jù)起點位置、運動速度與運動軌跡(圖4)通過計算獲得該點理論坐標位置，再在測試結(jié)果中提取該點10次測試結(jié)果，分別利用單一加權(quán)質(zhì)心算法和多源數(shù)據(jù)融合算法計算定位測試結(jié)果。按照該方法，在試驗結(jié)果中隨機取21點進行分析，試驗數(shù)據(jù)及分析結(jié)果如圖8、表2所示。

將溫室試驗結(jié)果與仿真結(jié)果進行比較，其在定位誤差、誤差覆蓋率中的數(shù)據(jù)一致性較好，在誤差分析結(jié)果中，兩種算法誤差標準差明顯增大，這主要是由于在實際溫室測試環(huán)境中，檢測設(shè)備受到人或作物的遮擋以及外圍電氣設(shè)備電磁干擾的概率增大，測試結(jié)果的可靠性及一致性下降，影響到定位準確性，但是即便如此，從溫室試驗結(jié)果可以看出，多源融合數(shù)據(jù)算法進行定位時，其各項指標明顯優(yōu)于僅依賴RSSI測距結(jié)果的加權(quán)質(zhì)心算法，其定位誤差最大值不超過0.125 m，定位誤差小于0.4%，達到較高定位精度。

圖8 溫室試驗單一算法與多源數(shù)據(jù)融合算法試驗結(jié)果比較Fig.8 Comparison of single algorithm and multi-source data fusion algorithm in greenhouse test

參數(shù)加權(quán)質(zhì)心算法多源數(shù)據(jù)融合算法定位誤差/%0.5420.369定位覆蓋率/%80.188.4最大誤差距離/mm177.45121.10最小誤差距離/mm50.9920.52平均誤差距離/mm105.7669.20誤差標準差/mm65.9243.91

5 結(jié)論

(1)將慣性傳感器技術(shù)運用于溫室機具室內(nèi)動態(tài)跟蹤系統(tǒng)中，基于最優(yōu)化自回歸理論，提出了多源數(shù)據(jù)融合定位方法，該方法運用無線RSSI測距原理，使用加權(quán)質(zhì)心算法進行測距定位，針對其存在的定位誤差進行校正，獲得了較好的定位精度。

(2)闡述了多源數(shù)據(jù)融合算法建立過程，以及測量變量與狀態(tài)變量間關(guān)系矩陣的推導過程，通過仿真，獲得單一定位算法與多源數(shù)據(jù)融合算法的比較結(jié)果。

(3)通過溫室大棚室內(nèi)驗證試驗結(jié)果分析表明，基于多源數(shù)據(jù)融合算法的實際測試定位精度不大于0.125 m，定位誤差小于0.4%，能夠獲得較為準確的溫室機具室內(nèi)作業(yè)定位及動態(tài)作業(yè)軌跡跟蹤結(jié)果，但通過仿真與溫室試驗的比較可知，該算法受到實際測試環(huán)境的干擾時，其測試結(jié)果的準確性受到一定程度的影響，其測量誤差的控制有待于進一步提高。

1 LUTHY K A, E GRANT D, HENDERSON T C. Leveraging RSSI for robotic repair of disconnected wireless sensor networks[C]∥Proceedings of 2007 IEEE International Conference on Robotics and Automation, 2007: 10-14.

2 KWON O H, SONG H J, SANGJOON P. The effects of stitching orders in patch-and-stitch WSNs localization algorithms[J].IEEE Transactions on Parallel and Distributed Systems,2009,20(9):1380-1391.

3 徐玉濱,鄧志安,馬琳.基于核直接判別分析和支持向量回歸的WLAN室內(nèi)定位算法[J].電子與信息學報,2011,33(4):896-901. XU Yubin, DENG Zhian, MA Lin. WLAN indoor positioning algorithm based on KDDA and SVR[J]. Journal of Electronic & Information Technology, 2011,33(4):896-901. (in Chinese)

4 鄧彬偉,黃光明.無線傳感器網(wǎng)絡(luò)移動節(jié)點輔助定位算法[J].儀器儀表學報,2011,32(3):564-570. DENG Binwei, HUANG Guangming. Mobile-assisted localization algorithm for wireless sensor network[J]. Chinese Journal of Scientific Instrument, 2011,32(3):564-570. (in Chinese)

5 WANG Xin, FU Han, CHEN Du, et al. Anti-interference optimal design of grain combine harvester multiple target working speed control mode[J]. Materials Processing and Manufacturing III,2013,21(7): 23-26.

6 王俊,李樹強,劉剛.無線傳感器網(wǎng)絡(luò)三維定位交叉粒子群算法[J/OL]. 農(nóng)業(yè)機械學報，2014, 45(5):233-238. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20140536&flag=1. DOI:10.6041/j.issn.1000-1298.2014.05.036. WANG Jun, LI Shuqiang, LIU Gang. Three-dimensional localization method of agriculture wireless sensor networks based on crossover particle swarm optimization[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(5):233-238. (in Chinese)

7 宋震龍,蔣剛毅,黃晁,等.基于偏度-峰度檢驗的無線局域網(wǎng)室內(nèi)定位算法[J].通信學報,2012,33(5):99-105. SONG Zhenlong, JIANG Gangyi, HUANG Chao, et al. WLAN indoor positioning algorithm based on skewness-kurtosis testing[J]. Journal on Communication, 2012,33(5):99-105. (in Chinese)

8 高紅菊,劉艷哲,陳莎.基于改進K-means算法的WSN簇頭節(jié)點數(shù)據(jù)融合[J/OL]. 農(nóng)業(yè)機械學報,2015, 46(增刊):162-167. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=2015S027&flag=1.DOI: 10.6041 /j.issn.1000-1298.2015.S0.027. GAO Hongju, LIU Yanzhe, CHEN Sha. Fusion of WSN cluster head data based on improved K-means clustering algorithm[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015,46(Supp.):162-167. (in Chinese)

9 王紀章,彭玉禮,李萍萍.基于事件驅(qū)動與數(shù)據(jù)融合的溫室WSN節(jié)能傳輸模型[J/OL].農(nóng)業(yè)機械學報,2013,44(12):257-261. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20131243&flag=1. DOI: 10. 6041/j.issn.1000-1298.2013.12.043. WANG Jizhang, PENG Yuli, LI Pingping. Energy transmission model of WSN in greenhouse based on event-driven and data fusion[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2013,44(12):257-261. (in Chinese)

10 任春華,陳燦,王滿喜,等.一種慣性測量與距離組合的定位修正方法研究[J].儀器儀表學報,2013,34(11):2513-2519. REN Chunhua, CHEN Can, WANG Manxi, et al. Research on a positioning correction method with inertial measurement in combination with distance[J]. Chinese Journal of Scientific Instrument,2013,34(11):2513-2519. (in Chinese)

11 張美娜,尹文慶,林相澤,等.RTK-DGPS融合慣性傳感器的農(nóng)用車輛導航參數(shù)計算方法[J/OL].農(nóng)業(yè)機械學報,2015,46(5):7-12. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150502&flag=1. DOI: 10.6041 /j. issn.1000-1298.2015.05.002. ZHANG Meina, YIN Wenqing, LIN Xiangze, et al. A method for calculating navigation parameters via RTK-DGPS fusing inertial sensor for agricultural vehicle[J/OL]. Transactions of the Chinese Society for Agricultural Machinery,2015, 46(5):7-12. (in Chinese)

12 韓文霆,王毅.西紅柿溫室內(nèi)無線傳感器網(wǎng)絡(luò)2.4 GHz信道傳播特性[J/OL].農(nóng)業(yè)機械學報,2014,45(10):264-271. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20141041&flag=1.DOI: 10.6041/j.issn.1000-1298.2014.10.041. HAN Wenting, WANG Yi. Signal transmission characteristics of 2.4 GHz wireless sensor network in tomato greenhouse[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014,45(10):264-271. (in Chinese)

13 熊志廣,石為人,許磊,等.基于加權(quán)處理的三邊測量定位算法[J].計算機工程與應(yīng)用,2010,46(22):99-102. XIONG Zhiguang, SHI Weiren, XU Lei, et al. Trilateration localization algorithm based on weighted disposal[J]. Computer Engineering and Applications, 2010, 46(22):99-102. (in Chinese)

14 汪苑,林錦國,卓曉冬.基于ZigBee與加權(quán)質(zhì)心法的室內(nèi)定位方案研究[J].機床與液壓,2012,40(1):61-64. WANG Yuan, LIN Jinguo, ZHUO Xiaodong. Study of indoor location scheme based on ZigBee combined with weighted qualitative method[J]. Machine Tool & Hydraulics, 2012,40(1):61-64. (in Chinese)

15 張慧敏,柴毅,許磊.無線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心相對定位算法[J].計算機工程與應(yīng)用,2010,46(28):22-24. ZHANG Huimin, CHAI Yi, XU Lei. Weighted centroid relative localization algorithm in wireless sensor network[J]. Computer Engineering and Applications,2010,46(28):22-24. (in Chinese)

16 尹曉紅,趙韓,吳焱明,等. 基于卡爾曼濾波的自動引導車串級軌跡跟蹤控制[J]. 農(nóng)業(yè)機械學報,2010,41(2):180-184. YIN Xiaohong, ZHAO Han, WU Yanming, et al. Canscade tracking control for AGV based on Kalman filter[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010,41(2):180-184. (in Chinese)17 顧玲,管榮根.基于卡爾曼濾波數(shù)據(jù)融合的并聯(lián)機床動態(tài)定位方法[J].機械工程學報,2007,43(7):195-201. GU Ling, GUAN Ronggen. Dynamic positioning method for parallel machine based on Kalman filtering data fusion[J]. Chinese Journal of Mechanical Engineering, 2007,43(7):195-201. (in Chinese)

18 李莉,張彥娥,汪懋華,等. 現(xiàn)代通信技術(shù)在溫室中的應(yīng)用[J].農(nóng)業(yè)機械學報,2007,38(2):195-200. LI Li, ZHANG Yan’e, WANG Maohua, et al. Communication technology for sustainable greenhouse production[J]. Transactions of the Chinese Society for Agricultural Machinery,2007,38(2):195-200. (in Chinese)

19 王新,趙斯琪,王力揚,等.果園作業(yè)車穩(wěn)定性控制方法研究[J/OL].農(nóng)業(yè)機械學報,2015,46(5):13-18.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150503&flag=1. DOI: 10.6041/j.issn.1000-1298.2015.05.003. WANG Xin, ZHAO Siqi, WANG Liyang, et al. Stability control method fororchard vehicle [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015,46(5):13-18. (in Chinese)

20 孫玉文,沈明霞,張祥甫,等.基于嵌入式ZigBee技術(shù)的農(nóng)田信息服務(wù)系統(tǒng)設(shè)計[J].農(nóng)業(yè)機械學報, 2010,41(5):148-151. SUN Yuwen, SHEN Mingxia, ZHANG Xiangfu, et al. Design of embedded agricultural intelligence services system based on ZigBee technology[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010,41(5):148-151. (in Chinese)

21 盛平,郭洋洋,李萍萍.基于ZigBee和3G技術(shù)的設(shè)施農(nóng)業(yè)智能測控系統(tǒng)[J/OL].農(nóng)業(yè)機械學報,2012,43(12): 229-233. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20121241&flag=1. DOI:10.6041/j.issn.1000-1298.2012.12.041. SHENG Ping, GUO Yangyang, LI Pingping. Intelligent measurement and control system of facility agriculture based on ZigBee and 3G[J/OL]. Transactions of the Chinese Society for Agricultural Machinery,2012,43(12): 229-233. (in Chinese)

22 MAO Xu, WANG Xin, ZHANG Junchao, et al. Design of electric orchard vehicle four-wheel steering control system [J]. Applied Mechanics and Materials, 2013, 4(2): 245-248.

Greenhouse Agricultural Machinery Indoor Positioning Method

WANG Xin1XU Miao1ZHANG Jingkai2LIU Wang2LI Weiwei1WANG Shumao1

(1.CollegeofEngineering,ChinaAgriculturalUniversity,Beijing100083,China2.AgricultureMachineryTestingAppraisalandExtensionStationofBeijing,Beijing100078,China)

The agricultural machinery positioning, dynamic tracking and working area calculation in greenhouse were focused on, and an optimum indoor positioning algorithm was proposed based on multi-source data fusion theory. The above method firstly relied on inertia navigation measurement technology to estimate initial value of target positioning; then wireless RSSI ranging technology and weighted centroid algorithm were adopted to obtain positioning measurements; and optimum calculation was conducted with Kalman filtering algorithm to eliminate errors in the end, which were common in present measurement using single measurement technology and caused by data drift, signal obstruction, electromagnetic interference and other factors, in order to acquire accurate positioning information, realize real-time dynamic tracking and calculate working area. In Matlab simulation analysis, the positioning algorithm evaluation indexes were established to assess positioning effect and it was found that the proposed algorithm had better positioning accuracy and stability than single wireless RSSI indoor positioning algorithm. In the field test, the results showed that indoor positioning accuracy was not more than 0.125 m and error was less than 0.4%, which could effectively meet demands of agricultural machinery positioning and real-time dynamic tracking in greenhouse.

greenhouse; agricultural machinery; positioning; working track; multi-source data fusion; Kalman filtering

10.6041/j.issn.1000-1298.2017.01.004

2016-09-25

2016-11-01

國家自然科學基金項目(51405492)和北京市科技計劃項目(D151100003715001)

王新(1982—)，女，副教授，博士生導師，主要從事農(nóng)業(yè)裝備智能測控技術(shù)研究，E-mail： wangxin117@cau.edu.cn

S625.3

A

1000-1298(2017)01-0021-08