本發(fā)明屬于農(nóng)機導航與定位，尤其涉及一種考慮振動誤差自適應(yīng)補償?shù)氖斋@機gnss/ins融合定位裝置與方法。

背景技術(shù)：

1、隨著農(nóng)業(yè)現(xiàn)代化進程的加快，精準農(nóng)業(yè)技術(shù)逐漸成為提高農(nóng)業(yè)生產(chǎn)效率和作業(yè)質(zhì)量的關(guān)鍵。在精準農(nóng)業(yè)中，收獲機的精確導航和定位是提高作物收獲效率、減少資源浪費的關(guān)鍵。傳統(tǒng)的收獲機定位系統(tǒng)主要依賴于全球?qū)Ш叫l(wèi)星系統(tǒng)（gnss）和慣性導航系統(tǒng)（ins）的結(jié)合。gnss提供了全球覆蓋的定位服務(wù)，但其信號易受外界環(huán)境的影響，如樹木遮擋、建筑物干擾等，特別是在收獲機作業(yè)時，由于機器本身的振動和顛簸，gnss信號的接收質(zhì)量會進一步下降，導致定位精度降低。ins能夠提供連續(xù)的導航信息，但在沒有外部輸入的情況下，其累積誤差會隨著時間增長，影響定位的長期精度。此外，收獲機在作業(yè)過程中產(chǎn)生的振動和沖擊會對ins的傳感器造成干擾，進一步加劇了定位誤差。目前，收獲機的gnss/ins融合定位系統(tǒng)缺乏考慮振動誤差，該誤差會加劇gnss/ins融合定位系統(tǒng)的定位誤差，對收獲機作業(yè)產(chǎn)生影響。因此，如何補償振動誤差對gnss/ins定位的影響以提高融合系統(tǒng)的定位精度成為亟待解決的問題。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供了一種考慮振動誤差自適應(yīng)補償?shù)氖斋@機gnss/ins融合定位裝置與方法，通過建立振動誤差補償模型補償gnss數(shù)據(jù)，并將補償后的gnss數(shù)據(jù)與ins數(shù)據(jù)融合，以此提高收獲機定位精度，推動農(nóng)機導航與定位技術(shù)的發(fā)展。

2、本發(fā)明通過以下技術(shù)手段實現(xiàn)上述技術(shù)目的。

3、一種考慮振動誤差自適應(yīng)補償?shù)氖斋@機gnss/ins融合定位方法，包括如下過程：

4、步驟1：主機控制振動傳感器、gnss/ins融合定位系統(tǒng)啟動，采集收獲機振動信息、定位信息和定向信息并傳遞至主機；

5、步驟2：主機建立收獲機在怠速、運輸、收割三種工況下的振動誤差補償模型；

6、步驟3：主機根據(jù)振動特征使用rbf模型識別當前工況，然后選擇相應(yīng)的振動誤差補償模型，輸出補償后的gnss數(shù)據(jù)；

7、步驟4：主機使用隨機森林算法融合補償后的gnss數(shù)據(jù)與ins數(shù)據(jù)；

8、步驟5：輸出融合數(shù)據(jù)為收獲機提供定位信息。

9、進一步地，所述步驟2中，收獲機處于怠速行駛狀態(tài)時，振動誤差具備線性特征：

10、

11、補償公式為：

12、

13、其中，表示線性誤差；表示收獲機處于怠速狀態(tài)；是與振動幅度相關(guān)的比例系數(shù)；是與振動相關(guān)的測量值；是收獲機怠速行駛時gnss的測量值；是收獲機怠速行駛時gnss補償后的值。

14、進一步地，所述步驟2中，收獲機處于運輸糧食狀態(tài)時，振動誤差近似為線性誤差，但受振動頻率的影響：

15、

16、補償公式為：

17、

18、其中，是與振動頻率有關(guān)的誤差，表示收獲機處于運輸狀態(tài)；是振動頻率的函數(shù)；是與振動相關(guān)的測量值；是收獲機運輸糧食時gnss的測量值；是收獲機運輸糧食時gnss補償后的值。

19、進一步地，所述步驟2中，收獲機處于收割糧食狀態(tài)時，振動誤差為非線性誤差：

20、

21、補償公式為：

22、

23、其中，是非線性振動誤差，表示收獲機處于收割狀態(tài)；是與振動相關(guān)的測量值；、、是模型參數(shù)；是收獲機收割糧食時gnss的測量值；是收獲機收割糧食時gnss補償后的值。

24、進一步地，所述步驟3中，主機根據(jù)振動特征使用rbf模型識別當前工況的具體方法如下：

25、步驟3.1：首先振動傳感器采集收獲機不同工況下的振動頻率、振幅、振動加速度作為樣本數(shù)據(jù)并發(fā)送給主機，主機對接收到的數(shù)據(jù)預(yù)處理，提取振動加速度、振幅；

26、步驟3.2：主機對振動加速度積分，得到振動速度，進而得到振動特征向量，，是振動傳感器工作時間；

27、步驟3.3：根據(jù)振動特征向量手動分類收獲機振動工況，將分類結(jié)果與振動特征向量一同輸入rbf訓練模型，采用自組織選取中心學習方法獲取rbf模型中隱藏層節(jié)點的中心向量、寬度參數(shù)、權(quán)重；

28、步驟3.4：主機根據(jù)步驟3.3的結(jié)果構(gòu)建rbf模型；

29、步驟3.5：主機在rbf模型輸入層輸入振動特征向量，得到徑向基函數(shù)輸出值；

30、步驟3.6：在輸出層對做進一步處理：

31、

32、其中，是第?個隱藏層節(jié)點的權(quán)重；是輸出層輸出值；（=1，2，3，…，）是隱藏層節(jié)點；是隱藏層節(jié)點數(shù)量；

33、步驟3.7：對進行歸一化處理，以得到每個類別的概率：

34、

35、其中，是輸出層中對應(yīng)于第個隱藏層節(jié)點的輸出值；是softmax函數(shù)；

36、比較中每個類別的概率值，進而確定輸入的振動特征向量所屬工況類別。

37、進一步地，所述步驟4的具體方法如下：

38、步驟4.1：首先使用線性插值對齊ins數(shù)據(jù)和補償后的gnss數(shù)據(jù)的時間戳：

39、

40、

41、

42、其中，是gnss時間戳；是ins時間戳；是斜率，表示ins時間戳每增加一個單位時，gnss時間戳的平均增加量；是截距，表示當ins時間戳為0時，gnss時間戳的初始偏移量；ins時間戳對應(yīng)gnss時間戳；ins時間戳對應(yīng)的gnss時間戳；

43、步驟4.2：提取ins和補償后的gnss特征數(shù)據(jù)，構(gòu)建隨機森林輸入特征：

44、

45、其中，、、是gnss和ins的特征數(shù)據(jù)；

46、步驟4.3：構(gòu)建隨機森林模型：

47、

48、

49、其中，是基于特征的預(yù)測函數(shù)；是隨機森林中樹的數(shù)量；是一棵樹的預(yù)測；是第棵樹的預(yù)測；是棵樹共同的投票結(jié)果；

50、步驟4.4：gnss/ins融合定位系統(tǒng)、振動傳感器采集樣本數(shù)據(jù)訓練隨機森林模型；

51、步驟4.5：使用均方差mse評估訓練后的隨機森林模型的性能；

52、步驟4.6：將構(gòu)建的隨機森林輸入特征作為特征代入評估合格的隨機森林模型，求解得到融合數(shù)據(jù)。

53、一種用于實現(xiàn)上述考慮振動誤差自適應(yīng)補償?shù)氖斋@機gnss/ins融合定位方法的融合定位裝置，通過焊接或螺栓螺母連接方式與農(nóng)機固定，包括控制模塊、數(shù)據(jù)傳輸模塊、傳感器、支撐結(jié)構(gòu)；

54、支撐結(jié)構(gòu)包括居中安裝在鋁型材框架上的設(shè)備盒，設(shè)備盒頂部通過合頁鉸鏈設(shè)備盒蓋子，設(shè)備盒側(cè)壁開孔，作為數(shù)據(jù)傳輸模塊的線路出口；兩個蘑菇頭天線支座分別安裝在鋁型材框架兩端位置處，用于安裝數(shù)據(jù)傳輸模塊；

55、傳感器包括安裝在設(shè)備盒蓋子上的振動傳感器和安裝在設(shè)備盒角落的gnss/ins融合定位系統(tǒng)；振動傳感器用于獲取收獲機振動信息，gnss/ins融合定位系統(tǒng)用于獲取收獲機定位信息和定向信息；

56、控制模塊包括安裝于gnss/ins融合定位系統(tǒng)上方且由設(shè)備盒內(nèi)部凸臺支撐的主機；數(shù)據(jù)傳輸模塊包括安裝在設(shè)備盒側(cè)壁的4g通信模塊，其上安裝有4g模塊天線，還包括安裝在蘑菇頭天線支座上的蘑菇頭天線。

57、本發(fā)明具有如下有益效果：

58、（1）首次提出考慮振動誤差自適應(yīng)補償?shù)氖斋@機gnss/ins融合定位裝置與方法，通過建立振動誤差補償模型，并融合gnss/ins數(shù)據(jù)，顯著提高了田間作業(yè)農(nóng)機的導航精度。

59、（2）融合rbf算法和softmax函數(shù)，實時識別農(nóng)機工況狀態(tài)，自適應(yīng)振動誤差補償模型，可以及時根據(jù)農(nóng)機工況變換振動誤差補償模型，避免振動工況與振動誤差補償模型不匹配的問題。

60、（3）搭建了農(nóng)機在怠速、運輸、收割工況下的振動誤差補償模型，用于補償農(nóng)機工作時振動對導航精度的影響，解決傳統(tǒng)收獲機導航定位振動影響過大問題。