采用切割器扭矩前馈（cutter torque-feedforward）- SMC（Smith-Mason-Clark）和底盘逆向最优控制（chassis ICOA-Smith-RBF-PID）策略的果园割草机器人的自适应模糊协调控制

《Computers and Electronics in Agriculture》：Adaptive fuzzy coordinated control of orchard mowing robots using cutter torque-feedforward–SMC and chassis ICOA–Smith–RBF–PID strategies

负载自适应割草机器人协同控制系统研究，提出基于模糊推理的刀架-底盘动态耦合机制，结合扭矩前馈滑模控制器与Smith-RBF-PID优化控制算法，实现复杂地形下的稳定高效除草。 simulations show 13.57% error reduction over baseline, field tests achieve 92.67% mowing efficiency with no motor stall.

　　

黄学凯|王正|王晓婵|史银燕|黄晓鹏|王博伟|林乐斌|王彦欣

南京农业大学工程学院，南京 210031，中国

摘要

在果园的行间，由于地面上散布着石头、树枝和杂物，杂草通常会不均匀地生长成片状。经验性的操作参数可能导致割草机器人的切割机构和驱动电机在突然的负载下失速，从而降低效率和质量，并增加损坏的风险。本研究提出了一种负载自适应控制策略，该策略将刀片旋转速度与底盘前进速度联系起来。模糊控制器根据刀片电机的偏差及其变化率来调节前进速度，而滑模控制器结合扭矩前馈状态观测器来控制切割电机。底盘采用Smith–径向基函数（RBF）–比例-积分-微分（PID）控制器来抑制相位滞后，其参数通过改进的chimp优化算法（ICOA）进行优化，该算法结合了反向学习、距离加权更新和高斯变异技术。仿真结果表明，ICOA在15次迭代后收敛，目标函数值为0.2413，相比基准情况误差减少了13.57%。ICOA–Smith–RBF–PID控制器的上升时间为0.0335秒（阶跃响应），最大速度误差分别为0.0039米/秒（阶跃变化）和0.0038米/秒（正弦波变化）。刀片速度控制器在阶跃响应下的响应时间为0.0163秒，在负载变化下的响应时间为0.0246秒，连续扰动下的最大速度误差为15.33米/分钟。在单块果园的五行作物上进行现场测试，平均割草效率、碎草效果和切割稳定性分别为92.67%、89.41%和88.98%，且未出现电机失速现象。所提出的策略确保了在动态果园条件下的稳定、高效和精确割草；证明了其在丘陵果园中的鲁棒适用性；并为农业机器人技术的协调控制提供了参考。

引言

割草控制对于果园植物保护和管理至关重要（Li等人，2023年；Pedraza和Gonzalez-Andujar，2025年）。杂草与果树竞争水分、养分和阳光，并成为病虫害的宿主，严重影响产量和果实品质（Wang等人，2019年；Matsuda等人，2023年；Caras等人，2024年）。尽管传统的化学除草方法效率较高，但常常会造成环境污染并降低果实品质。相比之下，人工除草劳动强度大且效率低下，不适合大规模果园使用。因此，机械化割草因其高效性和环保性而受到关注。其中，电动自驱动割草机器人由于其移动性和强大的适应性表现出显著的应用潜力（Xie等人，2023年；Brown等人，2025年；Parajuli等人，2025年）。

近期关于提高果园割草效率的研究主要集中在设备设计和操作参数优化上。Jia等人（2025年）进行了响应面实验，以确保避障割草机的稳定运行，分析了前进速度、液压缸伸出速度和收回速度对割草效率的影响。Shen等人（2023年）设计了一种带有集成清扫盘的割草机，利用ADAMS–EDEM耦合模型和二次回归测试来确定最佳割草和清扫参数。Gagliardi等人（2022年）提出了一种链式自动避树割草机，并测试了不同行驶速度和刀片旋转速度对农林业系统割草效率的影响。Lei等人（2022年）开发了一种单侧避障割草机，并通过数学建模和多体动力学仿真进行了多参数实验，以获得最佳工作速度、刀片旋转速度和刀片参数。尽管这些研究在静态或理想条件下实现了参数优化，但它们对杂草分布不均和生长条件多变的复杂田间环境的适应能力有限，限制了其在实际果园操作中的应用（Mia等人，2020年；Ye等人，2024年；Raja等人，2025年）。

为了克服传统参数优化方法的局限性，研究人员引入了负载感知和实时控制机制以提高系统的适应性。Miao等人（2025年）提出了一种基于工作环境（坡度）、草况（高度和含水量）和车辆状态的爬行式割草机负载分配策略；然而，该模型仍过于理想化，与实际操作条件存在差异。Ling等人（2025年）采用了模糊径向基函数（RBF）神经网络比例-积分-微分（PID）控制算法，在丘陵和山地地形中保持运行稳定性。他们的方法根据路径偏差和姿态扰动自适应调整轮速和转向角度，确保工具与地面的良好接触，提高了覆盖率和切割一致性。Jiang等人（2023年）将视觉识别与速度反馈结合，实现了割草单元和底盘之间的动态协调，使用七段S形加速度和减速算法优化启动-停止和喷洒序列，以确保平稳的运动过渡。

这些研究在参数协调和姿态稳定性方面取得了显著进展，但主要集中在控制割草姿态上，而非底盘运动与割草系统之间的实时协调。在实际果园操作中，自驱动割草机器人仍面临多个挑战：它们的前进速度和刀片旋转速度通常基于经验手动设置，缺乏对变化条件的动态适应性。因此，在地形不平、有石头、树枝和杂草分布不规则等复杂环境中，它们容易出现切割遗漏、切割不彻底，甚至刀片负载过重或电机过载失速的情况，从而降低操作效率并增加设备磨损和能耗（Soleimani，2024年；Upadhyay等人，2024年）。

为了解决这些问题，本研究提出了一种负载自适应的刀片-底盘协同控制方法，包括以下内容：（1）建立基于模糊推理的实时耦合机制，根据实时工作阻力动态调整机器人的前进速度；（2）为刀片电机设计扭矩前馈–滑模控制器，以增强抗干扰能力并保持在不同负载下的切割稳定性；（3）为底盘开发Smith–RBF–PID控制器，并通过改进的chimp优化算法（ICOA）实现参数自调，从而提高速度控制的响应性和稳定性。

本研究的独特贡献在于集成了负载感知、刀片速度稳定和底盘延迟补偿功能，促进了动态工作条件下刀片与底盘之间的实时协调和高效协同。

割草机器人的整体机械结构

割草机器人由磷酸铁锂电池电源系统、中央安装的割草单元、残茬高度调节机构和驱动系统组成，如图1所示。割草单元采用直刀片切割器，直接由无刷直流（BLDC）电机驱动，最小化了传动损失并提高了碎草效率。切割高度通过电动推杆执行器调节，该执行器控制一个可活动板，从而

割草机器人的协调控制系统设计

在割草刀片和底盘的协同控制中，关键在于在不同负载下实现它们速度的准确和协调调节。在复杂的果园环境中，切割电机经常受到负载扰动，传统控制器难以及时抑制速度波动，影响切割质量。同时，底盘驱动系统存在传动延迟，导致其速度响应滞后于刀片负载的变化。

ICOA的性能比较

为了验证ICOA在搜索速度和优化精度方面的优势，对COA、GOOSE算法（Hamad等人，2024年）、河马优化（HO）算法（Amiri等人，2024年）和果蝇优化算法（FOA）（Pan等人，2012年）进行了比较。每种算法独立运行50次，每次迭代记录目标函数值，然后对结果进行平均并绘制收敛曲线（图9）。优化结果如下所示

结论

本研究提出了一种适用于果园割草机器人的负载自适应刀片-底盘协同控制框架。其核心创新在于采用问题驱动的系统集成方法，没有直接采用多种经典控制方法，而是根据果园环境的动态和非结构化特点对其进行重新设计和结构融合。通过集成模糊推理、扭矩前馈–滑模控制器和ICOA优化的Smith–RBF–PID机制，系统

CRediT作者贡献声明

黄学凯：撰写 – 原稿撰写、软件开发、方法论设计、数据整理、概念构思。王正：撰写 – 审稿与编辑、软件开发。王晓婵：撰写 – 审稿与编辑、监督、资金获取、形式分析。史银燕：撰写 – 审稿与编辑、监督、资金获取、形式分析。黄晓鹏：数据整理。王博伟：撰写 – 审稿与编辑、验证。林乐斌：撰写 – 审稿与编辑、形式分析。王彦欣：验证，

资助

本工作得到了中国国家重点研发计划[项目编号2023YFD2000304和2023YFD2000305-04]、中央高校基本科研业务费[项目编号KJYQ2025043]以及甘肃省农业机械研发、制造、推广与应用集成试点项目[项目编号6–1]的支持。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。