《Computers and Electronics in Agriculture》：Row-alignment navigation and path tracking for a cotton-field residual-film recovery machine using cotton-stalk sensing and geomagnetic-aided inertial navigation
编辑推荐：
•
设计了带有交叉触杆的棉秆传感单元。
•
路径跟踪模型适应后轮转向配置。
- •
设计了带有交叉触杆的棉秆传感单元。
- •
路径跟踪模型适应后轮转向配置。
- •
控制模型结合了模糊PID控制和液压转向死区补偿。
- •
原型机现场测试验证了理论分析。
- •
该系统能可靠地适应有灰尘的环境。
引言
新疆是中国最大的棉花生产基地，占全国棉花产量的92.8%，并且连续32年位居单位面积产量榜首（Chen等，2026年）。地膜覆盖可以改善土壤的水分和热量条件，从而提高棉花产量，这是新疆棉花生产中的重要农艺措施（Kasirajan和Ngouajio，2012年）。然而，长期使用地膜会导致残留物在土壤中积累，造成农田中的白色污染（Liu等，2014年）。Zhang等（2016年）报告称，新疆农田中的地膜污染现象普遍存在，且积累风险很高。棉花田中的地膜残留物还表现出明显的积累和空间分布不均匀性（He等，2018年）。随着地膜残留量的增加，棉花的出苗、生长和产量都会受到影响（Hu等，2020年）。因此，提高机械化地膜回收的质量对于可持续的棉花生产至关重要。
关于地膜回收设备的研究主要集中在优化关键工作部件上。Liang等（2022a）分析了一种用于粉碎地膜和杂质混合物的设备的能耗。Fang等（2024）采用耦合的DEM-MBD方法优化了犁层回收机的地膜拾取部件。Huang等（2024）设计并优化了地膜回收机的抛掷装置。Yang等（2024）利用无人机图像监测了地膜污染情况。这些研究为回收设备的设计和评估提供了依据，但它们很少关注设备在操作过程中的行对齐问题。回收机必须沿着地膜带和棉田行移动，否则会错过地膜、堵塞通道，并不必要的扰动更多土壤。
自动导航可以提高田间作业的精度。机器视觉在农业机器人导航中得到广泛应用，因为它信息丰富且非接触式（Wang等，2022年），基于视觉的导航已成为农业机械的发展方向（Bai等，2023年）。Shi等（2023）总结了适用于田间机器人和自动驾驶车辆的作物行检测和导航方法。作物行检测已经从传统的图像处理发展到深度学习（Zhang等，2024a）。De Silva等（2024）指出，在复杂的田间条件下，基于视觉的作物行导航容易受到光照、遮挡和植株缺失的影响。在地膜回收过程中，地膜提升和输送部件会扰动土壤、棉秆和地膜，产生大量扬尘，这会干扰视觉和激光感知。虽然全球导航卫星系统和惯性导航系统的结合可以提供全局姿态信息，但由于播种误差、倒伏、植株缺失和土壤压实，实际的棉田行位置会与名义上的AB线产生偏差。
惯性导航是自我封闭的，但低成本微机电陀螺的偏差会随着时间的积累而增大，导致航向偏移。因此需要一个不会累积误差的绝对航向参考。磁力计用于测量地磁场以获取绝对航向。将其与惯性测量单元结合使用，可以实现地磁辅助惯性导航，这是低成本平台上获得可靠航向的主流方法。Fan等（2017）比较了在磁干扰条件下使用互补滤波和卡尔曼滤波进行磁航向估计的方法。Lee等（2018）通过排除异常磁场并将角速度与地磁信息融合来矫正移动机器人的航向。Cui等（2021）在车辆受到恒定铁磁干扰的情况下，应用了两阶段卡尔曼滤波进行惯性和磁力计航向估计，表明磁补偿和校准对精度有重要影响。在农业设备中，Zhang和Liao（2017）通过扩展卡尔曼融合微机电陀螺、加速度计和磁力计来求解姿态和航向。然而，田间车辆仍然依赖于预定义的AB线进行全局定位（Fue等，2020）或使用机器视觉进行行跟随（Liang等，2022b）。这两种方法在灰尘密集、没有卫星路径引导且含有铁磁组件的棉花田中都存在局限性。另一种地磁导航方法——地磁匹配或指纹识别，是通过将测量到的磁场与预先建立的地磁数据库进行比对来确定位置（He和Shin，2018）。这种方法不依赖于卫星，但需要提前测量地磁参考图。它主要解决位置匹配问题，而不是航向辅助，在每年棉田行位置变化的环境下不太适用。地磁辅助惯性导航在棉花田中的行对齐应用方面尚未得到充分研究。
基于接触的作物行 sensing 可以在有灰尘的环境中实现有效的行对齐。传感单元与棉秆接触，并将行相对于机器的位置变化转换为角度或位移信号。该信号不受光照和灰尘的影响。Chen等（2023）验证了这种基于接触的作物行检测方法在沿垄状结构移动的残膜收集器中的可行性。Ding等（2025）将接触传感器与GNSS和惯性测量单元结合起来，用于棉花采摘机的自动行对齐，提高了行间偏差测量的稳定性。然而，现有研究主要针对前轮转向机器或特定工具，因此后轮转向残膜回收机的行对齐控制问题尚未解决。
路径跟踪控制是实现稳定行对齐导航系统的核心。纯追逐算法具有良好的实时性能，被广泛用于车辆路径跟踪。Yang等（2022）通过优化目标点选择提高了农业机械的路径跟踪精度。Wang等（2023）指出，农业车辆的路径跟踪必须同时考虑车辆运动学和执行器响应。Xu等（2023）表明，模糊控制可以提高复杂底盘的路径跟踪稳定性。在后轮转向的残膜回收机中，转向轮位于后部，其工作部件与车身姿态响应相连。液压转向系统也存在死区和滞后，因此直接应用前轮转向控制模型可能会导致转向不足和轨迹振荡。
总之，在有灰尘的环境中实现可靠的棉秆 sensing、棉秆路径跟踪以及算法对后轮转向配置的适应性是行对齐导航的关键难点。液压助力转向齿轮内的内部泄漏会导致转向角死区和反向延迟。因此，本研究开发了一种结合棉秆 sensing 与地磁辅助惯性导航的行对齐导航方案。该方案在两个方面不同于以往的研究：基于磁力计的研究通常与GNSS结合，并依赖于全局定位或预定义的AB线，而提出的方案既不需要GNSS也不需要预先播种的AB线，且不构建地磁地图。地磁单元仅提供相对于棉田行参考方向的绝对航向角，不参与位置集成。横向位置通过交叉触杆 sensing 实时确定。当棉秆缺失或行断开时，系统会切换到地磁航向保持模式，从而避免惯性位置偏移，并在行间距较短时保持连续转向。在此基础上，本研究完成了四项任务：首先设计了交叉触杆传感单元，将其摆动角度与测量的航向角结合，以确定感知到的棉秆与机器之间的相对位置和横向偏差；其次将后轮转向的四轮底盘简化为两轮模型，推导出纯追逐转向角模型和所需的后轮右转角校正公式；第三构建了结合模糊PID控制和液压转向死区补偿的闭环后轮转向模型；第四在新疆库尔勒的棉花田中以2至10公里/小时的速度进行了行对齐导航测试，验证了该系统在棉花田环境中的准确性和稳定性。
章节摘要
测试平台和行对齐参考
测试平台是一款采用后轮转向的自走式残膜回收机，如图1所示。该机器的轴距为3.07米，轨道宽度为2.28米，采用全液压助力转向系统驱动的后轮转向配置。该平台适用于新疆棉花田中常用的单膜六行覆盖模式，在这种模式下，180厘米宽的地膜覆盖六行棉花，行间距为66厘米，中间有10厘米的间隔。
通过死区补偿消除转向振荡的仿真验证
为了模拟回收机在田间作业时的小幅度转向情况，激励信号发生器的幅度设置为3°，以模拟后轮转向角。然后在上述模型上进行了仿真测试。图13显示了右后轮转向角的跟踪响应。
研究贡献
本研究的核心贡献体现在三个方面。首先是传感方案：在棉花田的有灰尘环境中，非接触式传感方法容易受到干扰（例如机器视觉和激光传感）。纯粹基于卫星的导航通常依赖于预设的路径或之前播种的数据。为解决这些问题，本文提出了一种行对齐传感方案，它结合了交叉触杆棉秆 sensing 和地磁辅助惯性导航。
结论
棉田残膜回收面临灰尘干扰、不规则的棉秆残余行以及后轮液压转向系统的响应延迟问题。为解决这些问题，本文设计了一种基于交叉触杆棉秆 sensing 和地磁航向信息的行对齐导航系统。本文建立了横向偏差解析、后轮转向路径跟踪和液压转向闭环控制方法，并通过仿真和现场试验进行了验证。
CRediT 作者贡献声明
Maile Zhou：写作——审稿与编辑、可视化、软件开发、项目管理、资金筹集、数据管理、概念构思。 Jiasen Zhang：写作——初稿撰写、可视化、软件开发、方法论、数据管理。 Ding Zhang：写作——审稿与编辑、软件开发、方法论、数据管理。 Zhenhua Lin：写作——审稿与编辑、验证、监督、数据管理。 Jianjun Yin：监督、软件开发、资金筹集、数据分析。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
Maille Zhou|Jiasen Zhang|Ding Zhang|Zhenhua Lin|Jianjun Yin
