摘要
自主移动机器人正在现代智能果园中发挥越来越重要的作用，它们能够支持精准农业作业，比如定向喷药和自动采收。然而，在复杂且无结构的果园环境中实现高精度的轨迹跟踪以及稳定运动仍然面临挑战，因为不平整的地形和低牵引力的土壤所导致的跟踪偏差会直接影响作业的安全性与效率。为了解决这一难题，本研究提出了一种自适应跟踪控制器，该控制器结合了模型驱动与数据驱动的方法。首先，基于牛顿-欧拉方程建立了一个六状态平面动态模型来描述运动特性。其次，采用改进的粒子群优化算法在典型作业条件下进行离线参数优化，从而生成一个映射数据集，将果园移动机器人的实时运动状态与优化后的参数及权重相对应。最后，利用该数据集训练自适应神经模糊推理系统，使得MPC参数能够根据机器人的运动状态进行自适应调整。仿真与实验结果表明，在双车道变换和蛇形路径模拟中，所提出的控制器将横向和航向的均方根误差分别降低到0.0109米/0.0081弧度以及0.0102米/0.0117弧度，相比纯追踪控制、Stanley控制、线性二次调节器以及传统MPC，误差降低了49.30–85.58%和68.60–88.02%。在以0.3–0.6米/秒的速度沿圆形和8字形路径进行的果园实地测试中，横向均方根误差分别为0.0112–0.0182米和0.0156–0.0262米，相比传统MPC误差降低了46.94–61.52%，而航向均方根误差则始终低于0.0510弧度。这些结果证明了所提出控制器的有效性，它提升了系统的精度与适应性，为在果园环境中的作业提供了可靠且精准的控制方案。
