2. 农机自动驾驶系统概述

农机自动驾驶并不是单一控制器或单一传感器的能力，而是一套从“感知环境与自身状态”到“计算路径与控制量”再到“驱动转向、油门、机具”的闭环系统。理解它的最佳方式，是把它拆成感知层、决策层、执行层三条主线，再叠加通信、供电、人机交互与安全监控等支撑模块。只有三层协同，农机才能在田间稳定地沿规划路径行驶，并在复杂工况下保持可控。

一、系统组成：三层 + 支撑

从工程视角看，农机自动驾驶系统通常由以下部分组成：

• 感知层：GNSS/RTK 定位、IMU 姿态、轮角传感器、雷达/视觉、机具状态传感器等，负责获取位置、姿态、速度、障碍物与作业状态。
• 决策层：路径规划、地头转弯策略、跟踪控制算法、作业质量控制、安全仲裁与任务调度，负责“往哪走、怎么走、走多快”。
• 执行层：转向电机/液压阀、油门执行器、制动与离合控制、机具升降与变量执行机构，负责把控制量变成物理动作。
• 支撑模块：车载计算机、CAN/以太网通信、电源管理、人机交互终端、远程监控与数据记录。

二、感知层：定位、姿态与作业状态

感知层是自动驾驶的“眼睛和内耳”。在农机场景中，最关键的感知量是绝对位置、航向角、姿态角、速度与机具状态。RTK-GNSS 提供厘米级绝对位置，IMU 提供高频姿态与角速度，轮角传感器提供转向实际角度，雷达或视觉用于障碍物检测与边界识别。

感知层常见配置与作用如下表所示：

感知层的关键工程问题是时间同步与坐标统一。GNSS、IMU、轮角传感器频率不同，若不做时间对齐和坐标变换，融合后的位姿会出现滞后或跳变。通常需要把各传感器数据统一到车辆坐标系，并打上时间戳。

三、决策层：从路径到控制量

决策层是系统的“大脑”。它接收感知层的位姿与状态，结合任务规划，输出期望转角和期望速度。典型流程包括：

1. 路径规划：根据地块边界、作业幅宽和农艺要求，生成直线、地头转弯和掉头路径。
2. 路径跟踪：计算车辆当前位置与目标路径的横向偏差和航向偏差。
3. 控制律计算：常用纯追踪、Stanley、LQR 或 PID 方法，输出期望前轮转角。
4. 速度与作业控制：根据地块条件、机具负荷和转弯半径，决定油门与机具动作。
5. 安全仲裁：当障碍物过近、定位失锁或执行器异常时，降级或停车。

以纯追踪为例，其核心是根据前视距离和横向偏差计算期望转角，代码示意如下：

# 纯追踪控制示意（伪代码）
alpha = atan2(target_y - y, target_x - x) - yaw
delta = atan2(2 * L * sin(alpha), Ld)
steer_cmd = clamp(delta, -max_steer, max_steer)

其中 L 为轴距，Ld 为前视距离，alpha 为车辆与目标点的方位偏差。前视距离过小会导致震荡，过大则跟踪滞后，需要根据速度和地块曲率整定。

四、执行层：把控制量变成动作

执行层是“手脚”。农机自动驾驶的执行对象通常包括转向、油门、制动和机具。转向执行有电机式和液压阀式两类：电机式适合中小型农机，安装方便；液压阀式适合大马力拖拉机，响应快但需要改装液压回路。

执行层必须解决三个问题：

• 响应一致性：不同速度、不同负载下，执行器响应不同，需要标定。
• 反馈闭环：轮角传感器或液压压力反馈用于判断执行是否到位。
• 安全失效：断电、断通信或超差时，应自动回中或停车。

五、典型架构与工作流程

典型农机自动驾驶架构可概括为“感知—决策—执行—监控”四段式。下图给出一种常见车载架构与信号流：

工作流程可以概括为：上电自检 → 定位初始化 → 路径加载 → 自动驾驶激活 → 实时跟踪 → 地头转弯 → 作业结束 → 数据回传。每一步都需要状态判断，例如 RTK 是否固定解、IMU 是否收敛、执行器是否在线。只有条件满足，系统才允许进入自动驾驶模式。

六、案例与复盘：从“能走直”到“走得稳”

以东北某玉米播种作业为例，初期系统在直线段表现良好，但地头转弯时出现明显超调，播种行距不均。复盘发现：一是前视距离固定，未随速度调整；二是转向液压阀存在死区，小角度指令无响应；三是地头路径曲率变化快，规划未做平滑处理。调整后采用速度自适应前视距离、增加死区补偿并对地头路径做圆弧过渡，跟踪误差从 12 cm 降到 4 cm 以内。

综上，农机自动驾驶系统的本质是感知、决策、执行三层闭环，加上通信、供电、安全与交互等支撑。理解每一层的输入输出、时间特性和误差来源，才能在标定、调试和故障排查中快速定位问题，让自动驾驶从“能走”走向“走得准、走得稳、走得安全”。