果园单轨运输机在轨状态感知系统研制

吕石磊，魏志威，吴奔雷，李 震，洪添胜

果园单轨运输机在轨状态感知系统研制

吕石磊1,2,3，魏志威1，吴奔雷1，李 震1,2,3※，洪添胜2,3,4

（1. 华南农业大学电子工程学院，广州 510642；2. 国家柑橘产业技术体系机械化研究室，广州 510642；3. 广东省农情信息监测工程技术研究中心，广州 510642；4. 华南农业大学工程学院，广州 510642）

针对山地果园单轨运输机作业环境受限、定位精度较低等问题，该研究基于高频RFID（Radio Frequency Identification）混合测速定位方法，设计了一套果园单轨运输机在轨状态精准感知系统。感知系统以STM32F103RCT6芯片为主控单元，利用双RFID阅读器读取基准定位标签组的时间差，使用混合测速定位方法，实时计算运输机的作业状态信息；设计了移动端监测软件，通过LoRa通信模块远程获取运输机实时作业状态信息。试验结果表明，运输机在平地路况中运行稳定，感知系统计算的全程平均行驶速度为0.49 m/s，依据秒表记录计算的全程平均行驶速度为0.48 m/s，二者速度相差2%；基准定位标签组间距为3.42 m时，运输机全程平均定位误差为6.18±0.60 cm；基准定位标签组间距为6.84 m时，运输机全程平均定位误差为6.46±1.14 cm。该研究验证了基于高频RFID精准感知单轨运输机在轨状态的可行性，提升了运输机作业安全性和智能性，可为实现果园生产精准作业提供可靠数据支持。

农业机械；自动化；果园；单轨运输机；RFID；混合测速定位；感知系统

0 引 言

中国南方果园多分布在丘陵山地中，农资和果品运输以人力为主，生产效率低，劳动强度大。在山地果园生产过程中，机械化运输提高生产效率、降低劳动强度的经济效益日趋显著[1-2]。山地果园单轨运输机具有安装结构简单、轨道铺设灵活、转弯半径小等特点[3]，操作人员可利用遥控技术远程控制运输机作业[4-5]。但是，山地果园作业环境复杂，受果园树木及障碍物遮挡等影响，操作人员无法保证全程实时准确获取单轨运输机作业信息[6]。因此，精准感知运输机在轨作业状态是提高山地果园运送装备安全性和智能性的关键[7]。同时，实时准确获取运输机的全程作业信息是实现多机在轨同步作业的必要前提，也是实现农业物联网的技术基础[8-9]。

精准定位是感知运输机在轨作业状态的必要前提。一般地，轨道运输机的定位方法包括卫星导航定位[10]、测距定位[11-12]、测速定位[13]、感应回线定位[14]、电磁波定位[15]等。其中，卫星导航系统包括美国GPS（Global Positioning System）、中国北斗（BeiDou Navigation Satellite System, BDS）和俄罗斯GLONASS（Global Navigation Satellite System）等，主要适用于中、大型平整农田的农机装备定位导航作业[16]。受树木遮挡、地势变化等因素影响，卫星导航系统在山地果园中的定位精度受到限制。测距定位方法采用里程计记录运输机行驶路程，可实时获取运输机的在轨位置信息。但是，测距定位方法需事先精准测量运输机的在轨起始位置。受运输机结构、果树枝叶等影响，测距定位方法的容错率较低，存在一定的累计误差。测速定位方法采用多普勒雷达测量运输机行驶速度，可实时计算运输机的在轨位置信息。但是，运输机轨道沿果园山势搭建，蜿蜒起伏，会导致测速定位方法产生较大的累计误差。感应回线定位方法根据双电缆交叉点导致的机载感应线圈信号极性变化次数来实时感知运输机的行驶路程[17]，一般应用于磁悬浮轨道，考虑运输机车轮和轨道的结构特点和铺设成本等因素，此类定位方法在山地果园的应用存在较大难度。作者团队在前期研究中应用超高频（902～928 MHz）RFID（Radio Frequency Identification），探索了基于双天线接收双标签信号强度值（Received Signal Strength Indicator, RSSI）对照的方法对单轨运输机定位[18]，其本质属于电磁波定位范畴。试验结果表明，基于RFID RSSI数据对照的定位方法能够降低系统定位误差，但不能完全消除噪声干扰，增大标签部署密度也不能保证提高系统定位精度。另外，超高频RFID系统成本较高，在农业装备领域的应用推广难度较大。

针对山地果园单轨运输机作业环境受限、定位精度较低、应用成本较高[19-22]等问题，本文以电动式单轨运输机为研究对象，将电磁波定位方法与测速定位方法相结合，提出基于高频RFID[23-25]的混合测速定位方法，设计了运输机在轨状态精准感知系统。应用高频RFID、嵌入式ARM[26]、LoRa通信[27]等技术，操作人员通过精准感知系统远程获取单轨运输机的实时速度、在轨位置以及轨道路况等在轨作业状态数据，进而使得运输机在果园复杂作业环境下实现可靠运行和精准作业。

1 基于高频RFID的混合测速定位方法

如图1所示，在轨道旁以特定间距均匀安置系列高频RFID基准定位标签组（标签A、B等），在单轨运输机上以特定间距安装双高频RFID阅读器（阅读器1、2）。当单轨运输机行驶在基准定位标签组间时，其测速定位方法描述如下：

1）当单轨运输机经过基准定位标签A时，阅读器1首先读取到该标签数据，记阅读器1读取数据的时刻为1A。根据高频RFID阅读器与标签的近距离通信特性，结合标签A的在轨位置P，以及当前轨道路况（转弯、平地、上坡/下坡等），运输机可实现基准定位功能，进而实时感知在轨状态。

2）记阅读器2读取到基准定位标签A的时刻为2A，则运输机当前的行驶速度V可用式（1）计算。本文使用V表征运输机位于对应标签组间的平均行驶速度，并在下文进一步讨论分析高频RFID基准定位标签组的部署方式对单轨运输机作业状态感知精度的影响规律。

3）若单轨运输机经过基准定位标签A后的行驶路程＜，即运输机位于定位标签组A、B间时，根据标签A在轨位置P和阅读器2经过标签A后的行驶时间T，运输机当前的在轨位置P可用式（2）计算。

1.运输机机箱 2.单轨轨道 3.防侧翻轮 4.标签A 5.标签B 6.运输机车头 7.阅读器1 8.阅读器2

1.Conveyer case 2.Monorail 3.Anti-rollover wheel 4.Tag A 5.Tag B 6.Conveyer locomotive 7.Reader 1 8.Reader 2

注：为双阅读器间距，cm；为标签组间距，m；为行驶速度，m·s-1。

Note:is distance between dual readers, cm;is distance between tag groups, m;is driving velocity, m·s-1.

图1 混合测速定位方法

Fig.1 Location approach combined with velocity measurement

4）当单轨运输机经过基准定位标签B时，则以该标签及其后续标签组成新的标签组。若阅读器1读取到标签B数据，则重复步骤1），对运输机在轨位置进行基准定位与校正；若阅读器2读取到标签B数据，则重复步骤2）～3），计算运输机当前行驶速度，进而实时感知运输机在轨位置。

2 运输机在轨状态精准感知系统设计

2.1 感知系统架构

感知系统选用意法半导体公司生产的32位STM32F103RCT6芯片作为主控单元，该芯片采用ARM Cortex-M3内核，配备了48KB SRAM和256KB FLASH，最高运行时钟频率为72 MHz，支持多个定时器和多种通讯模式，能够满足运输机在轨状态精准感知系统的高性能、低功耗设计要求。感知系统还包括电源与显示模块、高频RFID通信与计算模块、LoRa远程通信模块、移动端监测软件等，如图2所示。

图2 运输机在轨状态精准感知系统架构

2.2 电源与显示模块

考虑山地果园当前运输作业过程中存在电动、汽油、柴油等多种驱动类型的单轨运输机，本文设计的感知系统采用独立电源供电方式，使用2.8英寸TFT-LCD液晶触摸屏实时显示运输机在轨作业状态信息。感知系统使用3节18650锂电池串联组成的2 800 mAh电池组作为12 V电源，接入DC-DC直流稳压电路（LM78M05CT芯片），最终为ARM Cortex-M3平台和各电路模块提供稳定的5 V直流电源。感知系统使用独立电源，能够有效提高系统通用性。锂电池充电方便、绿色环保、使用寿命长，有助于降低系统的应用成本。

2.3 高频RFID通信与计算模块

高频RFID通信与计算模块使用SPI通信协议与ARM Cortex-M3平台进行高速数据通信。RFID阅读器采用MF RC522芯片（13.56 MHz），支持ISO 14443（Type A）协议。阅读器尺寸为40 mm×60 mm，休眠电流为80A，工作电流为13～26 mA，读写距离为6～10 cm，最大传输速率为106 kB/s。在模块工作过程中，主控单元通过MF RC522芯片采集基准定位标签组数据，结合系统存储的标签组在轨位置数据，使用混合测速定位方法，利用双高频RFID阅读器读取基准定位标签组的时间差，配合主控单元定时器，实时计算获取运输机的在轨位置、行驶速度、轨道路况等作业状态信息。

受高频RFID特性和应用成本限制，标签组为被动式无源标签。感知系统通过主控单元调用RFID阅读器主动与标签组进行实时通信。但是，RFID阅读器在短时间内多次读取同一标签数据将会占用主控单元的大量计算资源，进而影响计算运输机行驶速度的实时性和准确性。为进一步提高系统精准性，降低系统功耗，本文设计了双高频RFID阅读器互锁机制，如图3所示。

图3 双高频RFID阅读器互锁机制

阅读器1、阅读器2分别通过SPI1通道、SPI2通道与主控单元连接，并根据控制需求将读取的标签信息传输给主控单元。当感知系统初始化后，仅开启阅读器1，当阅读器1随着运输机行驶至其读取到标签A信息时，关闭阅读器1；开启阅读器2和主控单元的定时器1，当阅读器2读取到标签A信息时，关闭阅读器2和定时器1，根据当前定时器1数据即可计算运输机的行驶速度；再次开启阅读器1，以及主控单元的定时器2，根据定时器2实时数据即可计算运输机相对基准定位标签的位移量；当阅读器1读取到标签B信息时，关闭阅读器1和定时器2，刷新基准定位标签位置，并重复上述步骤。

2.4 LoRa远程通信模块

LoRa远程通信模块采用ATK-LoRa-01模块（410～441 MHz）实现ARM Cortex-M3平台与上位机的通信功能，从而将运输机在轨状态信息同步远程传输给操作人员和监测终端。ATK-LoRa-01模块内部集成SX1278芯片，使用LoRa扩频调制技术，以1 MHz频率为步进信道，共32个信道，接收灵敏度为−136 dBm，通信距离可达3 000 m。该模块可通过AT指令在线修改控制参数，具有低功耗、高性能的特点。

ARM Cortex-M3平台与上位机通过LoRa远程通信模块配置为点对点传输模式，确保上位机具有唯一控制权，不受外界其他遥控器的通信干扰。SX1278芯片为SPI接口，LoRa-01模块内部通过32位MCU将SPI数据转换为串口数据。在LoRa远程通信模块工作过程中，ARM Cortex-M3平台向LORA-01模块电路发送串口数据，上位机通过LoRa接收器实时获取转发的平台数据。LoRa同步发送电路如图4所示。

图4 LoRa同步发送电路

2.5 移动端监测软件

移动端采用CH9343G芯片实现USB转串口通信，监测软件基于Android Studio3.4.2开发环境，使用Java语言进行CH9343G接口层功能软件编写。Android移动端接收ARM Cortex-M3平台发送的数据包，通过提取LoRa数据包中指定的数据位来解析运输机的在轨位置、行驶速度及轨道路况等信息。LoRa数据包解析和在轨作业状态信息的Android GUI界面如图5所示。

3 验证试验

3.1 测试平台搭建

为验证基于高频RFID混合测速定位方法的运输机在轨状态精准感知系统性能，在2019年5月底华南农业大学校园内的单轨运输机测试平台进行现场试验。试验使用作者团队自主研发的7SYZDD-200型电动式单轨运输机[28]，如图6所示。

1.单轨轨道 2.运输机车头 3.运输机机箱

运输机以锂电池为动力，使用无刷直流电动机驱动；额定负载为200 kg，最大爬坡角度为39°，行驶速度为0.4～0.6 m/s。轨道沿缓坡地势闭环搭建，总长度为130.59 m，依次模拟了转弯、平地、上坡、下坡等轨道路况。根据测试平台的不同轨道路况特性，将轨道分为10段，如图7所示，各段轨道长度及其对应路况如表1所示。运输机配备了车载控制装置与遥控装置来实现实时启停功能[29]。结合运输机的启停信号，感知系统能够计算运输机在停止时刻相对基准定位标签的位移量，进而获取运输机在停止状态下的在轨位置。

注：Si(i = 1~10)表示不同的轨道路段；Tagi(i = 1~38)表示不同轨道路段部署的基准定位标签。

表1 轨道路段与对应路况

感知系统在单轨运输机上的安装测试如图8a所示。根据第1节所述的混合测速定位方法，在运输机上以特定间距安装双高频RFID阅读器，在轨道侧边以特定间距均匀安置高频RFID基准定位标签组。如图8b所示，考虑感知系统工作的稳定性和安全性，结合高频RFID的近距离通信特性，在不改动运输机结构的前提下，将双阅读器分别安装在运输机车头的下压轮连杆后，经测量2个阅读器的最小间距为13 cm。另外，受感知系统应用成本限制，应尽可能增大高频RFID基准定位标签组的间距，但增大标签组间距可能会增大感知系统计算运输机在轨位置的累计误差。基于此，本文先将标签组间距设为测试平台运输机（车头和车身）总长度T，经测量T=3.42 m。

图8 感知系统安装与测试

3.2 结果与分析

3.2.1 运输机在轨速度测试结果与分析

由于运输机的负载状态变化对感知系统的测量精度没有直接影响。考虑节约资源，本文的现场试验数据在运输机半载状态下测量。使用秒表依次记录运输机在半载状态下，以额定功率经过各段轨道S的起始时间，并计算得出各轨道路段行驶的平均速度。同时，记高频RFID基准定位标签组序号为R(=1,2,3,…,38)，ARM Cortex-M3平台通过双高频RFID阅读器读取标签组数据，使用混合测速定位方法计算运输机经过不同基准定位标签时的行驶速度。重复上述试验20次，单轨运输机在不同轨道路况中的在轨行驶速度测试结果如图9所示。

由图9可知，依据秒表记录数据计算的运输机全程平均行驶速度为0.48 m/s，基于混合测速定位方法和基准定位标签组数据计算的运输机全程平均行驶速度为0.49 m/s；二者速度相差2%，主要是在人工记录秒表数据时存在测量误差。从轨道分段的角度看，不同轨道路段1～10，秒表分段平均速度和标签分段平均速度都随着不同轨道分段出现了较大的数据波动，这说明不同的轨道路况对运输机在轨行驶速度存在较大影响；但是，二者数据在不同轨道分段的波动趋势具有较好的一致性，进而相互验证了运输机在轨行驶速度计算数据的准确性。例如，在1～3、8～10等路段，二者平均速度处于上升趋势；在4～7路段，二者平均速度均较为平稳。另外，从图中基准标签计算速度的角度看，同一轨道分段中的运输机行驶速度也会出现数据波动，但是这一变化情况难以精确体现在秒表记录数据中。

3.2.2 运输机在轨位置感知结果与分析

为进一步分析运输机在轨位置感知精度，本文提出在测试平台轨道安置验证标签，即将2个验证标签均匀安置在高频RFID基准定位标签组间，如图10所示。当前标签组A、B和C、D的间距=T=3.42 m，则各验证标签间距D=1.14 m。通过对比运输机经过验证标签时的计算数据与验证标签的实际在轨位置来评价感知系统对运输机在基准定位标签组间的定位精度。为增大运输机定位精度的对比效果，本文设定在间隔标签组中加入验证标签，如图10，分别在标签组A、B和C、D间加入2个验证标签，轨道全程共设置38个验证标签。重复上述试验20次，基于验证标签的运输机定位误差均值如图11所示，其中验证标签I类表示平均定位误差超过15 cm的验证标签，验证标签II类表示平均定位误差在10～15 cm的验证标签，验证标签III类表示平均定位误差小于10 cm的验证标签。

图10 验证标签组部署

由图11可知，基于验证标签的运输机全程定位误差均值为6.19 cm，相对于基准定位标签组间距的平均定位误差率（定位误差均值占基准标签组间距的百分比，用于表征在该应用环境中定位误差的相对大小）约为1.81%。从轨道分段的角度看，运输机定位误差大于10 cm的验证标签多位于转弯、上/下坡与平地之间的连接路段，这说明轨道路况变化会对运输机的在轨行驶速度产生较大影响，进而影响运输机在轨定位结果。另外，定位误差在10 cm以内的验证标签数量为标签总数的84.21%，定位误差在15 cm以内的验证标签数量为标签总数的94.74%，这说明感知系统计算的运输机在轨位置感知数据具有较好的鲁棒性。

图11 验证标签组的运输机定位误差

3.2.3 不同标签组间距的定位结果与分析

为进一步分析不同标签组间距对运输机在轨位置感知精度的影响规律，本文使用在基准定位标签组内加入验证标签的测试方法，依次将标签组间距增大为2T（6.84 m）和3T（10.26 m），轨道全程设置的标签数量分别为20个和12个。在不同轨道路况中重复上述试验20次，结果如表2所示。受闭环轨道路况分布限制，单轨运输机测试平台的部分轨道路段长度较短。按照3.2.2节验证标签安置方法，随着标签组间距不断增大，本节试验将部分路段（1、4、9等）整合到临近轨道路段中。

由表2可知，从全程轨道的角度看，基于验证标签测试方法的运输机定位误差均值与方差都随着基准定位标签组间距增大而增大。需要注意的是，本试验中的验证标签被均匀安置在基准定位标签组间，但是，不同轨道路段的长度不同。因此，不同轨道路段安置的验证标签数量不同，表2中运输机全程定位误差（均值与方差）为基于所有轨道路段验证标签的计算数据所得。从轨道分段的角度看，平地与转弯路段中运输机定位误差数据没有明显变化，均小于在上/下坡路段（8～10）中运输机定位误差数据。从不同标签组间距的运输机定位误差数据的角度看，当标签组间距为T（3.42 m）时，运输机在全程轨道中的定位精度最高，在转弯路段4中的最小定位误差为3.89 cm；当标签组间距为2T（6.84 m）时，运输机在全程轨道中的定位误差均值为6.46 cm，与运输机最小全程定位误差数据相比，仅增加0.28 cm；当标签组间距为3T（10.26 m）时，运输机在全程轨道中的定位误差最大，在上下坡路段（8~10）中的最大定位误差为51.59 cm。另外，从基于定位标签组间距的平均定位误差率的角度看，运输机在标签组间距为2T时的平均定位误差率约为0.94%；与标签组间距为T时的基准定位标签组相比，感知系统减少了50%标签数量。因此，设置基准定位标签组间距为2T能够减少部署成本，使得感知系统具有更好的应用性。

3.2.4 与超高频RFID定位结果的对比分析

作者团队在前期工作中提出基于超高频RFID双天线接收双标签信号强度值对照的方法实现运输机在轨位置感知[18]。现场试验结果表明，在超高频RFID定位系统最优工作参数下，运输机定位误差均值为1.01 cm。但是，受信号强度值灵敏度限制，超高频RFID定位系统中基准定位标签组间距固定为45 cm，平均定位误差率为2.24%。与之相比，感知系统设定的基准定位标签组间距不小于3.42 m，最优全程平均定位误差为6.18 cm，因此运输机的平均定位误差率为1.81%。另外，超高频RFID定位系统部署成本较高，可达数千元乃至万元左右；与之相比，感知系统部署成本在百元左右，低成本优势显著。

表2 不同定位标签组间距D的运输机定位误差

4 结 论

为实时监测山地果园单轨运输机的作业状态，本文以单轨运输机为研究对象，提出了基于高频RFID的混合测速定位方法，设计了运输机在轨状态精准感知系统，并通过单轨运输机测试平台试验验证了混合测速定位方法的可行性和有效性。试验结果表明：

1）基于双高频RFID阅读器读取基准定位标签组的测速定位方法能够结合标签组在轨位置和轨道路况，通过计算运输机经过标签组的行驶速度来实时感知运输机的在轨状态信息，进而在基准定位的基础上提高了运输机在轨位置感知精度。

2）感知系统能够较为精准计算单轨运输机的行驶速度，但是在不同轨道路况中，运输机的行驶速度测试结果存在较大波动；与其他轨道路况相比，运输机在平地中运行相对稳定，系统测试的全程平均行驶速度为0.49 m/s，秒表记录的全程平均行驶速度为0.48 m/s，二者相对误差为2%。

3）当标签组间距为3.42 m时，感知系统可获取最优定位精度，运输机全程平均定位误差为6.18±0.60 cm；当标签组间距为6.84 m时，运输机全程平均定位误差为6.46±1.14 cm，相对于标签组间距的平均定位误差率约为0.94%，具有较好的应用价值；继续加大标签组间距离可降低系统部署成本，但感知系统定位精度出现较大的下降趋势。

通过应用运输机在轨状态精准感知系统，操作人员可远程实时获取单轨运输机在果园环境中的行驶速度、在轨位置、轨道路况等在轨作业状态数据，进而为实现农机装备智能控制提供了精准数据支持。下一步工作将应用感知系统，结合运输机实时作业状态数据，研究运输机在不同轨道路况中的作业功率优化，以及多台运输机的作业调度等问题。

[1]洪添胜，杨洲，宋淑然，等. 柑橘生产机械化研究[J]. 农业机械学报，2010，41(12)：105-110.

Hong Tiansheng, Yang Zhou, Song Shuran, et al. Mechanization of citrus production[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(12): 105-110. (in Chinese with English abstract)

[2]罗锡文，廖娟，胡炼，等. 提高农业机械化水平促进农业可持续发展[J]. 农业工程学报，2016，32(1)：1-11.

Luo Xiwen, Liao Juan, Hu Lian, et al. Improving agricultural mechanization level to promote agricultural sustainable development[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(1): 1-11. (in Chinese with English abstract)

[3]陈银清，洪添胜，孙同彪. 山地果园单轨货运机的最小转弯半径及最大承载量分析[J]. 农业工程学报，2012，28(增刊1)：50-57.

Chen Yinqing, Hong Tiansheng, Sun Tongbiao. Analysis on minimum turning radius and maximum carrying capacity on monorail vehicles for mountain orchard[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(Supp.1): 50-57. (in Chinese with English abstract)

[4]张俊峰，李敬亚，张衍林，等. 山地果园遥控单轨运输机设计[J]. 农业机械学报，2012，43(2)：90-95.

Zhang Junfeng, Li Jingya, Zhang Yanlin, et al. Design of remote control monorail transporter for mountainous. orchard[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(2): 90-95. (in Chinese with English abstract)

[5]吴伟斌，廖劲威，洪添胜，等. 山地果园轮式运输机车架结构分析与优化[J]. 农业工程学报，2016，32(11)：39-47.

Wu Weibin, Liao Jingwei, Hong Tiansheng, et al. Analysis and optimization of frame structure for wheeled transporter in hill orchard[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(11): 39-47. (in Chinese with English abstract)

[6]胡静涛，高雷，白晓平，等. 农业机械自动导航技术研究进展[J]. 农业工程学报，2015，31(10)：1-10.

Hu Jingtao, Gao Lei, Bai Xiaoping, et al. Review of research on automatic guidance of agricultural vehicles[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(10): 1-10. (in Chinese with English abstract)

[7]邹宝玲，刘佛良，张震邦，等. 山地果园机械化：发展瓶颈与国外经验借鉴[J]. 农机化研究，2019，41(9)：254-260.

Zou Baoling, Liu Foliang, Zhang Zhenbang, et al. Mechanization of mountain orchards: Development bottleneck and foreign experiences[J]. Journal of Agricultural Mechanization Research, 2019, 41(9): 254-260. (in Chinese with English abstract)

[8]李瑾，郭美荣，高亮亮. 农业物联网技术应用及创新发展策略[J]. 农业工程学报，2015，31(增刊2)：200-209.

Li Jin, Guo Meirong, Gao Liangliang. Application and innovation strategy of agricultural Internet of Things[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(Supp.2): 200-209. (in Chinese with English abstract)

[9]Ren D, Yang S X. Intelligent automation with applications to agriculture[J]. Intelligent Automation & Soft Computing, 2016, 22(2): 227-228.

[10]魏爽，李世超，张漫，等. 基于GNSS的农机自动导航路径搜索及转向控制[J]. 农业工程学报，2017，33(增刊1)：70-77.

Wei Shuang, Li Shichao, Zhang Man, et al. Automatic navigation path search and turning control of agricultural machinery based on GNSS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(Supp.1): 70-77. (in Chinese with English abstract)

[11]Pan J, Zhang C, Zhang X. Real-time accurate odometer velocity estimation aided by accelerometers[J]. Measurement, 2016, 91: 468-473.

[12]Li L, Sun H, Yang S, et al. Online calibration and compensation of total odometer error in an integrated system[J]. Measurement, 2018, 123: 69-79.

[13]高林，薛慧霞，李文彬，等. 基于GPRS的单轨林果运输车无线定位测速方法[J]. 北京林业大学学报，2011，8(2)：110-114.

Gao Lin, Xue Huixia, Li Wenbin, et al. Wireless location and speed measurement of monorail vehicles for forest fruits based on GPRS[J]. Journal of Beijing Forestry University, 2011, 8(2): 110-114. (in Chinese with English abstract)

[14]王滢，连级三，张昆仑. 基于交叉感应回线的磁悬浮列车测速定位系统[J]. 机车电传动，2002，2(10)：33-47.

Wang Ying, Lian Jisan, Zhang Kunlun. Speed measuring and locating system of maglev vehicle based on cross induction coils[J]. Electric Drive for Locomotives, 2002, 2(10): 33-47. (in Chinese with English abstract)

[15]李程，钱松容. 射频识别动态定位方法[J]. 通信学报，2013，34(4)：144-148.

Li Cheng, Qian Songrong. RFID dynamic positioning method[J]. Journal on Communications, 2013, 34(4): 144-148. (in Chinese with English abstract)

[16]姬长英，周俊. 农业机械导航技术发展分析[J]. 农业机械学报，2014，45(9)：44-54.

Ji Changying, Zhou Jun. Current situation of navigation technologies for agricultural machinery[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(9): 44-54. (in Chinese with English abstract)

[17]王旭，李壮，龙志强. 基于新型感应回线的磁浮列车车地通信及测速定位[J]. 城市轨道交通研究，2007，10(7)：26-30.

Wang Xu, Li Zhuang, Long Zhiqiang. Communication and speed measurement locating of maglev on a new inductive looped-cable[J]. Urban Mass Transit, 2007, 10(7): 26-30. (in Chinese with English abstract)

[18]吕石磊，梁尹聪，李震，等. 基于超高频RFID双天线双标签对照的果园单轨运输机定位[J]. 农业工程学报，2018，34(4)：71-79.

Lü Shilei, Liang Yincong, Li Zhen, et al. Orchard monorail conveyer location based on ultra high frequency RFID dual antennas and dual tags[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(4): 71-79. (in Chinese with English abstract)

[19]赵磊，张小林. 列车测速定位误差的仿真研究[J]. 城市轨道交通研究，2014，17(3)：35-41.

Zhao Lei, Zhang Xiaolin. Error simulation in train speed and position detection[J]. Urban Mass Transit, 2014, 17(3): 35-41. (in Chinese with English abstract)

[20] 李善军，刘辉，张衍林，等. 单轨道山地果园运输机齿条齿形优选[J]. 农业工程学报2018，34(6)：52-57.

Li Shanjun, Liu Hui, Zhang Yanlin, et al. Optimization of rack tooth forms of monorail mountain orchard transporter[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(6): 52-57. (in Chinese with English abstract)

[21]Yamamoto S, Kanamiitsu M, Ajiki K, et al. New technologies and systems for high quality citrus fruit production, laborsaving and orchard construction in mountain areas of Japan[J]. Journal of Mountain Science, 2005, 2(1): 59-67.

[22]马驰，李光林，李晓东，等. 丘陵山地柑橘果园多方位自动喷药装置研制[J]. 农业工程学报，2019，35(3)：31-41.

Ma Chi, Li Guanglin, Li Xiaodong, et al. Development of multi-orientation automatic spraying device for citrus orchards in hilly and mountainous areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(3): 31-41. (in Chinese with English abstract)

[23]李杨阳，毛陆虹，张世林，等. 基于相控阵天线的RFID定位系统的理论分析[J]. 微波学报，2014，30(6)：80-85.

Li Yangyang, Mao Luhong, Zhang Shilin, et al. Theoretical analysis of the RFID positioning system based on the phased array antenna[J]. Journal of Microwaves, 2014, 30(6): 80-85. (in Chinese with English abstract)

[24]Cheng W, Cheng X, Song M, et al. On the design and deployment of RFID assisted navigation systems for VANETs[J]. IEEE Transactions on Parallel and Distributed Systems, 2012, 23(7): 1267-1274.

[25]Chon H D, Jun S, Jung H, et al. Using RFID for accurate positioning[J]. Journal of Global Positioning Systems, 2004, 3(1/2): 32-39.

[26]江朝晖，李想，马友华，等. 基于ARM和Android的通用化农田信息检测终端研究[J]. 农业机械学报，2016，47(11)：294-300.

Jiang Zhaohui, Li Xiang, Ma Youhua, et al. Universal detecting terminal for farmland information based on ARM and android[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(11): 294-300. (in Chinese with English abstract)

[27]张铮，曹守启，朱建平，等. 面向大面积渔业环境监测的长距离低功耗LoRa传感器网络[J]. 农业工程学报，2019，35(1)：164-171.

Zhang Zheng, Cao Shouqi, Zhu Jianping, et al. Long range low power sensor networks with LoRa sensor for large area fishery environment monitoring[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 164-171. (in Chinese with English abstract)

[28]刘岳，李震，洪添胜，等. 山地果园蓄电池驱动单轨运输机传动系统设计[J]. 农业工程学报，2017，33(19)：34-40.

Liu Yue, Li Zhen, Hong Tiansheng, et al. Design of drive system for battery-drive monorail transporter for mountainous orchard[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 34-40. (in Chinese with English abstract)

[29]罗瑜清，洪添胜，李震，等. 山地果园电动单轨运输机控制装置的设计[J]. 西北农林科技大学学报：自然科学版，2016，44(3)：227-234.

Luo Yuqing, Hong Tiansheng, Li Zhen, et al. Development of control device for an electric drive monorail vehicle in mountain orchard[J]. Journal of Northwest A&F University: Natural Science Edition, 2016, 44(3): 227-234. (in Chinese with English abstract)

Development of on-orbit status sensing system for orchard monorail conveyer

Lyu Shilei1,2,3, Wei Zhiwei1, Wu Benlei1, Li Zhen1,2,3※, Hong Tiansheng2,3,4

(1.,,510642,;2.,510642,;3.510642,;4.,,510642,)

In order to solve the problems of limited working environment and low positioning accuracy of mountain orchard monorail conveyer, a set of accurate on-orbit status sensing system for orchard monorail conveyer was designed based on high frequency RFID (Radio Frequency Identification) hybrid speed measurement and positioning method in this paper. The system combined electromagnetic wave positioning with velocity measurement to obtain data from high frequency RFID module. The STM32f103rct6 chip was used as the main control unit of the sensing system, the dual RFID reader was used to read the time difference of the reference location tag groups, the hybrid speed measurement and positioning method was used to calculate the real-time operation status information of the conveyer in real time, and the mobile terminal monitoring software was designed, and the real-time operation status information of the conveyer was obtained through LoRa communication module in order to evaluate the performance of the sensing system, the experiments was carried out in the monorail conveyer test platform, which located in South China Agricultural University. The electric monorail conveyer with 7SYZDD-200 model was used, which designed by China Agriculture Research System. The track in the test platform was circular with 130.59 m. The track was divided into 10 segments according to different track conditions of flat track, band track, uphill and downhill. Experimental results showed that the system could accurately sense the running state information of monorail conveyor on-oubit in real time, but in different track conditions, the test results of the conveyer speed fluctuate greatly. Compared with other track conditions, the average tested speed of the conveyer in the whole course of flat running was 0.49 m/s, and that recorded by the stopwatch was 0.48 m/s, the relative error was 2%. When the distance between tags was 3.42 m, the average positioning error was 6.18 ± 0.60 cm; when the distance between tags was 6.84 m, the average positioning error is 6.46 ± 1.14 cm, which was about 0.94% relative to the distance between tags. The study verified the feasibility of high-frequency RFID based accurate perception of monorail conveyer on-orbit, and improved the safety and intelligence of the transport operation, which can provide reference for the realization of precise operation in orchard production.

agricultural machinery; automation; orchards; monorail conveyer; RFID; location combined with velocity measurement; sensing system

吕石磊，魏志威，吴奔雷，等.果园单轨运输机在轨状态感知系统研制[J]. 农业工程学报，2020，36(15)：56-64.doi：10.11975/j.issn.1002-6819.2020.15.007 http://www.tcsae.org

Lyu Shilei, Wei Zhiwei, Wu Benlei, et al. Development of on-orbit status sensing system for orchard monorail conveyer[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(15): 56-64. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.15.007 http://www.tcsae.org

2019-12-24

2020-06-12

国家自然科学基金项目（61601189、31971797）；现代农业产业技术体系建设专项资金（CARS-26）；广州市科技计划项目民生科技攻关计划（201803020037）

吕石磊，博士，副教授，主要从事农业信息化研究。Email：lvshilei@scau.edu.cn

李震，博士，教授，博士生导师，主要从事机电一体化技术应用研究。Email：lizhen@scau.edu.cn

10.11975/j.issn.1002-6819.2020.15.007

TP274; S126

A

1002-6819(2020)-15-0056-09