文献类型： 中文期刊

作者： 杨琰 ¹ ; 张瑞瑞 ² ; 张林焕 ² ; 陈立平 ² ; 伊铜川 ² ; 吴明齐 ² ; 岳晓龙 ³ ;

作者机构： 1.江苏大学农业工程学院

2.北京市农林科学院智能装备技术研究中心

3.农芯(南京)智慧农业研究院有限公司

关键词： 路径跟踪;深度强化学习;DQN;路径曲率;智能农机

期刊名称： 农机化研究

ISSN： 1003-188X

年卷期： 2025 年 47 卷 003 期

页码： 28-34

收录情况： 北大核心

摘要： 针对复杂路面条件下无人化农业作业车辆路径跟踪控制精度低、控制器参数整定困难的问题，设计了一种基于深度强化学习的路径跟踪控制算法。基于五层BP神经网络构建了DQN(Deep Q-Network)路径跟踪控制器，实现了网络的轻量化和高度的可移植性。控制器网络的输入状态在采用车辆当前舵角、车辆与目标路径上控制点间横向距离偏差的基础上，引入车辆前方设定距离内的平均路径曲率，实现了车辆转向性能的提高。分别开展了仿真和田间试验，验证了所设计深度强化学习网络算法的收敛性，并对比了有路径曲率输入和无路径曲率输入两种网络的路径跟踪控制性能。仿真试验中，基于正弦曲线对两种路径跟踪控制方法进行训练，两种路径跟踪控制网络收敛后的平均跟踪距离误差为0.008 4、0.017 7 m。在间隔6 m的U型路径上进行田间测试试验，结果显示：有路径曲率输入的模型性能显著优于无路径曲率输入的模型，两种路径跟踪控制方法在路径上平均跟踪距离误差为0.038 9、0.068 4 m。验证了该路径跟踪控制方法有效性，可满足农业作业车辆路径跟踪控制需求。