Development of a novel neural network-based control scheme for autonomous farming vehicles
Notice bibliographique
Résumé
Agriculture industries call upon autonomous tractors to speed up the process of farming tasks. Although there has been a lot of research on autonomous vehicles, this research mostly concerns road vehicles, which operate in a controlled road environment.This thesis is a part of the ongoing Arion project, from Institut du Véhicule Innovant (IVI). The ultimate goal of the Arion project is to develop an autonomous farming vehicle, which can operate independently and safely. This research is dedicated to designing a robust controller to maintain the accuracy of the autonomous farming vehicle path on different types of soil.The autonomous farming vehicle designed at IVI is an electrical four-wheel-drive vehicle. In this study, the dynamics equations of the vehicle are derived. The model used here is a four-wheel model, with two steerable wheels in the front. Moreover, realistic terramechanics equations, regarding the interaction between the soil and the wheels, are established. The equations of terramechanics are then solved offline, to be used as a lookup table online. This method will increase the efficiency, as the equations need to be solved numerically, and are computationally expensive. The lookup tables are created for four different soil types: Clay, Loam, Sand, and Sandyloam.We introduce a novel scheme for the control of the vehicle. The system contains two controllers: a PID controller for longitudinal speed, and a Model Predictive Controller (MPC) for steering angle. In this scheme, a neural network is used to classify the soil type, and to act as a switch to adapt the MPC controller to the new soil type.The neural network is trained on physical features that can be measured with inexpensive sensors on the vehicle, such as velocity, slip angle, slip ratio, and wheel's sinkage in the soil.The performance of the controller for each soil type is evaluated independently, as well as the performance of the vehicle operating on a field with various soil types. The results show a considerable improvement in accuracy when the proposed controller is used
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».