农业机械学报

作者：夏英凯，郭政江，刘嘉俊，高坚，万鹏

单位：华中农业大学,华中农业大学,华中农业大学,华中农业大学,华中农业大学,

关键词：循环水养殖;自动投喂机器人;路径跟踪控制;物理增强神经网络;模型预测控制

基金：湖北省技术创新计划项目（2024BBB054）、华中农业大学交叉科学研究专项（2662024JC003）和华中农业大学创新平台建设培育专项（2662025GXPY008）

针对循环水养殖饵料投喂劳动强度大、人力成本高等问题，本文设计了一种自动投喂机器人，并提出了基于物理增强神经网络的模型预测控制（Physics-informed neural network based model predictive control，PINN-MPC）方法，以解决变负载、湿滑路面下的自主路径跟踪问题。首先，设计了机器人总体架构与路径规划控制方案。其次，构建了变负载、复杂环境下的机器人模型。然后，在传统MPC架构基础上，将关键物理参数视为时变因子，引入多层前馈神经网络对其进行在线预测，提升控制精度。最后，通过仿真和现场试验验证了算法有效性。在单缸投喂试验中，PINN-MPC在2个关键观测点的平均误差分别为0.12、0.18m，较传统MPC降低50%;纵向速度波动幅度为MPC的50%，横向偏移标准差降低58.3%。在多缸投喂试验中，PINN-MPC将9个目标点间的平均路径误差控制在0.050~0.055m，轮胎横向受力波动减少58.9%。

来源：2025年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第10期