农业工程学报

作者：史荣凯,李英,奚特,冯槐区,王永维,王俊,

关键词：物理信息神经网络, 模型预测控制, 多车协同, 杂交水稻制种授粉

基金：42

针对杂交水稻制种机械拉绳碰击式授粉因缺乏精准的协同作业控制系统导致授粉效果不佳的问题，该研究提出了一种基于物理信息神经网络（physics-informed neural network，PINN）的机组协同授粉控制方法。该方法为授粉机组各车辆配置独立的分布式模型预测控制器（distributed model predictive controller，DMPC），以处理系统复杂约束与非线性问题；同时，将车辆运动学信息以偏微分方程的形式嵌入PINN网络，利用其融合数据驱动与物理约束的优势精准预测下一时刻的系统状态量；将该预测状态量输入DMPC进行滚动优化，求解得到下一时刻最优控制量，实现授粉机组对目标位置的精准跟踪与编队协同，并通过仿真和模型验证试验对算法进行验证。试验表明PINN-DMPC的求解时间相比于原DMPC降低54.2%，与Adaptive-PID、Pure-Pursuit算法相比，PINN-DMPC算法在跟踪误差和渐进收敛性能上表现较好，跟踪误差小于0.032 m、航向角误差小于0.022 rad。地面编队协同作业的有效覆盖范围能达到全路段的84%。该研究为杂交水稻制种授粉提供了一套高效可靠的协同控制方法，其具备精准的路径跟踪性能和协同作业性能，为杂交水稻制种的现代化和自动化作业奠定基础。/

来源：2026年第5期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第5期