Adaptive ARX pressure modeling for smart variable-rate agricultural sprayers

方法

84组喷施实验数据，ARX模型，重复分组五折交叉验证，RLS自适应辨识。

发现

标量增益RLS仅用一个自适应参数即达1.185 psi RMSE，优于固定模型与偏差校正模型。

机会点

可将标量增益自适应ARX嵌入预测控制，并探索激励不足下的低参数在线辨识与多工况迁移。

基于模型的控制对变量喷施农业喷雾器需要精确的压力预测，其动态特性随泵指令、阀门开度及喷嘴启闭变化而变化。本文研究了Smart Weed Sprayer中依赖水力工况的外源自回归（ARX）压力模型，并比较了固定结构、调度结构、反馈校正结构和自适应结构在面向控制的预测中的表现。共采集84组实验，经数据质量与液阻筛选后保留79个有效工况。局部ARX模型在样本内拟合精度较高，但跨水力工况的可移植性有限，而仅凭液阻不足以实现可靠的直接模型调度。验证采用重复分组五折交叉验证，完整实验被分配至训练集或测试集。在自适应输出反馈预测下，带因果输出偏置校正的固定模型将平均RMSE从6.709 psi降至0.810 psi，而标量增益递推最小二乘（RLS）仅使用一个自适应对象参数即达到1.423 psi。在20%校准区间后接与测量无关的递推预测，标量增益RLS的RMSE为1.185 psi，而固定模型为6.309 psi，偏置校正模型为1.475 psi。可辨识性分析表明，现有激励对两个分子系数的独立自适应支持较弱，支持将标量增益自适应作为未来预测控制实现的简约替代方案。