具有自动校准，调整和诊断功能的车辆自动驾驶仪的制作方法

本申请要求2014年11月24日提交的ussn14/551,447的优先权和权益，其通过引用并入本文。

本申请涉及农业自动驾驶仪系统。

背景技术：

精确的车辆控制是现代精密农业基础的一部分。用于拖拉机，喷雾器，联合收割机，割晒机和其他农用车辆的自动驾驶仪，比任何人类都能更准确地驾驶。自动驾驶仪减少操作人员疲劳并提高安全性。他们帮助农民尽可能有效地使用如肥料和杀虫剂等的化学药品，并且节约资金和环境。配备农用自动驾驶仪系统的各种车辆，以及这些车辆在自动驾驶仪控制下执行的各种任务对农民而言是一种幸事，但对于必须制定与每辆车一起工作的自动驾驶仪系统的设计人员来说是一种折磨。

有数千种不同的拖拉机类型，例如，连同数百种不同类型的转向传感器和数十种不同类型的转向致动器。几乎总是，不同构造(make)和样式(model)的两种车辆具有不同的性能特性，有时甚至由于定制修改，不同的车辆任务，部件故障，安装错误，车辆车龄和磨损，或无数其他因素等情况，相同构造和样式的两辆车的执行也完全不同。无论特定情况如何，自动驾驶仪应该针对要求做的特定工作进行调整。错误地设置自动驾驶仪会导致操作者的沮丧，并剥夺农民他们设备的最大利益。

用于自动驾驶仪调整的常规手动方法充满了麻烦。尝试遵循校准和调整程序时的操作员错误是常见的。现代农用车自动驾驶仪有数十个可调节参数。即使是专家也很难查看一组自动驾驶仪参数，并确定自动驾驶仪是否正确配置给定的车辆。因此，许多自动驾驶仪引导的农用车辆的性能不尽如人意。

需要的农用车辆自动驾驶仪是，其可以容易且准确地针对各种车辆进行调整，并且向操作者提供指示，以使他们知道当车辆在自动驾驶仪控制下时可以预期什么水平的性能。

技术实现要素：

本文描述的系统包含农用车辆自动驾驶仪，其包括与微处理器和存储器通信的全球导航卫星系统(gnss)传感器和惯性测量单元(imu)传感器，其中微处理器和存储器被配置为：(1)从转向角传感器接收转向角数据，(2)向转向角致动器发送转向角度命令，以及(3)通过引导农用车辆进行校准操纵并在校准操纵期间利用gnss和imu传感器测量车辆响应特性来执行自动驾驶仪校准。

在一些实施例中，微处理器和存储器还被配置为：(4)执行自动驾驶仪设置的自动调整。

在一些实施例中，微处理器和存储器还被配置为：(4)在自动驾驶仪控制下执行车辆性能的自动诊断。

在一些实施例中，自动诊断包括计算性能等级以总结校准和/或调整数据。

在一些实施例中，自动诊断包括报告车辆部件异常。

在一些实施例中，自动诊断基于包括隶属度函数和模糊关联存储器规则的模糊逻辑推理器。

在一些实施例中，自动诊断基于包括车辆特性数据的加权和(weightedsums)的性能分级规则。

在一些实施例中，农用车辆自动驾驶仪还包括允许微处理器和存储器与数据库通信的i/o部件，并且其中微处理器和存储器还被配置为：(5)从数据库获得车辆特性，并将车辆特性发送到数据库。

在一些实施例中，车辆响应特性包括转向角速率：死区，线性区域或饱和区域。

在一些实施例中，车辆响应特性包括转向角：延迟时间，上升时间，稳定时间，过冲或稳态误差。

在一些实施例中，微处理器和存储器还被配置为：(4)向车速致动器发送车速命令。

在一些实施例中，校准操纵在预定义的地理区域内完成。

本文描述的方法包括用于农用车辆自动驾驶仪校准，调整和诊断的方法，该方法包括：农用车辆自动驾驶仪中的微处理器和存储器：从转向角传感器接收转向角数据；向转向角致动器发送转向角命令；在使用gnss和imu传感器进行校准操纵期间，通过校准操纵引导农用车辆并测量车辆响应特性；根据调整算法调整自动驾驶仪的设置；计算性能等级，以总结校准和调整数据；报告车辆部件异常；并发送车辆特性至数据库，或从数据库获得车辆特性。

在一些实施例中，经由蜂窝数据网络执行发送或接收。

在一些实施例中，用于农用车辆自动驾驶仪校准的方法还包括微处理器和存储器向车速致动器发送车速命令。

在一些实施例中，计算性能等级包括模糊逻辑运算操作。

附图说明

图1示出了在田地中操作的自动驾驶仪控制的拖拉机。

图2示出了自动驾驶仪控制的拖拉机正在接近线路。

图3是农用车辆自动驾驶仪的系统框图。

图4是概述自动驾驶仪校准，调整和诊断方法的流程图。

图5a-5d示出了各种校准操纵。

图6示出了示例性致动器响应曲线。

图7示出了示例性车辆响应特性。

图8示出了第一自动驾驶仪性能分级系统。

图9示出了第二自动驾驶仪性能分级系统。

具体实施方式

农用车辆自动驾驶仪可以使农民从精准驾驶领域繁琐而艰巨的工作中解救出来。例如，图1示出了在田地中操作的自动驾驶仪控制的拖拉机。在图1中，拖拉机105在田地115中沿着路径110。试想一下如果一个人在五千或一万英亩农场上沿着一组平行的引导线日复一日地驾驶，那么很快就会显示出良好的自动驾驶仪是非常有用的。

自动驾驶仪性能由许多因素组成；例如：当自动驾驶仪驾驶时，车辆是如何准确地遵循为此而设计的路径？车辆是否保持在所期望路径的一英寸范围内，还是往往在路径上来回移动？当车辆到达应该遵循的线路时，是否及时加入线路，或者需要额外的时间来稳定？最后一个考虑如图2所示，图2示出了一辆自动驾驶仪控制的拖拉机正在接近一条线路。在图2中，拖拉机正接近线路210。在这种情况下，自动驾驶仪的目标是尽可能快速并且准确地将拖拉机引导到线路上。在图2中，点划线曲线215和短划线曲线220示出了当拖拉机加入到线路时由拖拉机形成的可能轨迹。点划线曲线215示出了过冲(拖拉机最初经过所期望的线路)和振荡(拖拉机在最初过冲之后重新跨越线路)。短划线曲线220示出了准确地加入线路，但是可能不会尽可能地快。

农用车辆自动驾驶仪的自动校准，调整和诊断有助于确定车辆能力，调节每辆车辆的自动驾驶仪参数，并告知操作人员，当车辆在自动驾驶仪控制下运行时，预期的性能水平如何。自动校准，调整和诊断使自动驾驶仪能够与配备各种不同传感器和致动器的各种车辆配合使用。

自动化程序包括人类难以执行的操纵。例如，校准步骤的部分可能是引导车辆通过完整的左转弯(最大转向角)，直线段和完整的右转弯。当一个人被要求通过这个步骤引导拖拉机时，他们可能不会将方向盘一直转到极限，他们可能左右转动一两度，而不是直线，他们可能会在开始转弯之前的一瞬间相反转向(例如右侧，而不是左侧)，或者他们可能会忘记一个操纵。自动校准消除了这些类型的错误。

鉴于在校准期间获得的测量车辆特性，自动调整确保适当地调整自动驾驶仪参数。许多自动驾驶仪允许用户调整数十个自动驾驶仪参数。有时，提供“侵略性”控制，粗略地说，允许操作者交换精度以获得平滑度。这种类型的控制允许根据用户偏好来调整自动驾驶仪。然而，鉴于机会，一些用户会试图调整更多的基本参数，如增益，延迟和死区界限。这可能会很快导致麻烦。

例如，操作员可能会注意到自动驾驶仪转向性能比过去更差。也许他注意到一辆拖拉机在之前开得很好的地方蜿蜒前进。更改自动驾驶仪增益参数可能导致临时改进，但如果拖拉机的转向机构的一部分已经磨损或损坏，则不能解决问题。

如果遵循适当的校准和调整程序，自动诊断会解释结果并识别问题。自动诊断功能不仅简单地向操作员或技术人员介绍参数值的长列表，而且自动诊断可以解释参数集，并在一个或多个概要等级中整合预期的性能。例如，在自动校准和调整后，自动诊断可能会报告车辆上的特定自动驾驶仪安装接收到等级“a”，表示可以预期全部性能。如果自动诊断报告较低等级，他们也可能指出可能的麻烦来源。例如，如果自动校准无法完成所有必需的步骤，则诊断可能会报告“c”等级和“死区校准未执行”。如果性能不是特定车辆类型的预期，诊断也可能会提出诸如“检查转向阀”的建议。诊断可以随时运行，不仅可以在校准和调整后立即运行，因此可以在发生问题时进行检测和报告。

自动诊断可以利用车辆和自动驾驶仪性能数据的数据库。与自动驾驶仪系统安装在其他“x”型车辆或具有转向传感器“y”或转向致动器“z”的车辆上时相比，具有转向传感器“y”和转向致动器“z”的“x”型车辆的校准数据是有用的。当然，许多其他类型的数据可以存储在数据库中，例如轮胎配置，车辆用途，车辆重量，典型驾驶条件(例如平地面与陡峭山丘)，组件年龄或使用时间等。

自动校准，调整和诊断由先进的自动驾驶仪系统执行。系统框图如图3所示。在图3中，自动驾驶仪305从传感器310接收输入并通过致动器315驱动车辆。自动驾驶仪305包括微处理器，存储器和输入/输出(i/o)部件。i/o可以包括用户显示器(例如lcd显示器，led灯条)和输入设备(例如键盘，鼠标，操纵杆)。i/o部件还可以包括用于向远程320数据库传送数据和从远程320数据库接收数据的无线电数据通信能力(例如，经由wifi或蜂窝数据网络)。

传感器310可以包括：gnss接收器(例如，gps，glonass，北斗等)，包含加速度计和/或陀螺仪的imu，测量磁航向的磁力计，测量车辆转向角的转向传感器，车辆和/或发动机速度传感器以及检测例如当操作者已经移动方向盘时，或者操作者是否处于拖拉机驾驶室中的其他传感器。转向传感器可以基于安装在不同车辆部件上的电位计或多个imu。致动器315可以包括：转向致动器(例如液压阀)，速度致动器(例如发动机转速和/或变速)和/或执行器致动器。

一些“自动驾驶仪就绪”或“线控(drive-by-wire)”车辆，特别是先进的拖拉机，为传感器和致动器提供数据接口。在这种情况下，自动驾驶仪仍然包括自己的gnss和imu，但是发送和接收电子消息以控制和感测车辆转向，速度和执行处理。作为示例，自动驾驶仪可以经由can(控制器区域网络)总线发出车辆曲率命令，而不是直接将信号发送到液压转向阀。校准，调整和诊断是必需的，并通过直接控制和线控车辆执行。

图4是概述自动驾驶仪校准，调整和诊断方法的流程图。图4中的步骤是：405—从数据库获取车辆特性；410—校准车辆性能；415—调整自动驾驶仪控制参数；420—执行系统诊断；425—确定性能等级；以及430—将车辆特性发送到数据库。如下所讨论的，图4的方法中的一些步骤是可选的，并且步骤不需要按照所示的顺序执行。在如自动驾驶仪305的自动驾驶仪中由处理器执行图4的方法。

步骤405和430包括从数据库接收数据并将数据发送到数据库。数据库可以包含在与自动驾驶仪305相关联的存储器中，或者它可以是远程数据库，例如通过自动驾驶仪305的i/o能力访问的数据库320。由于不需要来自数据库的信息来进行校准，调整和诊断，所以步骤405和430是可选的。然而，车辆，传感器和致动器的特性数据库(作为单独部件和完整的系统安装)都可用于诊断目的，因为车辆，传感器和致动器组合非常多。如果数据库中包含一些配备有某些传感器和致动器的某一车辆类型的条目，则可以在使用相同类型的传感器和致动器的相同类型的另一车辆上设置自动驾驶仪时，查阅相应的调整信息。当新车辆的调整参数与类似车辆的数据库中的参数显着不同时，诊断可以确定存在问题。

现在更详细地讨论校准，调整和诊断(步骤410，415，420和425)。

校准

校准意味着测量车辆，传感器和致动器的性能特性。校准的示例是确定什么转向传感器信号电平对应于安装在特定车辆上的特定转向传感器的完全左转向角。另一个例子是测量响应于在can总线上发出的曲率命令而获得的实际车辆曲率。

通常在特定校准操作期间执行校准测量，例如图5a-5d所示的校准操作。图5a和5b中所示的操作分别是右转和左转。转弯可以在特定的转向角度进行，或者可以利用最大右转或最大左转转向角进行转弯，以确定最大转向角是多少。转弯可以以特定速度进行。图5c所示的操纵是直线驾驶，可用于确定对应于零转向角的转向传感器输出。

自动驾驶仪305计算来自全球定位系统(gps)和由传感器310提供的imu数据的位置和速度信息。该信息与特定车辆配置知识(例如前导向(frontsteerable)，后导向(rearsteerable)，铰链式(hinged)，履带式(tracked)，连接式(articulated)，等等)和尺寸(例如轴距，轨道宽度等)相结合，允许自动驾驶仪校准转向角传感器。

人类执行的一些最困难的操纵包括保持恒定的转向角，包括零转向角，即不转动。在保持恒定的转向角度的同时收集gps和imu数据代表校准的主要部分，并且与手动校准相比，执行这些操纵将自动引起校准数据的质量的大幅改善。

还可以执行图5a-5c中的操纵来校准can总线曲率命令。可以将车辆在转弯中实现的实际曲率与所要求的曲率进行比较。自动驾驶仪可以在查找表中存储请求曲率和实际曲率之间的对应关系(例如，实现+8.5m的实际曲率，发送can总线请求+8.3m)或作为拟合函数的系数(例如，实际曲率＝1.024x请求曲率)。

图5d示出了用于横滚(roll)校准的操纵。车辆停在某一点，车辆的横滚角(围绕纵轴)由自动驾驶仪中的imu测量。接下来，车辆停在同一点上，但是朝相反方向前进。(图5d显示了拖拉机单向前进的虚线轮廓，同一拖拉机的实线轮廓朝向相反方向。)测量的横滚角与两个相对的航向进行比较，以了解测量的横滚角多大对应于“向上”或垂直于地平线。

图6和图7示出了进一步的校准测量。图6示出了致动器响应曲线的示例。在图6中，转向角速率φ被绘制为转向阀致动信号x的函数。在典型的农用拖拉机中，转向角由电动液压阀控制，并且阀致动信号是脉宽调制电信号。其他致动器响应特性(例如曲率对照曲率命令值)具有与图6所示曲线相似的形式。

图6示出了当阀致动信号x从零增加时，初始转向角速率保持为零。标记为“dz”的图形区域被称为死区或盲区。随着x进一步增加，转向角速率与x成比例，达到图形的“线性”区域。最后，在“饱和”区域中，x的进一步增加仅导致转向角速率的微小变化。致动器响应曲线的形状和尺寸，如图6所示，是在校准期间测量并在调整过程中使用的参数。

作为示例，考虑沿着直线引导车辆的自动驾驶仪。如果自动驾驶仪(例如通过gps和/或imu)感测到车辆左转，则它必须命令小的右转以补偿并保持车辆直行。如果自动驾驶仪命令转向角速率相对x值的变化处于死区，则不会发生任何状况，转向角速率将不会改变。因此，为了有效地执行自动驾驶仪应该“知道”(即，存储在其存储器中)死区的界限是什么。对于不同的液压阀，这些界限是不同的。死区界限只是在校准期间测量的参数的一个示例。其他示例是线性和饱和区域的斜率和范围。

图7示出了示例性车辆响应特性。在7图中，相对于时间t绘制转向角φ。从时间零到时间t1，转向角恒定，φ1。在时间t1，自动驾驶仪命令从转向角φ1变化为转向角φ2。(由自动驾驶仪命令的转向角被绘制为虚线；所实现的实际转向角被绘制为实线。)自动驾驶仪可以以各种方式影响转向角的变化，例如，相对x改变转向角速率(参见图6)或通过can总线发出曲率命令。尽管自动驾驶仪要求转向角在t1处变化，但在时间δt1期间也不会发生任何变化。转向角最终在时间δt2期间确实发生变化，但是它过冲φ2并需要时间δt3来稳定下来。最大过冲量标示为“p”。转向角稳定后仍然不十分正确；稳态误差标记为“q”。时间δt1，δt2和δt3分别被称为延迟时间，上升时间和稳定时间。它们与p和q一起表示在自动驾驶仪校准期间测量的五个参数。

校准也可能涉及许多其他车辆性能特性的测量。示例包括响应车速命令或执行操纵。在每种情况下，自动驾驶仪可以直接控制致动器，或者可以通过车辆的线控系统发送请求。

在自动校准期间，自动驾驶仪通过如图5所示的一系列操纵引导车辆，并收集传感器测量值以表征车辆性能。在自动驾驶仪中编程的校准步骤可能仅限于在预定义区域内进行。例如，可以在自动驾驶仪中输入平面地面的坐标和尺寸，以保持所有校准操作在边界框内。

自动校准产生用于自动驾驶仪调整的精确数据。在某些情况下，手动程序获得的这些数据是不可靠的。一个人非常难以准确地引导车辆，以便从可能以不同速度执行的一系列转向角测试中产生高质量的数据。自动驾驶仪控制下的车辆引导比人驾驶时更准确；类似的自动校准比手动校准产生更好的结果。

调整

调整意味着根据校准期间测量的车辆特性来调节自动驾驶仪的设置。调整的示例包括调节伺服回路中的比例和差分增益，以获得转向角所需变化的最佳转向响应，或调节用can命令发送的参数以实现所需的车辆行为。

正如可能存在大量的校准测量一样，也可能存在大量的调整调节。考虑到测量的死区等，调整可能涉及设置适当的增益和延迟，增益规划以考虑非线性。一般来说，给定一组校准数据，本领域技术人员知道如何调整自动驾驶仪控制系统，这样的调整可以由自动驾驶仪的微处理器通过执行存储在自动驾驶仪的存储器中的调整算法来自动执行。

自动调整优于手动调整，因为调整算法能够组合来自许多不同校准测量的信息以获得最佳的自动驾驶仪设置。自动调整减少了操作员手动调节调整参数的诱惑，这通常会导致意想不到的后果。调整通常是一个迭代过程，而当一个人可以根据多个校准操纵的结果调整一个参数时，当涉及许多参数时，通常情况下，微处理器算法更有可能找到总体最优调整设置。

诊断

诊断意味着总结自动驾驶仪安装和报告问题的设置。自动诊断功能可让经销商，安装人员和操作员立即了解特定自动驾驶仪安装中可能期望的性能水平。如果发生这种情况，诊断也有助于确定自动驾驶仪性能差的原因。

当农民在拖拉机，喷雾机或联合收割机上安装了新的自动驾驶仪时，他需要知道自动驾驶仪和车辆的表现。如果他预期在接下来的路径中1英寸的精确度，那么如果有任何事物妨碍目标，他需要立即知道。校准产生一长串测量结果，并且调整产生类似长串的调整参数调节，但是这些数据对于人类来说是不容易解释的。即使专家也无法从一组校准和调整数据中快速识别潜在的安装问题。

自动诊断通过应用规则，质量标准或模糊逻辑来总结校准和调整数据以解决此问题。诊断可以将校准和调整结果减少为反映整个系统性能的一小组字母等级(有时只有一个)。

自动诊断还可以随时监控系统性能，而不仅仅是在校准和调整之后立即进行。当检测到问题时，诊断可以帮助操作者找到原因。例如，具有自动诊断功能的自动驾驶仪可以向操作员发出“可疑的损坏转阀”的警告信息，而不仅仅报告阀门死区的异常值(在大量校准数据中容易忽略的信息)。报告车辆部件异常有助于解决转向问题，这比传统自动驾驶仪系统更快。

当访问车辆，传感器和致动器性能数据的数据库可用时，自动诊断得到增强。鉴于车辆配置(例如前转向，铰接，差速驱动等)或特定类型(构造和型号)，传感器类型和/或致动器类型，诊断可以将校准数据与从类似的自动驾驶仪安装获得的数据进行比较。从每个安装收集的校准数据也可以记录在数据库中作为将来安装的参考。自动驾驶仪的i/o组件使其微处理器和存储器能够从数据库获取车辆特性，并将车辆特性发送到数据库。

模糊逻辑系统提供了如图8所示的实现自动诊断的一种方式，图8显示了第一自动驾驶仪性能分级系统。在图8中，参数805输入到模糊推理器810中。推理器810包括隶属度(dom)函数815，模糊关联存储器(fam)规则820和解模糊器825。模糊推理器的输出是等级830。在自动驾驶仪的微处理器和存储器中执行图8的系统；该等级可以通过自动驾驶仪的i/o设备呈现给用户。

参数805可以包括诸如：最大转向角速率，转向角延迟，上升时间，稳定时间，过冲参数，致动器响应斜率，致动器响应线性和饱和特性等的测量参数。隶属度函数815将简明输入(crispinputs)映射到隶属组中。例如，每秒20度的最大转向角转换速率可以在慢(slow)集合中具有0.8隶属度，在中等(medium)集合中可以具有0.2隶属度，并且在快速(fast)集合中具有0.0隶属度。但是，每秒40度的最大转向角转换速率可能在慢集合中具有0.0隶属度，在中等集中具有0.05隶属度，在快速集合中具有0.95隶属度。

评估fam规则820以确定隶属度设置值的输出。解模糊器825将隶属度设置值的输出度转换为诸如等级的简明输出。假设，作为一个例子，模糊推理器只有两个输入，转向角速率和转向角稳定时间。(在实际系统中，模糊推理器具有多个输入。)在这种情况下，fam规则和解模糊器可以指定如果转向角速率为fast且转向角稳定时间短，则输出等级830为“a”。如果转向角速率为中等且转向角稳定时间短，则输出等级830为“b”。

fam规则最初由自动驾驶仪设计工程师确定，然后基于田地数据进行微调。或者，可以使用遗传算法随时间自动地学习dom功能和fam规则。作为示例，解模糊器可以使用单例方法或质心法来确定简明输出。

等级830是自动诊断的结果之一。在许多情况下，单字母或数字等级就足够了。例如，特定的自动驾驶仪安装可能会获得等级“81”或“b-”。当系统性能的不同方面对于不同的运营商来说是重要的时候，可以给出一个以上的成绩。可以给出不同等级的速度和精度，例如，操作者相对于其他属性更重要其中某一属性时，会选择调整选项以实现他们想要的行为。

图8的诊断系统最常用于在自动驾驶仪固件中执行；即在图3的处理器和存储器中。然而，它也可以在自动驾驶仪通过其i/o能力进行通信的远程服务器中实现。因此，操作员可以使用车辆自动驾驶仪执行校准和调整过程，但是在他的手机或平板电脑上接收诊断数据。

如图9所示，也可以实现自动诊断而不用模糊逻辑，图9示出了第二自动驾驶仪性能分级系统。在图9中，参数905与图8中的参数805相同，输入参数905用于性能分级规则910。规则的输出是等级915。图9的系统与图8相同，除了在模糊推理器810中不使用模糊逻辑来实现分级规则910。相反，分级规则910可以包括输入的功能，例如车辆特性数据的加权和或决策树(例如，如果...则......”)。

如果不满足一个或多个参数的最小性能值，图9的系统可能会跳转等级。例如，分级规则910中的一个可以是转换率，必须至少为10度/秒，并且如果转换率小于该值，则整个系统将被分级为“f”，而与其他参数值无关。如果某些校准步骤从未运行，则系统也可以分级为“f”，因此相应的性能数据丢失。

自动校准，调整和诊断通过帮助农民从自动驾驶引导的车辆获得最佳性能来提高耕作精度。当车辆上安装新的系统或更换传感器或致动器时，校准和调整是最重要的。诊断评估系统性能并提醒运营商进行性能更改。诊断可以随时执行，并且在某些情况下可以在自动驾驶仪正在运行的任何时候执行。

提供了所公开的实施例的上述描述以使本领域任何技术人员能够制造或使用本发明。对这些实施例的各种修改对于本领域技术人员将是显而易见的，并且在不脱离本发明公开的范围的情况下，本文定义的原理可以应用于其他实施例。因此，本发明公开不旨在限于本文所示的实施例，而是符合与本文公开的原理和新颖特征一致的最广范围。

广义而言，本发明至少公开了以下内容：

自动校准，调整和诊断通过帮助农民从自动驾驶仪引导的车辆获得最佳性能来提高耕作精度。自动驾驶仪无法由人类驾驶员来精确执行，自动驾驶仪自动调整和简化的诊断都是先进的农用车辆自动驾驶仪系统的一部分。

优选包括本发明所述的所有元件，部件和步骤。应当理解，对于本领域技术人员来说显而易见的是，这些元件，部件和步骤中的任何一个可以被其他元件，部件和步骤替代或完全删除。

概念

本文至少揭示了如下概念：

概念1.一种农用车辆自动驾驶仪，包括：

与微处理器和存储器通信的全球导航卫星系统(gnss)传感器和惯性测量单元(imu)传感器，其中所述微处理器和存储器被配置为：从转向角传感器接收转向角数据，向转向角致动器发送转向角度命令，以及通过引导农用车辆进行校准操纵并在校准操纵期间利用gnss和imu传感器测量车辆响应特性来执行自动驾驶仪校准。

概念2.根据概念1及3-12任意一项所述的农用车辆自动驾驶仪，其中，所述微处理器和存储器还被配置为：执行自动驾驶仪设置的自动调整。

概念3.根据概念1及2及4-12任意一项所述的农用车辆自动驾驶仪，其中，所述微处理器和存储器还被配置为：在自动驾驶仪控制下执行车辆性能的自动诊断。

概念4.根据概念1-3及5-12任意一项所述的农用车辆自动驾驶仪，其中所述自动诊断包括计算性能等级以总结校准和/或调整数据。

概念5.根据概念1-4及6-12任意一项所述的农用车辆自动驾驶仪，其中所述自动诊断包括报告车辆部件异常。

概念6.根据概念1-5及7-12任意一项所述的农用车辆自动驾驶仪，其中所述自动诊断基于包括隶属度函数和模糊关联存储器规则的模糊逻辑推理器。

概念7.根据概念1-6及8-12任意一项所述的农用车辆自动驾驶仪，其中所述自动诊断基于包括车辆特性数据的加权和的性能分级规则。

概念8.根据概念1-7及9-12任意一项所述的农用车辆自动驾驶仪，还包括允许所述微处理器和存储器与数据库通信的i/o部件，并且其中所述微处理器和存储器还被配置为：从所述数据库获得车辆特性并将车辆特性发送到所述数据库。

概念9.根据概念1-8及10-12任意一项所述的农用车辆自动驾驶仪，其中，所述车辆响应特性包括转向角速率：死区，线性区域或饱和区域。

概念10.根据概念1-9及11及12任意一项所述的农用车辆自动驾驶仪，其中，所述车辆响应特性包括转向角：延迟时间，上升时间，稳定时间，过冲或稳态误差。

概念11.根据概念1-10及12任意一项所述的农用车辆自动驾驶仪，其中，所述微处理器和存储器还被配置为：向车速致动器发送车速命令。

概念12.根据概念1-11任意一项所述的农用车辆自动驾驶仪，其中，所述校准操纵在预定义的地理区域内完成。

概念13.一种用于农用车辆自动驾驶仪校准，调整和诊断的方法，所述方法包括：

农用车辆自动驾驶仪中的微处理器和存储器：

从转向角传感器接收转向角数据；

向转向角致动器发送转向角命令；

在使用gnss和imu传感器进行校准操纵过程中，通过校准操纵引导农用车辆并测量车辆响应特性；

根据调整算法调整自动驾驶仪设置；

计算性能等级，以总结校准和调整数据；

报告车辆部件异常；以及，

发送车辆特性至数据库，或从数据库接收车辆特性。

概念14.根据概念13及15及16任意一项所述的方法，通过蜂窝数据网络执行发送或接收。

概念15.根据概念13及14及16任意一项所述的方法，还包括所述微处理器和存储器向车速致动器发送车速命令。

概念16.根据概念13-15任意一项所述的方法，计算性能等级包括模糊逻辑运算。