hybrid_autonomous_tractor_vcu

混合动力自主作业拖拉机智能整车控制器

• 版本: 0.1.4
• 作者: [email protected] ， 目前就读于江苏大学农机控制理论与工程博士
• 日期: 2025/09/28

1. 项目概述

hybrid_autonomous_tractor_vcu 是一个为油电混合动力自主作业拖拉机设计的整车控制器（Vehicle Control Unit, VCU）软件项目。本项目旨在提供一个符合工业级标准的、模块化的、可扩展的软件平台，用于实现自主作业（无人）拖拉机的自主精准作业决策和高效的能量管理。

该软件架构采用分层设计，涵盖了从底层硬件驱动、实时操作系统（RTOS）抽象，到上层感知、预测、决策和控制的全栈功能。其核心目标是实现拖拉机在复杂多变的农业环境中安全、可靠、高效地完成各项预定任务，如犁地、播种、施肥、喷药等。

2. 核心特性

• 模块化与分层架构: 软件被清晰地划分为硬件抽象层、感知层、预测层、控制层、执行层和诊断层。各层之间通过明确定义的接口进行通信，实现了高度的内聚和低耦合，便于独立开发、测试和维护。

• 工业级可靠性与安全性: 系统内置了全面的健康监控、故障诊断和安全冗余机制。从指令验证、安全监控到紧急停机处理，确保在任何情况下车辆和人员的安全。

• 预测性控制: 利用先进的预测算法（如负载预测、能量消耗预测），系统能够“预见”未来的工作状态，并提前做出最优控制决策，从而显著提升燃油效率和作业性能。

• 混合动力能量管理: 专为油电混合动力系统设计了先进的能量管理策略。通过智能扭矩分配（Torque Split）算法，在发动机和电机之间实现最佳的功率分配，最大化燃油经济性并减少排放。

• 标准化协议支持: 内置对 J1939 和 ISOBUS (ISO 11783) 等行业标准协议的支持，确保与主流的发动机、传动系统和农具的互操作性。

• 配置驱动开发: 系统的关键参数，如车辆物理参数、控制增益、传感器标定数据和故障规则，全部通过外部 YAML 配置文件进行管理，实现了“配置即代码”，极大提升了软件的灵活性和可移植性。

• 可扩展的农具控制: 设计了统一的农具控制接口 (IImplementController)，新增农具类型（如新型播种机、施肥机）只需实现该接口并提供相应的配置文件，即可无缝集成到系统中，实现了真正的“即插即用”。

3. 架构概览

• 平台层 (Platform Layer): 包含实时操作系统（或其抽象）和硬件抽象层（HAL），负责提供定时、中断、内存管理等基础服务，并封装对CAN控制器、GPIO、ADC等硬件的直接访问。
• 服务层 (Service Layer): 提供跨应用的核心服务，包括通信管理（CAN/ISOBUS协议栈）、配置加载、诊断和健康监控等。
• 应用层 (Application Layer): 实现车辆自主作业的核心业务逻辑，包括：
  • 感知 (Perception): 融合多传感器数据，理解车辆自身状态和外部环境。
  • 预测 (Prediction): 基于当前状态和历史数据，预测未来的负载、路径和能量需求。
  • 控制 (Control): 根据预测结果和目标任务，做出最优的控制决策，如扭矩分配、转向角度、农具作业速率等。
  • 执行 (Execution): 将控制指令安全地发送给硬件执行器，并监控其执行状态。

4. 快速开始

4.1 环境要求

• C++17 编译器 (GCC/Clang)
• CMake (版本 >= 3.12)
• Eigen3, YAML-CPP, Google Test 等依赖库

4.2 编译项目

# 克隆仓库
git clone https://github.com/qwagrox/hybrid_autonomous_tractor_vcu.git
cd hybrid_autonomous_tractor_vcu

# 运行构建脚本
./scripts/build.sh

构建脚本会自动创建 build 目录，并编译生成主程序 vcu_main 和单元测试程序。

4.3 运行单元测试

cd build/
./bin/unit_tests

5. 仿真子系统

1. 查看 仿真子系统设计架构
2. 查看 仿真子系统运行测试
3. 查看 仿真子系统HIL

6. Infineon + NuttX RTOS + POSIX移植

查看 Infineon + NuttX RTOS + POSIX移植

7. 目录结构

├── config/         # 所有YAML配置文件
├── docs/           # 项目设计与开发文档
├── include/        # 所有模块的头文件 (.hpp)
├── models/         # 机器学习模型文件 (.onnx, .tflite)
├── scripts/        # 辅助脚本 (构建, 部署, 分析等)
├── simulation/     # 仿真子系统（软件在环SIL）
├── simulation_hil/     # 仿真子系统（硬件在环HIL）
├── src/            # 所有模块的源文件 (.cpp)
└── tests/          # 单元测试、集成测试和系统测试

8. 贡献指南

我们欢迎任何形式的贡献！如果您希望为本项目做出贡献，请遵循以下步骤：

1. Fork 本仓库。
2. 创建一个新的功能分支 (git checkout -b feature/YourFeature)。
3. 提交您的代码 (git commit -m 'Add some feature')。
4. 将您的分支推送到远程仓库 (git push origin feature/YourFeature)。
5. 创建一个新的 Pull Request。

在提交代码前，请确保您的代码遵循项目现有的编码规范，并通过了所有测试。

9. 许可证

本项目采用 MIT License 开源许可证。