In order to increase the efficiency of farming operations and lighten the labour intensity, agricultural robots and techniques for autonomous navigation in the field were proposed by many researchers. A farmer can employ agricultural robots to take over more of the repectitive and time consuming tasks such as seeding and tilling the land, weeding and harvesting the crops, so that he can spend his time more usefully.

　This study seeks to develop an autonomous navigation system for tractor operations on sloping terrain for lightening the labour intensity and increasing the productivity. The detailed objectives are
1)formulation of a neural network vehicle model and investigation of the open-loop control characteristics of vehicle motion on sloping terrain, 2)autonomous guidance of a tractor along arbitrary reference paths on sloping terrain using fuzzy control and
3)development of a platooning control system of tractors on sloping terrain.

　In Chapter 2, an overview of the experimental control system was presented. All hardware and their specifications were listed and their applications in this research were also discussed. Some sensors were calibrated before doing the experiments. The chapter then discussed the object-oriented and multi-thread programming technologies.

　Chapter 3 presented the formulation of a neural network(NN) vehicle model for estimating vehicle behaviour on sloping terrain. In this research, a 7-6-5-3 NN vehicle model was structured. For ensuring that the NN model was accurate over a wider range, the training pairs were acquired along the lemniscate of Bernoulli courses. A supervised training method, called a back propagation(BP) algorithm, together with a genetic alogorithm(GA) was used to train the NN model. Especially, the GA explored a preferable global minimum area in the global space before the BP beginning to be executed. The NN vehicle model was validated by the lemniscate of Bernoulli courses and the sinusoidal course. Comparisons between the experiments and the simulations were conducted and discussed. In this chapter, the open-loop control characteristics of vehicle motion on sloping terrain were also investigated by the simulations and experiments.

　A two-hierarchy fuzzy logic controller(FLC) and a new path-tracking method were developed to guide a tractor along arbitary paths on sloping terrain in Chapter 4. The FLC organized the rule sets with a multi-layer architecture. The upper level FLC, according to the high-layer rule set, used the terrain slope angle and vehicle posture to select the lower level FLCs. Then the crisp output of every lower level FLC was inferred based on each low-layer rule set. Finally, these outputs were coordinated to produce the resultant amount of steering angle change desired for vehicle motion. The chapter detailed every stage in the design of the FLC, namely linguistic varriables and fuzzy sets, rule sets, inference engine and defuzzification.

　In the designed path tracking method, both the location and orientation of the navigation point were employed to determine the current steering angle for vehicle motion. The path-tracking controller was composed of feedforward and feedback component elements. The feedforward component was based on the curvature of the current navigation point and could be calculated from geometrical relationship of the vehicle bicycle model. The feedback component was determined by the designed two-hierarchy FLC. The theoretical work was experimentally tested using the autonomous tractor on a meadow with a slope angle ranging from 10° to 20°.

　Chaper 5 presented the development of a platooning control system of tractors on sloping terrain. Overview of the system incorporating the positioning systems was introduced. In this system, the absolute positions of the vehicles were measured and this made the system able to deal with follow-up motions for not only straight but also curvous courses.

　The development of the tractor platooning system mainly included two steps. One was to create a reference course for the following vehicle from the position points of the leading vehicle online and in real time. The other was to guide the following vehicle along the reference course. Both steps were carried out parallel. At the first step, for smoothing the trajectory of the leading vehicle, the least squares fitting processing was executed to filter some noise caused by vehicle vibration and uneven ground surface. According to a given lateral offset, the reference course for the following vehicle to track was determined based on the geometrical relationship between the leading and following vehicles' trajectories. At the second step, the path-tracking controller presented in Chaptor 4 was used for the following vehicle to follow up the leading one along the reference course.

　Feild tests were conducted with three types of courses on a meadow with a mean slope angle of about 7°.

　The conclusions drawn from the results of this research are as follows:
1)A NN vehicle model, incorporating variations in ground surface profiles, tire-ground friction forces and terrain slope angle, was formulated. The model validation was carried out by the simulations and experiments. The open-loop control characteristics of the vehicle motion on sloping terrain were evaluated. The results indicated that the formulated NN model was capable of expressing the vehicle motion on sloping terrain and generalized well.
2)A path-tracking controller composed of feedforward and feedback component elements was proposed for the tractor autonomous navigation on sloping terrain. The theoretical work was experimentally tested using the autonomous tractor on a sloping meadow. Experimental results demonstrated that the autonomous navigation system could provide a centimeter-level precision in agricultural operations.
3)A plantooning control system of agricultural vehicles was developed, which dealt with follow-up motions for both straight and curvous courses. The field test results indicated that the following vehicle followed up the leading vehicle successfully.
4)The experimental vehicle system itself was a major contribution of this thesis. The test-bed was a complete electromechanical control system composed of actuators, controllers, various sensors and communication systems.

（和訳）

　農作業効率を改善すると同時に労働強度を軽減するために、数多くの研究者が圃場における ナビゲーション技術と農業ロボット技術を提案してきた。 このような技術を応用することにより農家は耕うん・整地・播種・除草や収穫などの農作業を、 効率的に実施することができる。

　本論文は、労働強度の軽減化と労働生産力を高めるために、トラクタの自律走行システムの開発を行う。 詳細な目的は次の通りである：
１）傾斜地におけるニューラルネットワーク（NN)車両モデルの定式化と、それを用いた傾斜地での 農用車両の操舵と運動を表す開ループ特性の検討。
２）傾斜地において、予め与えられた任意の曲線軌道に追従するトラクタの自律走行。
３）傾斜地におけるトラクタ系のプラトーニング(Platooning)制御システムの開発。

　第２章では、本実験の制御システムの概要を述べた。 全てのハードウェアとその仕様を記載し、本研究でのそれらの使い方を説明した。 実験に取り掛かる前に、一部のセンサ類の較正を行った。 また、本研究で使用したプログラミング言語はビジュアルC++である。 特に、その中のオブジェクト指向プログラミング方法とマルチスレッドのプログラミングテクノロジについても説明した。

　第３章では、傾斜地での車両の挙動を予測するNN車両モデルの定式化を提案した。 本研究では、7-6-5-3の内部構造を持つNN車両モデルを構築した。 より広い範囲で、このNNモデルが成立するように、ベルヌーイのレムニスケート曲線のコースを設定し、 そのコースに沿った走行結果を教師信号とした。
　バックプロパゲーション（BP)法によるNNのトレーニング方法に、遺伝的アルゴリズム（GA)を併用して NNモデルを訓練した。 特に、GAは局所解に陥ることを防ぎ、全空間の中で望ましい最適領域での最小値を求める働きを させるために併用した。
　ベルヌーイのレムニスケート曲線と正弦波曲線の２コースを利用し、 それぞれで実車実験とシミュレーションを比較し、NN車両モデルの妥当性と汎化性を検討した。 さらに、実車実験とシミュレーションによって、傾斜地における車両運動のオープンループ特性も検討した。

　第４章では、傾斜牧草地で予め与えられた任意の走行軌道に沿ってトラクタを誘導させるため、 上下２層で構成されるファジィ論理コントローラ（FLC)と新しい軌道追従手法を開発した。 FLCは多層構造でルール集合を組織した。 上層のFLCは上層のルール集合により、斜面傾斜度と車両の姿勢角を利用して、下層FLCの全制御過程を決定した。 さらに、下層のルール集合によって下層FLCの出力を推定した。 最終的に、全ての下層FLCの出力を総合化し、車両運動に必要な操舵角のレート（微分値）を算定した。 本章ではFLC、すなわち、言語の変数とファジィ集合・規則セット・推論処理機関と非ファジィ化の 全ての設計段階を詳細に検討した。
　設計した軌道追従法では、制御点の位置と方位の２つから、車両運動のための現在時点での操舵角を決定した。 提案した軌道追従制御器はフィードフォーワード部分とフィードバック部分から構成される。 フィードフォーワード部分は現在時点の制御点の軌道の曲率に基づいて車両の２輪モデルの幾何学から 操舵角を求めた。 他方、フィードバック部分は設計した２層FLCから操舵角の変化量を計算した。 最終的な操舵角はこれらの２つの和である。 最後に、１０°から２０°までの傾斜牧草地で、無人走行が可能なように改造したトラクタを利用して、 実車実験を実施した。

　第５章では、傾斜地におけるトラクタ系のプラトーニング制御システムの開発について述べた。 位置を測定するシステムを含め、制御システムの概要を説明した。 本研究で採用した追従システムは絶対座標系を利用した新しいシステムで、かつ直線軌道追従だけでなく、 曲線軌道にも適用できるところに新規性がある。
　このトラクタ系のプラトーニングシステムの開発は２つのステップを含む。 第１段階は、オンラインでかつリアルタイムで先行車両の位置情報から新しい安定化した参照軌道を生成する。 第２段階は、後続する無人トラクタ（移動ロボット）がその参考軌道に追従するための制御則を設計する。 第１段階において、各時刻ｔでの先行車両の位置座標を絶対座標系として同定する。 次に、この状態量の時系列情報から、最小二乗法を援用して、平滑化された軌道（参照軌道と呼ぶ）を算出する。 この手法で算出された軌道は、各時刻の生データに含まれる車両振動や観測誤差を補償する働きをする。 また、先行車両の直後を追従するオントラッキング参照軌道だけでなく、軌道が横に平行にずれた参照軌道 （以後、オフセット参照軌道と呼ぶ）も決定した。 第２段階では、第４章で設計した追従制御器をそのまま援用し、移動ロボットを制御した。
　平均傾斜度が約７°の牧草地で、基本的な３種類のコースを用いて実車実験を行なった。
　この研究の結果から得られた結論は次の通りである：
１）はじめに、地面凹凸の相違やタイヤと地面の摩擦の相違や傾斜度の変化を組み込んだ新しいNN車両モデルを 定式化した。 次に、この新しいNN車両モデルの妥当性を確認するために、傾斜牧草地において実車実験を実施した。 その結果、NNモデルは、実際の斜面における車両運動を推定できることが示され、 モデルの妥当性が確認された。
２）次に、傾斜地でのトラクタの自律走行を行なうための新しい追従制御器を設計した。 このコントローラは、フィードフォーワード部分とフィードバック部分で構成される。 以上のことを確認するために、傾斜牧草地で実車実験を行い、設計した制御器の妥当性を検証した。
３）人の操縦するトラクタを無人ロボットが一定距離をおいて追従走行するプラトーニングシステムを開発した。 直線や正弦波という典型的な曲線コース、任意の曲線の全てについて、無人トラクタはトラッキング制御を実現した。
４）最後に、実験車両システムそれ自身が、この学位論文の主要な貢献の一つであるといえる。 移動ロボットを構成する全体システムは完全な電気－機械システムである。 これは、操舵機構であるアクチュエータ・PCとソフトであるプログラミング・各種のセンサと通信システムから構成されている。