基于蚁群-BFS算法的复杂环境下农业机器人全区域覆盖研究

目的 以路径重复率为优化目标解决农业机器人在数字生态农场中的全区域覆盖问题。方法 首先,将栅格地图中的障碍物进行膨胀处理,在此基础上进行矩形分区以及分区合并操作;然后,通过改进的蚁群算法规划分区间的遍历顺序、通过改进的广度优先搜索(Breadth first search, BFS)算法规划分区间终点与起点的衔接路径,从而实现机器人全区域覆盖。2种算法的具体改进方案为：分别通过人工免疫算法与粒子群算法改进遗传算法的选择与交叉算子,并将改进后的选择算子、交叉算子、原遗传算法变异算子与蚁群算法相结合改进传统蚁群算法信息素更新方法;建立动态函数以简化BFS算法规划的路径。结果 仿真结果表明,改进蚁群算法收敛时的迭代次数较传统蚁群算法减少了83.1%,路径长度相比减少了4.8%;由改进的蚁群算法与改进的BFS算法规划的机器人遍历路径重复率是传统蚁群算法和BFS算法的56%,且农业机器人能实现对农田区域的100%覆盖。结论 本研究提供了一种农业机器人在复杂环境的数字生态循环农场中进行全遍历覆盖的解决方案。     

基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。     

果园割草机器人路径规划与轨迹跟踪控制研究

以果园割草机器人为研究对象,设计了一种区域化往复式全覆盖路径规划策略,提出了基于横向偏差修正算法的轨迹跟踪控制方法,进行了路径规划与轨迹跟踪仿真试验。研究结果表明:与传统往复式路径规划方法相比,区域化往复式方法的漏割率降低了2.3%,重复率降低了1.7%;与传统纯跟踪算法相比,改进纯跟踪算法转角范围增宽了0.2rad,横向误差降低了0.063m,有效降低了跟踪误差。     

基于离散因子的多传感器数据融合和导航线提取方法

目的 针对玉米田间路径边界模糊和形状不规则特点,普通的田间导航线提取算法在农业机器人实际应用中会出现偏差过大的问题,本文针对3~5叶期玉米田提出了基于离散因子的相机与三维激光雷达融合的导航线提取算法。方法 首先利用三维激光雷达获取玉米植株点云数据,同时将相机采集的图像利用超绿化算法和最大类间方差法自动获得绿色特征二值图像,然后将聚类分析后的点云数据投影到图像中的目标边框上,构建多传感器数据融合支持度模型进行特征识别,最后拟合所获取特征中心点即为导航基准线。结果 该算法能够很好地适应复杂环境,具有很强的抗干扰能力,单帧平均处理时间仅为95.62 ms,正确率高达95.33%。结论 该算法解决了传统算法寻找特征质心偏移、识别结果不可靠等问题,为机器人在玉米田间行走提供了可靠的、实时的导航路径。     

动态环境中基于遗传算法的机器人路径规划

为解决动态环境中足球机器人的路径规划问题,采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,建立了以路径最短、避障为优化目标的遗传算法个体评价函数．采用轮盘赌选择、重合点交叉、多种变异结合等方法完成了遗传操作．针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了复原操作和重构操作,使改进后的遗传算法收敛于全局最优．仿真结果表明：该算法能够成功地在动态环境里规划出一条近似最优的路径,算法是有效的．     

基于多目标PSO-ACO融合算法的无人艇路径规划

【目的】针对河蟹养殖过程中,水位变化以及无人艇路径规划算法收敛慢、精度低的问题,为提高算法适应性与寻优能力,提出一种多目标粒子群-蚁群融合的无人艇路径规划算法。【方法】首先,分析蟹塘环境及养殖规律等因素,建立静态水深栅格环境模型;其次,针对覆盖遍历式投饵存在局部点投喂不足及路径次优的问题,通过对惯性参数与学习因子的非线性调整,提出基于多目标的改进粒子群算法(Particle swarm optimization, PSO);然后,调整蚁群算法的初始信息素,并对蚁群算法的信息素挥发因子和启发期望函数自适应改进,提出自适应优化蚁群算法(Ant colony optimization, ACO);最后,为解决单一算法寻优不足,利用融合PSO-ACO算法,实现无人艇多目标全局路径规划。【结果】仿真结果表明：不同环境投饵策略下,PSO-ACO算法在对多目标路径寻优时,不仅环境适应性好,而且提高了寻优效率和精度,运行时间节省了32%,路径距离缩短了9.78%,迭代次数降低了62.88%,拐点数目减少了44.45%。【结论】所提出多目标点的路径规划算法适用于环境可变的蟹塘养殖,具有较好的应用价值。     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径, 构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

多功能农用机器人路径规划的多种优化算法

针对多功能农用机器人路径规划问题,提出禁忌搜索算法(TSA)、模拟退火算法(SAA)、遗传算法(GA)、蚁群算法(ACO)等4种路径搜索方法。为测试算法实际效果,以4种不同规格环境模型为研究背景,以距离最短、程序耗时最少、收敛代数最小为评价指标,运用Matlab软件对算法规划路径过程进行仿真测试。结果表明,4种算法均能为农用机器人规划出距离最短的优化路径;在作物种植区节点规模较小环境下,与其他3种算法相比,蚁群算法具有较强的全局搜索能力,且不易陷入局部最优;在作物种植区节点规模较大环境下,遗传算法全局搜索能力优于其他算法,可通过增大种群数量和增加收敛代数获取最优路径。     

基于改进蚁群算法的灭火机器人路径规划研究

提出一种适用于灭火机器人避障路径规划的改进蚁群优化算法,采用自适应更新策略的方法规划最佳避障路径,建立了简洁、严谨的蚁群优化算法函数,以达到对灭火机器人避障路径的优化.这种方法能够使灭火机器人在未知环境寻找火源时有效避开障碍物并且使机器人所走路径最短,所用时间最少.经实验证明了该方法的可行性和有效性.     

基于云模型的农业移动机器人人机合作路径规划

【目的】实现农业移动机器人在复杂动态的农业环境中实时准确地无碰撞行驶。【方法】基于云模型的不确定性在线推理方法,提出一种基于云模型的动态引导A*(CDGA*)算法进行人机合作路径规划,将人的专业知识和喜好等引入DGA*优化中,实现机器人更快速的路径规划。利用Matlab软件对CDGA*算法与DGA*算法进行仿真对比分析。【结果】静态路径规划中,DGA*算法与CDGA*算法的close的点数分别为158和96,人员规划时间分别为8.8和4.0 s,规划总时间分别为15.6和8.9 s;动态路径规划中,DGA*算法与CDGA*算法的人员规划时间分别为12.5和5.8 s,规划总时间分别为23.3和14.6 s。【结论】提出的CDGA*算法能够大大减少产生的节点数,缩短规划时间,提高搜索效率。     

农用小型无人机转弯掉头模式及全区域覆盖下作业路径规划与优化

【目的】具备自主飞行、航线规划与优化、精准控制与变量作业能力是农用小型无人机(Agricultural smallunmanned aerial vehicle, ASUAV)的发展方向。本研究为ASUAV在全区域覆盖下自主飞行作业前的航线拐点坐标解算、飞行航向、起降点位置以及转弯掉头模式等提供优化选择。【方法】利用基于自主恒速飞行和最小转弯半径约束的无人机转弯掉头策略,分析并设计了任意凸多边形作业区域下无人机的路径规划方法,提出了基于幅宽微变的航线归整法路径规划方案,并对结构化农田区域实现全区域覆盖条件下的路径进行了规划与优化选择。【结果】基于最优转弯掉头模式下的ASUAV全区域覆盖路径规划方法适用于任意凸多边形结构的农田区域,GUI程序在解算地头边界航线拐点坐标的同时能优化选择出效率最高的飞行作业航线。在试验田随机规划出一个面积约为2.7 hm2的不规则凸六边形田块,仿真发现当无人机沿着平行于最长边飞行作业时,其空行行程最短,约为540 m,工作效率也最高,接近90%。【结论】经过优化选择后的ASUAV掉头转弯模式、起降点位置、飞行航向以及解算后航线拐点坐标等可以实现全区域覆盖,研究结果为ASUAV自主飞行作业提供了参考。     

自主导航农业机械避障路径规划

【目的】实现自主导航农业机械作业时静态障碍物避障功能。【方法】在已知工作环境条件下提出2种避障路径规划算法。以农机运动规律为基础,依据障碍物位置和尺寸信息提出单障碍物避障算法。在单障碍物避障算法基础上,依据安全行驶区域大小,参考左右双向避障策略提出双/多障碍物避障算法。【结果】单障碍物位于不同位置、农机行驶速度为0.3 m·s~(-1)时,行驶路径分别比L算法减少35%、26%,行驶路径累计误差减少53%、82%,方差减少64%、66%;行驶速度为0.5 m·s~(-1)时,行驶路径减少38%、22%,行驶路径累计误差减少66%、62%,方差减少41%、71%。多障碍物路况,农机行驶速度为0.3、0.5 m·s~(-1)时,行驶路径累积误差分别为9.99、4.13 m,方差分别为0.022 1、0.027 0 m2。【结论】本文算法在行驶路径、行驶路径累计误差、规划路径跟踪稳定性和路况适应性上均体现出一定优势。     

基于UWB定位的农业机械辅助导航系统设计与试验

【目的】低成本实现南方中小型田块中农业机械田间精确定位,降低农机操作人员劳动强度、提高农机作业效率。【方法】采用超宽带(Ultra wide band,UWB)技术对作业机械进行实时定位,通过位置解算算法,得到定位标签的三维精确位置坐标;利用位置校正算法,修正作业机械车身倾斜引起的田间定位误差;设计基于AB线的路径规划算法,实时规划作业路径并计算作业偏差;通过可视化人机交互界面为农机操作人员提供实时辅助驾驶信息。【结果】水田环境中,分别以0.5、1.0和1.5 m/s的速度沿规划路径行驶时,系统平均横向定位偏差均小于7 cm;当行驶速度大于1.0 m/s时,利用位置校正算法平均横向定位偏差降低了52.79%,标准差降低了49.82%,最大横向定位偏差降低了50.04%。搭载辅助导航系统进行田间插秧试验,各行作业轨迹与自身行拟合直线的平均横向偏差为5.90 cm,标准差为3.64 cm;各行作业轨迹与其规划直线路径的平均横向偏差为6.98 cm,标准差为4.95 cm。【结论】辅助导航系统具有较高的定位精度和良好的稳定性,成本低且通用性强,能够满足南方中小型田块中农业机械田间作业要求。研...     

农用轮式机器人间接型专家控制系统研究

为了适应农用机器人的工作环境复杂多变,研究了一种用于自动导航路径跟踪控制的间接型专家控制算法,根据不同的控制策略、转向方式建立了专家控制的控制算法库,对农用机器人路径跟踪和转向进行控制。针对农用机器人沿作物行行走建立了精确的数学模型,同时采用相适应的转向方式并依最优控制律对农用机器人进行控制;针对田间地头转向时转角较大、对转向灵活性要求较高,采用四轮转向方式设计了模糊控制算法。专家控制器根据具体的路径状况,调用不同的控制算法。通过仿真验证,该专家控制算法能满足农用机器人导航时的路径跟踪控制的精度要求。     

基于无线传感器网络的农田监测覆盖问题优化研究

对WSN农田监测覆盖问题进行了描述和研究,针对其多目标优化的特点,在GAF的拓扑控制下,应用基于Pareto排序的遗传算法来求解此问题,并对算法进行改进,最终实现使用尽可能少数目的传感器节点以达到尽可能大覆盖度的目标,为WSN在农业环境中的实际应用,提供了方法与思路。