基于模糊隶属度的多站点多机协同即时响应调度系统

为了实现多农机站联合调配完成农户的实时作业订单，该研究针对农田与农机的匹配与调度需求问题，综合考虑农户满意度、多农机站协同、订单数量、农田面积和位置坐标等因素，建立带有模糊时间窗并以调度总时长最小和调度农机数量最少为目标的多农机站即时响应调度数学模型。并设计了基于保留优秀父代基因的改进遗传算法的农机调度系统，完成多农机站响应多农田的同时作业需求的任务，在最短时间里即时调配农机按照最短路径至各农田完成作业要求。以武汉周边某地区的3个农机站和35个农田作业订单为例，验证所提出的模型和智能优化算法，并进行可视化界面展示。试验表明，当模糊隶属度为0.8时，调度总路程减少率为9.89%，农机数量降低率为15.38%；针对该地区各农机站农机数量的实际情况，在不影响农户满意度的前提下，单个农机站接受实时订单数量以不超过20为最佳。该研究实现了多农机站对多农田精准调度作业，有助于科学合理调度农机，提高农机作业效率，节约成本投入。     

联合收割机多机协同作业路径优化

随着我国土地流转政策的不断推进,种植实现规模化生产和管理,采用多台联合收割机同时进行收获作业,可不仅提高效率,而且对抢种抢收,减少自然灾害的风险,实现颗粒归仓意义重大。但是由于作业路径规划不当,常常发生作业冲突、反而效率降低,成本增加等问题,因此,研究如何规划和优化联合收割机多机无冲突协同作业具有十分重要的理论意义和实用价值。本文以总作业时间和作业时长为综合优化目标,综合考虑联合收割机转弯和作业冲突的情况,提出了联合收割机多机无冲突协同作业路径优化算法(improved genetic algorithm,IGA)。结果表明,与遗传算法(genetic algorithm,GA)相比,IGA优化的矩形农田作业路径总作业时间和作业时长平均分别下降了33.72%、34.00%,IGA优化的梯形农田作业路径总作业时间和作业时长分别下降了29.93%、30.00%,与并排作业相比,IGA优化的矩形农田作业路径总作业时间和作业时长平均分别下降了2.45%、2.29%,IGA优化的梯形农田作业路径总作业时间和作业时长分别下降了2.42%、2.02%。研究结果表明采用IGA进行多联合收割机作业路径优化是可行的,可为联合收割机多机无冲突协同作业路径规划提供参考。     

南疆丰收灌区水资源多目标优化配置方案优选

针对灌区水资源多目标优化配置模型求解算法的不确定性和最优方案选择问题,以新疆阿克苏地区阿瓦提县丰收灌区为研究对象,以灌区可持续发展为目标,建立基于优选算法的灌区水资源多目标优化配置及方案优选模型。对比改进的NSGA-II算法(Non-dominated Sorting Genetic Algorithm-II,带精英策略的非支配排序遗传算法)、NSGA-III算法(Non-dominated Sorting Genetic Algorithm-III,基于参考点的非支配排序遗传算法)、MOEA/D算法(AMulti-Objective Evolutionary Algorithm based on Decomposition,基于分解的多目标进化算法),最终选取性能最好的CNSGA-III算法作为优化算法对水资源配置模型进行求解;建立水资源配置方案评价体系,利用熵权-TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution,优劣解距离法)综合评价模型对符合决策制定者期望的配置方案进行对比筛选,选出灌区水资源最佳配置方案。结果表明:优化后的方案相较于传统配置方案,在"三条红线"用水限额下,经济净效益增加1.0%,灌区总缺水量减少8.4%,碳吸收总量增加4.5%。建立的灌区水资源多目标优化配置及方案优选模型可为管理者制定灌区水资源配置方案提供参考,也可适用于其他干旱灌区,有一定的理论意义。     

不确定场景下无人农机多机动态路径规划方法

在现代化农业中,越来越多的龙头企业或农村合作社提供一系列的农业作业专业化服务,引入多台农机进行规模化作业,不仅提高效率,而且可以实现抢种抢收,减少自然灾害的风险。目前,多台农机并行作业仍以预先计划的固定农机和静态的固定路线为主,但在实际耕种、收割等作业中,常会出现农机突发故障、农机临时增加、农机工作效率不一致等不确定场景,这些不确定性给多台农机集群控制带来巨大挑战。因此,研究不确定场景下多机动态路径规划方法具有十分重要的理论意义和实用价值。该研究以总作业时长为综合优化目标,综合各种不确定场景,针对轮式自动驾驶拖拉机,提出了改进的迭代贪婪（Improved Iterated Greedy, IIG）方法进行多机动态路径规划,解决以往传统方法在不确定情况发生后路径规划结果低效甚至失效的问题。试验表明,该方法在不确定场景下可及时、高效的动态调整路径规划方案,能够为不同数量、不同性能的农机迭代找到当前最优路径。与传统的并排作业方法相比,IIG优化的矩形农田作业路径总作业时间平均下降约35%,且随着农机性能差异越大,节省时间越多;与迭代贪婪（Iterated Greedy, IG）方法相比,IIG在一般播种作业中总掉头时间平均减少约17%。该方法在不确定场景下路径优化效果较好,且具有很好的鲁棒性及环境适应性,可为农田无人作业多机路径规划提供参考。     

农机跨区作业紧急调配算法适宜性选择

目前农机跨区紧急作业中供需信息不对称,农机部门缺乏科学合理的紧急调配方案,无法在紧急状况下指导农机进行及时有效的调配。针对上述问题,该文研究了农机跨区作业紧急调配模型和算法。首先分析了多机多任务紧急调配过程,建立了以最小化调配成本和损失为目标的紧急调配模型,提出了基于距离最近优先的多机多任务紧急调配算法(shortest-distance first algorithm,SDFA)和基于贡献度最大优先的多机多任务紧急调配算法(max-ability first algorithm,MAFA),前者是搜索当前距离最近的农田和农机,进行优先分配,后者是搜索当前贡献度最大的农田和农机并进行优先分配。采用该文算法对河北省邯郸市2017年的真实数据以及随机生成的农田和农机实例库进行计算与分析可知,当农机数量充足时,算法MAFA的平均调配成本要比SDFA的平均调配成本降低4.34%。当农机不足时,SDFA的平均损失和平均调配成本要比MAFA的平均损失和平均调配成本分别下降了12.79%和4.11%。进一步验证可知,当农田数量为6时,上述2种算法比笔者之前提出的基于非合作博弈紧急调配算法(non-cooperative game algorithm,NCGA)的平均运算性能均提升25%以上,当农田数量为30时,性能均提升41%。该研究可为农机管理部门紧急调配与决策分析提供科学依据。     

同种农机机群动态作业任务分配方法

为解决农机作业过程中因突发状况引起的作业时间增加、某些作业任务无法完成等问题,该研究提出一种基于改进合同网算法的同种农机机群动态作业任务分配方法。基于农机性能参数和任务参数综合考虑用时最长农机的作业时间、农机机群油耗和路上的路程建立机群代价函数,建立单个田块和地头相邻田块的路径规划方法,参考合同网算法中的招-投标过程,建立农机对任务进行投标的代价函数,基于降低服务器计算量、减少通信次数、任务均衡分配和减小非作业路程等原则,通过选择招标者、设定招标阈值、中标者任务再分配和农机间任务交换等方式改进合同网算法。在不同时间进行基于传统合同网算法和改进合同网算法的农机机群动态作业任务分配仿真试验和农场实际播种作业试验。仿真结果表明,基于改进合同网算法的动态任务分配仿真结果比基于传统合同网算法的动态任务分配仿真结果机群时间代价降低0.83%～12.89%,与服务器通信次数降低77.4%～85%。农场实际试验结果表明:在不同的任务分配时间,基于改进合同网算法的动态任务分配的机群时间代价比实际理论机群时间代价降低30.20%～34.09%。本文提出的动态作业任务分配法能够满足农业生产中同种农机机群动态作业任务分配需求。     

基于铁氧化物特征光谱和改进遗传算法反演土壤Pb含量

近年来,高光谱的快速发展使野外实时监测土壤重金属含量成为可能。然而高光谱分辨率数据在提高信息量的同时也造成了信息冗余,该研究针对光谱冗余问题,提出一种基于铁氧化物特征光谱和改进遗传(Improved Genetic Algorithm,IGA)特征优选算法的反演方法:依据Pb在土壤中的吸附机理,提取土壤光谱中的铁氧化物特征谱段用于Pb含量反演,减少数据冗余的同时提高方法的机理性。改进遗传算法解决传统遗传算法(Genetic Algorithm,GA)"过早收敛"的问题,增强算法的有效光谱的提取能力。使用雄安新区农田野外土壤样本构建偏最小二乘回归模型(Partial Least Square Regression,PLSR)反演土壤Pb含量,研究表明:相对于全谱段建模,基于铁氧化物特征谱段的IGA-PLSR模型的R~2和RPD分别提升了0.397、1.037,RMSE下降了1.958 mg/kg;改进后的IGA-PLSR在运行初期能够跳出局部解区域寻找更加有效的光谱波段组合,平均的R~2、RPD分别为0.822、2.377,RMSE为2.221mg/kg,相对于传统GA-PLSR算法的精度(平均R2、RPD为0.782、2.117,RMSE为2.487 mg/kg)有显著提升。该研究表明,从反演机理和波段选择算法两方面提出的反演方法有利于提高土壤Pb含量的估算精度。该研究为雄安地区农田土壤Pb含量的高光谱估算提供了参考。     

小地块履带农机UWB导航系统设计及其基站布置

针对中国南方分布零散和土壤黏重的稻麦、稻油轮作区小地块长期使用轮式农机导致深泥脚现象加重造成自主导航性能变差且卫星导航面对普通大众使用门槛高用户友好性欠缺、难以满足便捷跨区作业要求,该研究以履带农机为研究对象,提出一种基于快速稳态转向原理的路径跟踪控制方法,以农田边界布置随插近距超宽带（UWB,Ultra Wide Band）基站组作为参照路径设计了具备基站偏移误差自诊断自主导航系统,实现小地块内高精度自主导航。近距UWB基站布置最佳方式选取与优化结果表明：双UWB基站平行农机于目标作业路径布置在农田外侧是最佳方式且距农田边界最佳临界距离为10 m。静态校正试验结果表明：快速稳态转向路径校正控制器的跟踪控制误差≤1 cm,变异系数＜5%,路径校正时间≤1 s,变异系数＜3%。动态校正试验结果表明：中低车速的直线作业精度误差≤8 cm,随作业车速增大,直线作业精度略有降低,但精度误差≤10 cm,变异系数≤5%。研究结果表明,改进AOA模式大田农机自主导航位姿检测方法与快速稳态路径校正控制策略组合导航具有较高的稳定性和较好的鲁棒性,可满足大田农机自主导航作业需求。研究结果可为高精度小地块农田自主导航技术研究提供参考。     

基于需求侧响应与成本模型的风电中的储能系统运行优化

全球能源危机促进了新能源电网的发展。研究风电/储能系统的经济优化运行问题,使电网的综合经济效益达到最优。对风/储配电网系统结构进行了分析,总结其优化运行的关键技术,在考虑需求侧响应、实时电价、储能寿命的基础上,建立风/储配电网优化运行模型,采用改进微分进化算法进行模型求解,进而制定优化调度策略。最后以风/储配电网系统进行仿真分析,与基本微分进化算法和遗传算法进行了比较,验证了所建模型的可行性。仿真结果表明,日调度周期内,改进微分进化算法(IDE)方案中的ES容量波动较小,变化更加平稳,SOC的最大值和最小值分别为80%和39%,相比遗传算法(GA),ES寿命等效成本IDE方案更低,差额为6 476元;综合各个时段的购电成本、售电收益、寿命成本等因素,IDE方案的调度成本要比GA方案少9 325元。从负荷角度来看,需求响应将负荷差从5.15 k W降低到3.91 k W,实现了削峰填谷。从储能的角度来看,有无储能对园区的调度策略影响很大,无储能的状态下,造成电能供给不足,成本增加22 526元,导致经济效益和环境效益下降。基于IDE算法的改进经济调度策略能够更好地平衡各类成本,提高系统经济效益和ES寿命。     

矮化密植果园多臂采摘机器人任务规划

为提高矮化密植果园多机械臂采摘机器人的协同作业效率,该研究对存在重叠访问域的多臂协同采摘机器人任务规划进行分析,将多臂协同任务规划问题归纳为异步重叠访问域的多旅行商问题,给出了基于遗传算法的优化求解方法。试验结果表明:该研究所提任务规划算法在求解4个机械臂采摘43和90颗果实的任务规划问题时,分别在500和2000次迭代后收敛,相比于随机遍历算法,作业遍历时长可缩短40.97%和54.98%;采摘90颗果实,单机械臂的遍历时长约为该方法的4.28倍;采摘3种不同分布条件下的28颗果实,相比于顺序规划法和随机遍历法,该方法的作业遍历时长分别缩短10.69%和27.18%、20.45%和23.33%以及12.94%和21.69%。综上,基于遗传算法的任务规划方法能够协调规划多臂采摘机器人系统的作业任务,确保各个机械臂避免发生冲突,以较短时间遍历所有目标果实,提升作业效率。研究结果可为其他多机械臂采摘机器人任务规划提供参考。     

基于区块链的农机跨区域调度模型构建与应用

由于各区域之间的调度策略与农产品种类存在差异使得相互之间难以管理,因此农机跨区域调度呈现无中心的管理模式。且由于区域之间距离较远导致个体农户与调度方之间难以建立信任关系,从而无法充分利用已有的农机资源,难以有效降低各区域农机的购买成本。针对上述问题,该研究构建了基于区块链的农机跨区域调度系统。首先,对农机的调度成本进行分析,建立以农机数量、农机需求量与机手数量为约束条件的农机跨区域调度模型;然后以调度成本最小化为目标,采用基于最短距离的农机跨区域调度匹配方法求解农机调度方案,并通过区块链智能合约自动执行调度匹配算法;最后根据江苏省宜兴市与安徽省广德市的农田与农机数据以及随机生成的调度任务进行仿真试验,并与区域内的调度成本与农机利用率进行对比。结果表明：区块链的去中心化特点可以满足无中心的跨区域调度需求,其身份认证机制与高透明度、不可篡改的技术特性可为用户提供技术上的信任保障。在各区域农机总量充足的情况下,跨区域调度可以减少农机购买成本,并将农机利用率提升至90%,相较于域内调度,跨区域调度的投入成本随着任务数的增加而下降,当任务数为10时,成本下降大约21.3%。研究结果可为农机跨区域调度模式的建立提供科学依据。     

深松作业下多机协同任务分配优化方法

任务分配方式对农业机械作业油耗影响显著。在多机协同多任务分配过程中，与将完整田块作业任务分配给单台农业机械相比，拆分各任务田块作业量并采用多农机协同作业能进一步降低作业油耗。为实现农业机群高效节能协同作业，该研究以深松作业为例，首先系统地分析机群协同作业过程油耗；然后建立以农机作业量为优化变量、以最低机群油耗和最短整体耗时为优化目标的多目标优化模型，并采用INSGA-II算法对模型进行优化求解；最后基于实际深松作业案例，分析了所提模型的有效性和实用性。案例分析结果表明：与传统NSGA-II算法相比，INSGA-Ⅱ算法可降低4.35%机群油耗及4.51%整体耗时；与传统作业方式相比，根据本文模型进行多机协同任务分配可降低5.51%机群油耗及42.65%整体耗时。研究结果可为无人农场多任务多农机作业分配提供科学依据。     

基于CP-ABSE的农机社会化服务联盟链隐私匹配方案

针对多个农机社会化服务平台联合,实现跨平台任务匹配中存在的敏感数据泄露和集中式服务器不可信问题,该研究提出了基于密文策略属性基可搜索加密（ciphertext-policy attribute-based searchable encryption,CP-ABSE）的农机社会化服务联盟链隐私匹配方案。该方案基于联盟链构建农机社会化服务联合平台,为多平台数据共享提供去中心化的可信环境;基于CP-ABSE技术实现跨平台的任务匹配,支持对任务密文数据的检索以及细粒度的访问控制,保护作业任务发布方和农机手的敏感数据;使用智能合约实现农田作业任务与农机手之间的匹配服务,避免集中式服务器存在的单点故障和恶意违规操作等问题。安全性分析表明,该方案能够保证数据的完整性、机密性以及匹配结果的可信性。基于Hyperledger Fabric构建了一个原型系统,测试结果表明,当全局属性数量为200时,系统构建和私钥生成的运行时间分别约8和2.5 s,搜索令牌生成与数据加密的计算开销分别为60和80 ms,匹配智能合约平均时延约为250 ms。该方案破解了农机社会化服务平台间的“数据孤岛”问题,对于促进农机社...     

丘陵山地环形单轨运输系统静态调度优化方法

为了提高环形单轨运输系统完成静态任务的作业效率，该研究以丘陵山地为应用场景，针对任务点与运输车的匹配与调度需求问题，综合考虑最大程度满载的因素，建立了具有任务点“拼车”组合处理和运输车任务分配两个阶段的数学模型。提出基于相邻位置、任务量和随机序列不同优先级的3种启发式规则算法解决以运输车上货次数最少为目标的“拼车”组合问题，采用基于变邻域搜索的遗传算法解决以运输车堵塞次数最少为目标的运输车任务分配问题。通过模拟3种任务批量的运输情形，验证优化算法的性能，结果表明：基于任务量在3种启发式规则算法中求解速度最快，在80%的试验中获得的可行解最优，选择基于任务量和与之性能接近的基于随机序列的结果分别作为运输车任务分配问题的初始解，基于任务量更有利于第二阶段运输车任务分配问题的求解，得到的分配方案堵塞次数更少。基于变邻域搜索的遗传算法能显著提高标准遗传算法的求解质量，使堵塞次数降低了33.3%～100%，在大规模运输问题的求解中比变邻域搜索算法表现出更高的稳定性，最少堵塞次数出现的概率分别提高了10%和40%，有效性也优于整体匹配规则、随机重启爬山等其他类型的算法。该研究实现了对环形单轨运输系...     

智能农机多机协同收获作业控制方法与试验

为提高多台无人化智能收获机和运粮车协同作业效率，该研究以2台不同型号水稻收获机和1台运粮车为研究对象，开展了智能农机多机协同收获作业控制方法研究。根据协同作业控制决策约束条件，建立协同收获作业中有限个状态过程的改进型连续时间马尔科夫链模型。以减少非作业时间为优化目标，通过模型预测未来一段时间内每台收获机的卸粮时间，动态更新每台收获机的卸粮顺序和时间。仿真试验结果表明：本文控制方法相对于仓满后再召唤运粮车的卸粮方式有效减少了作业时间，协同收获任务的农机平均作业时间减少了13.58%。田间试验结果表明：智能农机多机协同作业控制方法实现了2台水稻收获机和1台运粮车协同自主作业，在场景1中，相对于仓满召唤卸粮模式，收获机1和收获机2非作业时间分别减少了71.25%和42%，收获效率提高了6.65%和5.22%；在场景2中，相对于仓满召唤卸粮模式，收获机1和收获机2非作业时间分别减少了77.64%和37.09%，收获效率提高了12.07%和5.78%。本文提出的控制方法可以实现收获-卸粮转运自主作业，减少了收获机的非作业时间，提高了作业效率，可为无人农场智能收获协同作业提供支撑。     

基于半监督BP_Adaboost的农机作业效益评估

为提升农机管理水平和用户收益，该研究利用影响作业效益的因素，以每台农机一天的作业信息作为一条数据评估农机当天作业效益。作业信息包括农机作业效率、油耗、作业质量、重复作业率、遗漏作业率、有效作业时间占比等。使用半监督BP_Adaboost方法对农机作业效益进行评估，对部分数据进行人工评分，根据评分结果标记农机每天作业效益的好坏，其中一部分作为训练样本，另一部分作为测试样本，再利用BP_Adaboost方法训练模型后对剩余未评分数据预测，以减少训练样本的人工标记工作量和提高模型准确性。从32 000条深松作业数据中选取1 000条样本进行标记，其中500条作为训练样本，500条作为测试样本，使用BP_Adaboost方法得到的模型预测准确率为93.36%，使用半监督BP_Adaboost方法增加训练样本得到的模型预测准确率为97.03%。根据作业效益推荐最优农机机具组合，增强作业能力，提高效益。