农机安全生产信息系统的设计——基于混合遗传资源调度算法

为了提高多农机联合作业时的安全性,将混合遗传调度算法引入到了农机资源调度和安全生产信息系统的设计上。在农机导航自主路径规划时,混合遗传算法可以通过交叉和变异搜索算法,使农机行走时获得避开障碍物的最佳路径,从而可以提高农机的作业效率和作业的安全性。通过农机作业生产的调度安排,对资源调度安全生产系统进行了测试,结果表明:采用混合遗传调度算法可以得到合理的收割机行走路径,且事故发生的概率也有所降低,对于提高农机作业的效率和安全性具有重要的意义。     

基于蚁群算法的多机协同作业任务规划

为了实现对农田动态环境中多机协同导航作业的调度管理,开展了基于蚁群算法的多机协同作业任务规划研究。将多机协同作业任务规划分为2个环节:任务分配和任务序列规划。首先,采用全局与局部相结合的方法,综合考虑路径代价和任务执行能力,建立了多机协同作业任务分配模型;然后,通过对比分析任务序列规划问题和旅行商问题,利用蚁群算法建立了农机作业的任务序列规划模型;最后,利用Matlab平台对基于蚁群算法的任务序列规划进行了仿真试验,根据涿州试验农场的实际地块信息,设置多组不同的任务集合,分析蚁群算法优化路径、各代最佳路径长度和平均长度以及适应度进化曲线。仿真结果表明,基于蚁群算法进行任务序列优化可以有效地降低路径代价,提高作业效率,算法运行时间均小于1 s,满足多机协同作业的实时性需求。     

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

农业运输机械田间路径协同分配模型研究

田间任务分配是多农机协同工作分配中的核心问题,在农忙时期,需要多种农业机械配合完成多项田间作业任务。为了提高田间农业机械工作效率及协同管理,在充分考虑供需匹配、农机作业能力、作业周期和路径成本的基础上,提出了基于蚁群算法下多机任务协同分配模型,并以农作物收获试验为例,通过MatLab对改进蚁群算法的多台农机协作的动态和静态任务分配进行了仿真分析。研究结果表明：当任务数量设置为11时,谷物联合收获机和农业运输机械的成本分别降低了50%和22%,表明改进的蚁群算法可以有效降低路径成本;当任务数量设置为5、11、16、22时,农业机械平均运行周期分别缩短了65%、38%、56%、56%,可以避免田间部分农机超载和其他农机闲置等问题,缩短了农业机械作业周期。研究结果可为解决复杂农田作业时多农机协同调度管理问题提供技术参考与应用依据。     

基于自适应蚁群算法的农用智能机器人路径规划

针对田间农用智能机器人路径规划问题,结合蚁群算法特点,提出一种基于自适应蚁群算法的路径规划方法,目的是在信息采集、田间巡检、果蔬采摘及作物搬运等操作中,利用所提方法为农用智能机器人搜索出一条距离最短的优化路径,确保其能沿着该优化路径顺利达到指定作物种植区,完成指定工作任务。该方法通过引入自适应调整信息素挥发系数、更改信息素更新机制和限定信息素阈值等策略,对传统蚁群算法进行了优化改进。仿真结果显示,在100 m×100 m作物种植区模型内,改进算法能有效解决农用智能机器人路径规划问题;改进算法规划的最佳路径长度较传统蚁群算法和禁忌搜索算法分别减少3.745 1 m和16.387 6 m;改进算法规划最佳路径所需程序迭代次数较传统蚁群算法和禁忌搜索算法分别减少13代和31代,结果表明,与传统蚁群算法和禁忌搜索算法相比,改进算法具有较强的全局搜索能力和较好的收敛性能。     

联合收割机最短路径设计—基于禁忌搜索和PID算法的

为了提高联合收割机的收割效率和自动化作业能力,使其在复杂地块具有智能路径规划功能,提高收割机作业的自适应能力,提出了一种基于禁忌搜索的智能联合收割机自动路径规划优化方案,并采用PID反馈调节控制算法,来降低算法的误差;建立了联合收割机智能搜索的禁忌算法模型,并设计了积分、微分和比例调节的PID控制模型;最后利用实地和软件测试的方法对算法的可行性和可靠性进行了测试。结果表明:利用禁忌搜索的PID控制算法可以有效地缩短路径规划时间,提高算法的精度,从而验证了算法在收割机智能控制上应用的可行性。     

现代播种机调度系统设计——基于GIS旅游资源开发与规划

为了提高播种机的作业效率,实现多播种机的协同作业,基于GPS全球卫星定位技术和GIS地理信息系统,提出了一种基于GIS旅游资源开发规划的现代播种机调度系统,并对系统的性能进行了验证。利用GIS农田地理信息数据规划图,借助面向数据分析和路径的旅游资源规划方法,设计了GIS的播种机调度系统。为了验证系统的可行性,利用多播种机编队控制测试对系统的性能进行了验证,并对多播种机协同作业的路径规划进行了测试。结果表明:利用该调度系统可以成功地实现协同路径规划。同时,对作业效率进行了测试,结果表明:利用该系统可以有效地缩短等待时间和转弯路径,实现多播种机并行作业,从而大大提高了播种作业的效率。     

基于改进蚁群算法的农田平地导航三维路径规划方法

为解决农田平地机无人驾驶作业时缺乏局部规划,进而实现平地路径在线调整的问题,以平地作业土方合理运卸且路径最短为目的,提出了一种基于改进蚁群算法的农田平地导航三维路径规划方法。基于农田三维地势模型,采用改进的蚁群算法规划三维路径：以平地作业土方运载为决策方向,建立新的路径搜索节点,对比平地机作业时平地铲运载土方量和经过栅格计算所需的挖填土方量,根据土方运载任务设置信息素更新规则和启发函数,获取农田平地的最佳三维路径;基于平地机的运动学模型,设置农田平地机转向约束条件,根据约束条件对路径进行平滑优化,并建立三维路径规划的效果评价标准。仿真结果表明：相比于原始蚁群算法,该方法的路径规划效果评价指标提高33.3%以上,可以更好地指导农田平地机实现局部平地任务,而且大大缩短了路径生成时间和路径长度,使路径更为平滑,更适用于辅助农田平地的自动导航作业。     

基于改进蚁群算法的蔬菜大田无人农机路径优化

推进蔬菜机械化与无人化种植能够保障优良的蔬菜规模化种植技术效益,有力保证蔬菜质量与品质,有利于蔬菜规模化生产种植技术产业体系的发展。利用无人拖拉机作业GPS定位点集将实际农业作业区域转化为规则矩形,在此基础上建立以无人拖拉机总转弯距离最短为优化模型,采用蚁群算法对无人拖拉机耕地作业路径序列进行搜索。同时考虑到传统蚁群算法易陷入局部最优、全局搜索能力不足等问题,提出一种基于和声搜索策略的改进蚁群算法,通过引入sigmoid函数与和声搜索机制改善路径搜索能力,得到高质量耕地作业路径序列。将传统蚁群算法(AC)、精英蚁群算法(ELAC)作为对比算法,将传统梭形、回形作业方法作为路径对比作业方法,针对不同耕地作业规模进行无人拖拉机作业路径搜索试验。结果表明,本文算法得到的总转弯距离较梭形耕法降低35.53%～43.08%、较回形耕法降低24.98%～86.88%。精英蚁群算法在小规模作业区域中性能较优,但随着蔬菜大田规模扩大,改进和声蚁群算法优化效果更明显。     

采摘机器人机械手虚拟现实和仿真技术研究

为了提高采摘机器人机械手群体作业的效率和精度,基于蚁群算法,将机器人虚拟仿真平台引入到了采摘机器人机械手的设计上,并利用C语言流程图编程,对采摘机械手、待采摘果实等进行了建模,在虚拟现实环境中对机械手的作业情况进行了仿真模拟。通过模拟结果对采用蚁群算法和不采用蚁群算法时机器人机械手的作业效率和采摘定位精度进行了对比,结果表明:采用蚁群算法可以明显提高机器人机械手的作业精度和作业效率。     

基于BS架构的收割机轨迹数据可视化分析系统

为了提高收割机调度系统的管理水平和农机调度的效率,将B/S架构和可视化分析技术引入到了调度系统的设计中,用户可以直接通过浏览器对远程收割机的轨迹数据进行查看,提高了调度系统的可查询性和可视化水平。改进后的调度系统可以实时显示收割机的作业动态和作业轨迹,农机管理人员可以根据作业轨迹合理地对农机作业路径做出规划;当作业的农机较多时,管理人员也可以根据作业区域的面积和特点,对每台农机的作业做出合理的调度。由于采用B/S架构,驾驶人员可以通过浏览器用户端对收割机的作业轨迹充分了解,特别是在遇到急转弯或者障碍物时提前做出预判,从而降低了事故的发生概率。     

基于动态反馈A*蚁群算法的平滑路径规划方法

针对移动机器人提出了一种基于动态反馈A~*蚁群算法的平滑路径规划方法。首先,为了克服蚁群算法收敛速度慢的缺点,提出了简化A~*算法来优化初始信息素设置以解决初次搜索的盲目性,并借鉴多策略进化机制加强算法的全局搜索能力。其次,为了进一步提高算法在路径规划中的适应能力,解决陷入局部极小和停滞问题,引入闭环反馈思想来实现参数的动态自适应调节。最后,结合三次B样条曲线对所规划的路径进行平滑处理,以满足移动机器人实际运动路径的要求。通过仿真表明:与原蚁群算法相比,动态反馈A~*蚁群算法平均可减少10.4%的路径成本和65.8%的计算时长。同时,该算法在动态和静态环境中,均能快速规划出一条光滑优质路径。     

基于信息化时代的农业收割机定位系统设计与试验

为了提高收割机的定位导航效率和精度,实现自主定位,基于信息化时代将云技术和无线通信技术引入到了导航系统的设计上,通过导航视觉系统图像的高速处理、无线传感节点通信、路径规划和追踪,实现了收割机的自主定位和导航。对不同作业块的导航定位精度和路径追踪的精度进行了测试,结果表明:采用自主定位系统可以成功地对作业区域的路径进行规划,并实现高精度的路径追踪,对于提高农机的智能化水平的研究具有重要的意义。     

基于元胞自动机模型的未来共享收割机智能化模式

当农民没有能力购买农机时,租赁便成为农民满足农机需求的主要方式,而共享作为一种新兴经济模式引起了广泛关注,也在不断发挥着重要作用,将其应用在“三农”领域可弥补租赁模式的不足。为此,提出了一种基于元胞自动机模型的未来共享收割机智能化模式,并采用启发式和遗传算法对模型进行了优化,从而使模型对于农机的共享调度和路径规划更加智能化。为了验证方案的可行性,模拟收割机作业情景,采用元胞自动机模型对收割机的共享调度过程进行了仿真计算,结果表明:采用智能化共享模式可以有效缩短农机的作业时间和作业路径,提高了收割机的作业效率,实现了农机的智能化管理。     

多播种机作业系统设计——基于无线网络节点协同通信与聚合算法

在多播种机协同自动化作业过程中,由于农田环境的复杂性,其协同通信过程往往会受到干扰,且多播机间的通信效率较低,从而降低了播种机的作业速度和质量。随着节点中继技术的发展,利用协同中继,可以使单天线系统具有多天线的优点,形成一个协同通信系统,从而有效地提高了多终端设备的协同通信功能。为此,将无线传感网络协同通信系统引入到了多播种机协同作业控制系统中,并采用聚类算法对中继节点进行了优化,最后对系统的可行性进行了验证。由4台播种机同时作业时的实时定位测试发现,系统的定位效率较高,定位所需时间较短,且4台播种机在x和y向的定位精度都较高,从而验证了该方案的可行性。     

音乐舞蹈机器人在收割机智能控制系统中的应用

为了提高收割机远程控制作业的智能化水平,实现收割机的无人化作业,基于音乐舞蹈机器人的音乐识别技术,在远程控制系统的设计上引入了语音指令识别系统,在收割机作业遇到突发状况时可以实现收割机的远程干预.为了验证控制系统的可行性,模拟农田无人化作业的环境,对收割机指令识别系统的识别精度和动作执行误差进行了测试,结果表明:采用小...     

基于双向搜索策略的改进蚁群路径规划算法

针对在多障碍物地形中将传统蚁群算法运用在移动机器人路径规划问题上出现收敛速度慢,容易陷入局部最优,易于陷入死锁等一系列问题,提出了一种改进蚁群算法。在传统蚁群算法的基础上,根据蚂蚁周围可行栅格距离目标点的远近,自适应地调整启发函数,加快算法收敛速度;针对传统蚁群所用的回退和死亡策略,提出了一种最优路径保留策略,提高了算法性能;使用两组不同种类的蚂蚁分别从起始点和目标点进行双向搜索的方法来构建最优路径,进一步提升了算法的搜索效率。实验表明该方法与传统的蚁群算法相比减少了搜索时间,降低了迭代次数,明显提高了算法的寻优效率。     

基于WebGIS的农机多机协同导航服务平台设计

为向多台农业机械协同作业应用场景提供地图和导航服务支持,设计并开发了基于WebGIS的农机多机协同导航服务平台,该平台由GIS服务和农机调度2个功能模块组成。GIS模块基于GeoServer和JavaWeb提供网页端地图服务,在显示农场地图、实时标注农机位置的同时,也提供多农机导航结果的可视化显示功能;农机调度模块以路径规划算法和任务分配算法为核心,负责提供导航服务,在用户输入任务列表并调用服务的情况下,以GeoJSON格式返回各农机的任务分配以及路径规划结果。此外,为了筛选出满足平台需求且性能最优的算法,针对路径规划算法设计了算法性能对比实验,在导航距离近、中、远的3条路径上分别测试了基于A*、Bellman-Ford、Dijkstra、Floyd和SPFA 5种算法的路径规划算法,并对不同算法的执行时间和最优路径长度进行了对比;针对任务分配算法设计了不同任务数量场景下的仿真对比实验,在任务数量为8、10、14、18的场景下分别测试了基于蚁群算法和遗传算法的任务分配算法,并对两者的执行速度和最优路径长度进行了对比。结果表明：基于Dijkstra算法的路径规划算法在结果最优的前提下执行速度最快,平均单次执行时间为0.25ms。基于遗传算法的任务分配算法可以有效降低多机协同的路径代价,相较于随机生成的工作序列,路径代价减少50%~54%;相较于基于蚁群算法的任务分配算法,农机最佳路径长度减少19%~36%,执行时间减少51%~66%,平均执行时间在1s以内。开发的多机协同导航服务平台通过使用Dijkstra算法和遗传算法分别进行路径规划和任务分配,能够基本满足多机协同作业的实时性需求。     

联合收割机与运粮车协同作业调度技术研究

针对联合收割机作业路径规划不合理、联合收割机与运粮车无法协同优化调度等问题,以最小化联合收割机总非生产性作业时间和非生产性作业等待时间为目标,构建多机型多任务协同优化调度模型,设计多机协同优化调度算法(MMCOSA)。首先通过对传统蚁群算法(ACO)进行改进,计算得到联合收割机的静态路径规划方案,然后采用相对距离最近策略实现联合收割机与运粮车协同作业动态优化。试验结果表明,采用MMCOSA算法计算得到的联合收割机总非产性作业时间和非生产性作业等待时间均比传统ACO算法的结果平均缩短17.5%和19.02%,MMCOSA算法不仅加快收敛速度,而且缩短作业时间,为农忙时节联合收割机与运粮车的协同调度问题提供有效的解决方案。     

多移动机器人路径规划研究算法 —基于分布式实时仿真系统

采摘机器人路径规划是采摘机器人研究领域的核心内容之一,具有复杂性、约束性和非线性等特点。蚁群算法是最近发展起来的仿生优化算法,在解决许多复杂问题方面已经展现出优异的性能和巨大的发展潜力。为此,将蚁群算法引入到了多采摘机器人路径规划系统中,并利用分布式实时仿真系统对其可行性进行了仿真计算。结果表明:采用蚁群算法可以实现多采摘机器人的路径规划,且与遗传算法相比计算速度更快、精度更高,将其引入到采摘机器人的路径规划系统中,对于实现采摘机器人群体导航能力具有重要的作用。