基于改进多父辈遗传算法的农机调度优化方法

农机装备跨区作业存在作业任务重、转移范围大、作业时效性强等问题,传统的农机调度缺乏科学合理的调配方案。该研究开展了基于改进遗传算法的多机协同作业任务调度方法研究。首先对多块农田需连续进行多种生产任务的问题进行分析,建立在农机数量、转移距离、作业准备时间及作业时间等约束条件下的时间窗农机作业调度模型;然后以最小化作业时间为优化目标,提出改进多父辈遗传算法(Improved Multi-parent Genetic Algorithm, IMPGA)的优化方法求解农机作业规划方案;最后根据新疆塔城地区的农田数据及随机生成的农田任务进行模拟与仿真,并与标准遗传算法(Genetic Algorithm, GA)进行对比。结果表明:IMPGA和GA均能有效解决多任务多农机作业分配问题,IMPGA算法总体上优于GA,调度的最优时间和平均时间分别缩短2.47%和2.70%。该研究可为农机跨区作业提供合理的调度方案,也为规模化无人农场的生产经营提供科学依据。     

基于启发式优先级规则的农机调配算法

针对目前农机调配中无科学合理调配方案的现状,该文提出了一种基于机主选择的农机调配模式,建立了以高收入低成本为目标的优化模型。针对农机调配的特点,该文分析了组合的优先级规则,设计了基于启发式优先级规则的农机调配算法。分别采用一般农机调配算法和本文提出的调配算法对农田实例进行计算并得到不同的调配方案。从服务收入、调配路程和等待时间等方面对不同调配方案进行分析和比较可知,本文算法得到的调配方案要优于一般调配算法的方案。最后分析了农田数量和并行度对本文算法性能的影响。试验结果表明该文提出的算法对于解决当前农机调配问题更为有效。     

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。     

基于深度强化学习的收割机省内协同调度优化策略

针对目前多机多地块间调度作业存在效率低、成本高等问题,该研究构建了以收割机地块间转移成本最小为目标的协同调度模型,设计了基于深度强化学习的收割机协同调度优化算法(inter-regional collaborative optimization scheduling algorithm based on deep reinforcement learning,DRL-ICOSA)。首先分析收割机调度作业的马尔可夫决策过程,构建基于注意力机制的策略网络和价值网络,在随机采样策略中引入动态高斯噪声,以避免训练初期陷入局部最优,同时提高网络模型的鲁棒性;接着采用近端策略优化算法(proximal policy optimization,PPO)训练网络模型;最后利用测试集验证DRL-ICOSA算法,得到收割机优化调度方案。基于有效作业时长40和24 h、农机调度中心位于作业区域中心和区域边缘的4种组合作业场景下,采用DRL-ICOSA算法、遗传算法(genetic algorithm,GA)、粒子群算法(particle swarm optimization,PSO)和模拟退火算法(simulated annealing,SA)计算调度策略并进行对比分析。试验结果表明：当调度中心位于区域中心或边缘时,有效作业时长为40 h,DRL-ICOSA算法相较于GA、PSO和SA算法,平均调度成本降幅不少于13.9%;有效作业时长为24 h,平均调度成本降幅不少于11.5%。当作业时长为40或24 h时,调度中心位于区域中心,DRL-ICOSA算法相较于GA、PSO和SA算法,平均调度成本降幅不少于12.3%;调度中心位于区域边缘时,DRL-ICOSA算法相较于GA、PSO和SA算法,平均调度降幅不低于11.5%。因此,有效作业时长为40或24h、调度中心位于区域中心或边缘时,相比其他3种算法,DRL-ICOSA算法均能计算得到最低的调度成本。这一研究结果可为收割机省内协同作业提供科学合理的调度方案。     

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。     

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。     

利用网格法确定县域农田整治优先度

为了科学测算农田整治难度系数,合理确定不同评价单元整治的优先次序,该文根据研究区域农田整治特点,以江苏省宝应县为例,以规则网格为评价单元,从土地利用结构、农田空间格局、可提高生产能力、土壤环境质量、人口社会因素等5个影响因素,构建农田整治优先度评价指标体系。对研究区按1′×1′的经纬度网格划分的532个网格评价单元进行农田整治优先度测算,并根据计算结果,按整治优先顺序将整个研究区划分为近期、中期和远期网格单元,分别占42%、31%和27%。远期网格单元分布在宝应县中部和南部的平原区,该区域农田的连片性、细碎度和质量等别等优于其他区域。研究结果表明,该文提出的区域农田整治优先度评价方法,有助于确定农田整治先后顺序,明确优先开展整治区域和方向。该方法为区域土地整治规划提供支撑,也为中国各县市开展高标准基本农田建设提供科学参考。     

基于农田氮磷收支的区域养殖畜禽容量分析——以山东禹城为例

根据区域生态环境健康控制评价指标层次结构,利用农田养分平衡理论基础,逐级测算了区域农田土壤承载畜禽粪便量,进而确定区域农田畜禽承载量及承载力。在禹城目前种养结构和产出水平条件下,基于农田N收支状况分析表明：当农田施用粪便N分别占总施N的100%、60%和30%时,禹城全区平均耕地畜禽承载容量分别为13.8、8.3和4.1 LU.hm^-2,相应其耕地畜禽负载指数分别是0.7、1.1和2.2;基于P收支状况分析表明：当农田施用粪便P2O5分别占总施入P2O5的100%、60%和30%时,禹城全区平均耕地畜禽承载容量分别为22.5、13.5和6.7 LU.hm^-2,相应其耕地畜禽负载指数分别是0.4、0.7和1.3。由此可见,基于N收支的耕地畜禽承载容量小于基于P收支的耕地畜禽承载容量,相应基于农田N收支的耕地畜禽负载指数明显大于基于农田P收支的耕地畜禽负载指数,而且,当前各乡镇之间的耕地畜禽负载指数差异较大,说明禹城地区今后在制定减少农田环境污染对策时,可优先从着重考虑粪便N数量和农田N收支管理出发确定适宜的畜禽养殖规模,并且在乡镇之间进行协调平衡。     

基于农田环境的农业机器人群协同作业策略

为合理分配农业机器人群协同作业中各机器人的工作量与工作区域,提高机器人群协同作业的整体效能与工作效率,该研究提出一种复杂环境下异质农业机器人群的任务分配及全区域覆盖策略。在考虑农业机器人异质性的基础上,以机器人团队整体效能最优为目标进行任务分配并确定各机器人的工作量。根据农场实际工作环境建立一级分区的概念,在栅格化环境建模与障碍物膨胀处理的基础上,在一级分区内部建立二级分区的栅格分区和分区合并规则,简化农田中的复杂工作环境;将遗传算法与混合粒子群算法相结合改进遗传算法交叉操作,建立遗传算法染色体种群多样性的概念,并综合考虑遗传算法染色体适应度值的差异以及种群多样性阶段设置自适应交叉变异概率,继而利用改进的遗传算法解决深度优先搜索算法在一级分区与二级分区间的遍历顺序问题;设置深度优先搜索算法在二级分区内的路径搜索规则,并在栅格图内遍历的同时根据各机器人的工作量分配其工作区域,设置机器人在其工作区域中的遍历规则,实现机器人群对农田的全区域覆盖。仿真试验结果表明,改进的遗传算法所得到的遍历各分区的路径长度与收敛迭代次数较传统遗传算法分别减少了2.8%与69.5%,较模拟退火算法分别减少了9.3%与19.0%;包含3、5、7、9和11个障碍物的5幅环境地图中,机器人群遍历工作区域的总面积重复率分别为6.3%、8.9%、16.7%、21.7%和23.4%。在4种面积相等的异形农田中设置相同数量的障碍物进行验证试验,结果表明,机器人群总遍历面积重复率分别为16.7%、13.1%、11.9%和6.7%。机器人群协同作业场地试验结果表明,4个试验机器人均可在规定的时间要求(25 min)内完成各自工作量,遍历面积重复率分别为5.77%、4.14%、6.75%和4.85%。研究结果可为复杂环境下农业机器人群协同作业策略提供理论支撑。     

无人农机作业环境感知技术综述

推进农业装备智能化能够有效解决农业劳动力短缺的问题。环境感知是农业装备智能化的首要条件。然而,农业环境的动态变化和非结构化特性限制了无人农机的环境感知能力。该文对无人农机的作业环境信息感知技术进行全面梳理,首先介绍了无人农机作业环境的典型要素和各类感知传感器,并分析了不同传感器的优缺点,然后分别从障碍物感知、作物行感知和农田边界及高程信息感知等方面,对无人农机作业环境信息感知技术进行归纳总结,最后讨论了无人农机作业环境信息感知技术面临的挑战及发展趋势,旨在推动环境感知技术在农业领域的应用,促进农业机械的智能化转型。     

联合收割机生产率计算模型与适宜作业路线分析

提高农业机械生产率可大大节约农业生产成本。本文将田间试验与数值模拟相结合,首先在综合分析收割机作业时间构成的基础上,构建了不同作业路线下收割机生产率计算模型;其次实测了3种型号收割机在不同田块条件下整个收割过程中各个作业环节的时间及其工作特性参数;最后基于计算模型和实测参数,采用MATLAB进行编程,模拟分析了不同型号收割机、作业路线和田块面积下收割机生产率的变化规律。结果表明,收割机生产率随田块长宽比、田块面积和割台幅宽的增大而增大;采用"回"形和"U"形相结合的收割机作业路线,可提高收割机生产率8%以上。该结果可为农机实际作业路线选择和农田系统优化布局提供参考。     

智能农机GNSS/INS组合导航系统设计

为提高自动导航农机的定位精度和可靠性,该研究设计了基于全球导航卫星系统(GlobalNavigationSatellite System, GNSS)和惯性导航系统(Inertial Navigation System, INS)的智能农机组合导航系统,该系统根据来自INS的三轴姿态角速度、加速度信息以及高精度定位板卡的三轴位置、速度信息,采用松耦合模式,通过卡尔曼滤波对INS误差实时校正,解算出农机的精准位置、速度和姿态信息。为实现该组合导航系统,设计和制作了智能农机控制板,集成GNSS高精度解析板卡和惯性测量模块,并在控制板上实现组合导航算法。搭建了东风DF1004-2智能农机试验平台,并在试验田中分别进行静止和直线行驶状态下的试验和单独GNSS导航与组合导航效果的对比。试验结果表明,在农机静止状态,两者性能接近,定位误差均在1 cm以内,姿态角误差均在0.1°以内;在农机以2 m/s的速度按照预设直线行驶时,单独GNSS导航位置误差在6 cm以内,姿态角误差在1°以内,GNSS/INS组合导航位置误差在3 cm以内,姿态角误差在0.5°以内,GNSS/INS组合导航精度明显的提升,可为高精度农机自动导航控制提供技术支持。     

基于多学科技术融合的智能农机控制平台研究综述

农业机械的自动化和智能化包含内容广泛,有农机定位与导航,动态路径规划,机器视觉和远程监控等,牵涉到大量的工程技术学科,包括导航、图像、模型与策略、执行器以及数据链等。农机定位与导航一般采用基于农机运动学模型结合GPS(global positioning system)/IMU(inertial measurement unit)组合导航信息,在导航路径规划算法指引下实现农机轨迹跟踪的方法。建立的农机运动学模型精度,GPS数据的连续性以及惯导器件误差系数漂移等因素都会影响该方法的有效性。路径跟踪通常采用各种现代控制理论与方法,而面对复杂的田间作业环境变化,农机的自主避障以及动态路径规划能力也会影响轨迹跟踪精度。机器视觉的稳定性和目标特征信息分离度影响着农机环境感知能力,目前目标识别主要采用hough变换,hough变换的全局检测特性决定了该算法运算量较大,需要探究改进特征提取算法。远程监控农机作业是智能农机发展的一个方向,构建无线导航,控制和视频数据传输网络有助于提高农机的智能化水平,可以采用分布式哈希表(distributed hash table)来研究网络覆盖和互联技术。该文融合多个学科,从高精度定位与导航技术、复杂环境及工况下农机运动精确自主控制技术、稳定清晰的机器视觉感知技术和基于4G网络和新一代物联网的高覆盖数据传输技术几个方面,论述了智能农机在光机电液多个学科领域内的研究现状,并指出采用北斗地基增强网络和网络RTK(real-time kinematic)技术、惯导定位误差精确建模与补偿、环境感知与自主避障、立体结构自组网技术以及多机协作是现代农业机械的发展方向。以期为现代化智能农业机械的设计提供参考。     

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。