多约束情形下的农机全覆盖路径规划方法

为满足自主作业农机自动导航作业的需求并优化农机作业效率,在处理多种车辆转弯方式约束和农业地块约束的基础上,基于模拟退火算法提出一种混合规则路径规划方法。在多种作业约束处理方面,引入了农机转弯代价邻接矩阵来量化农机地头转弯方式的影响,通过采用内缩改进的道格拉斯-普克(Douglas-Peucker)拟合算法与求解采样点的最小凸包分别处理地块边界及障碍物边界。在使用角平分线的平行偏移法求得转向预留地块后,以转弯代价最小为优化条件对多种形状地块进行了最优作物行生成。在农机遍历顺序方面,利用模拟退火算法求解得到最优路径集,并通过单元拆解及合成的方式求解全覆盖遍历顺序,解决了传统规则遍历走法适应性差和大规模农机作业时经典模拟退火算法易陷入局部最优解的问题。实验表明,本文方法所得路径平均作业覆盖率达90.78%,平均作业占空比达85.10%。在同等作业条件下,利用本文方法所得路径比传统规则路径最多可节约距离消耗30.3%,比模拟退火算法所生成路径节约6.9%。说明本文规划算法可在多种约束下对农机进行作业路径规划,且具有较好的规划效果。     

机群协同作业路径动态优化

随着我国农业机械化不断发展,智能农机应运而生,其作业路径被农机大数据中心实时监测、调控。合理的作业路径不仅可以提高作业效率,而且当车队运行状态或农田环境改变后,能实现精准作业,因此,研究如何动态优化车队协同作业具有十分重要的理论意义和实用价值。以总作业时间和作业时长综合最短为优化目标,同时避免作业冲突,构建机群协同作业路径动态优化模型,设计冲突检测规则,提出一种机群协同作业路径动态优化(DOFOP)算法。试验结果表明,当有农机发生故障时,重新优化后的作业时长、总作业时间比并排作业均减少2.52%,平均作业农田能力AEFC、农田效率FE比并排作业平均提高2.63%、2.59%;当有农机作业速率发生改变时,重新优化后的作业时长、总作业时间比原作业分别降低7.22%、2.73%,AEFC、FE比原作业分别提高7.99%、2.82%;当农田面积发生改变时,重新优化后的作业时长、总作业时间比原作业降低6.26%、0.1%,AEFC、FE比原作业分别提高6.48%、0.1%。当机群作业状态发生改变时,DOFOP算法能有效动态优化机群作业路径,提高机群作业效率,实现机群精准作业。     

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。     

基于贪心算法的温室钵苗稀植移栽路径优化

温室育苗中,钵苗需从高密度穴盘向低密度穴盘移栽以获得生长空间。温室钵苗自动移栽机获取穴盘中钵苗健康信息并对健康钵苗进行稀植移栽,代替传统人工作业,且效率高、质量好。钵苗稀植移栽路径包括移栽机末端执行器从原点出发,将高密度盘内的健康钵苗逐一抓取移栽至低密度盘,直到完成回到出发点。钵苗取栽位置的先后秩序决定了稀植路径的长短,遍历搜索算法规划路径计算量巨大,无法满足移栽实时性要求。本文基于贪心算法对常规的4种固定顺序路径规划方案分别优化,共组成8种路径规划方案,分别对稀疏和密集穴盘稀植路径进行规划,比较分析优化算法的有效性。结果表明按列扫描的2种贪心优化方案比固定顺序方案要优,规划路径长度与穴盘缺苗数量成正比趋势。最优化方案GAS3对密集穴盘稀植规划路径,相比固定顺序方案的优化幅度达10.6%,算法平均耗时0.84 s。穴盘缺苗数对路径缩短优化效果有显著影响,缺苗数增加后优化幅度有所降低。贪心优化方案使稀植移栽路径得到优化,也满足作业实时性要求,提高了钵苗移栽效率。     

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。     

农田作业机械路径优化方法

提出了一种面向农田作业机械的地块全区域覆盖路径优化方法。基于农田地块几何形状、作业机具参数、地头转弯模式等先验信息,将田间作业划分为不同区域,根据选择不同的路径优化目标:转弯数最少、作业消耗最小、总作业路径最短或有效作业路径比最大,计算出最优作业方向,生成最优作业路径。基于地块全区域覆盖路径优化算法,设计开发了农田作业机械的路径规划软件,并选取了4块典型的凸四边形农田地块进行作业路径规划测试。测试结果表明,最优作业方向上的路径优化目标量比其他作业方向上有显著减少;对于上述4个地块,按照不同优化目标计算所得的最优作业方向均与地块某个边的方向角相同,对于长宽比较大的地块,最长边方向通常为最优作业方向。     

基于贪心遗传算法的穴盘苗补栽路径优化

温室育苗需要通过补苗移栽作业用健康钵苗替换穴盘内未发芽或劣质的钵苗,保证钵苗的质量。自动补苗移栽机可利用机器视觉获取穴盘苗健康信息,控制末端执行器抓取钵苗进行补苗作业,移栽效率高。穴盘内需补苗孔穴的位置具有随机性,对补栽路径进行规划,可进一步提高补栽效率。本文综合贪心算法和遗传算法的特性提出一种贪心遗传算法,在分段步长取8,优化代数取100时,可实现稀疏和密集穴盘的补栽路径优化,具有鲁棒性。贪心遗传算法所规划补苗路径长度与全遗传算法接近,均值差在443 mm以内;相比优化前的固定顺序法,贪心遗传算法路径长度可缩短33.8%~41.3%,缩短长度随空穴数量增加而加长;贪心遗传算法与全遗传算法规划补栽路径耗时分别为1.81 s和5.59 s。对比可知,贪心遗传算法更有利于自动移栽机输送单元和移栽单元间的动作衔接,可进一步提高自动移栽机效率。     

基于贪心—蚁群钵苗自动移栽路径分段优化算法研究

针对由于穴盘孔数增大,蚁群算法收敛速度慢,且难于达到全局最优的问题,综合蚁群算法和贪心算法的优点,提出基于贪心—蚁群钵苗自动移栽路径分段寻优算法(GACS算法)。GACS算法首先将穴盘进行分段,然后利用蚁群算法进行段内最优路径,最后利用贪心算法确定段间最优连接路径,从而实现钵苗自动移栽路径达到全局最优。以运行时间和路径长度为评价指标,将GACS算法与蚁群算法进行对比。结果表明:分段数是算法重要参数,50、72和128规格穴盘,所对应的最佳分段数分别为2、4和6。由于采用分段策略,GACS算法较蚁群算法在性能上有了显著提高,算法时间缩短到蚁群算法的20%以下,最优路径长度比蚁群算法更短,算法收敛速度更快。GACS算法能够有效地解决钵苗自动移栽过程中的路径优化问题,提高移栽效率。     

基于变前视距离的四轮同步转向农机改进纯跟踪控制

路径跟踪控制是提高自主导航系统控制精度的关键。针对在复杂农田作业环境下转弯时纯跟踪算法跟踪精度不高的问题,本文提出了一种基于改进纯追踪模型的四轮同步转向农机路径跟踪控制算法。建立了基于四轮同步转向农机的运动学模型和纯跟踪模型,在此基础上考虑航向误差得到改进纯跟踪模型,进行RTK定位坐标修正,根据量化误差的评价函数搜索前视区域最优目标点,得到最优前视距离。本文算法能实时确定四轮同步转向农机改进纯跟踪模型中的前视距离,使航向误差和横向误差最小化,实现目标点的自适应优化。仿真结果表明,本文方法转弯时平均绝对横向误差减至0.035m,平均绝对航向误差减至0.212°;水田实验结果表明,当四轮同步转向农机作业速度为3.6km/h时,四轮转向农机轨迹跟踪平均绝对横向误差减至0.109m,平均绝对航向误差减至2.799°,转弯跟踪精度显著提高。     

转向四连杆机构的集成优化设计

为了提高汽车操纵稳定性、安全性及减少轮胎磨损,将数值优化软件modefrontier同机械动力学仿真分析软件m sc.adam s集成,以转向梯形底角、转向臂长度、主销中心距和轴距为设计参数,传动角为约束,以转向时内轮实际转角与理论转角的误差最小为目标函数,采用模拟退火算法对转向机构进行最优化设计。计算结果表明,该集成方法和传统的设计方法相比不仅提高了分析研究的效率,而且采用的算法增大了求得全局最优解的可能性,能有效保证转向机构的运动精度和传动稳定性。     

异型机群协同作业路径实时优化

当采用多台不同型号的农机同时作业时,农机作业速度、作业幅宽均不相同,为避免作业冲突、降低作业成本,首次提出一种异型机群协同作业路径实时优化算法,机群作业过程分为并排作业阶段和剩余农田作业阶段,按照作业速度从大到小,HAMCO算法实时调整机群作业顺序。实验结果表明,在作业20 min后,若农机M_1作业速度从2.5 m/s分别变为2.95 m/s、3.4 m/s、4.5 m/s时,农机M_1分别在第148行反超农机M_2,在第71行、第139行分别反超农机M_2、农机M_3,在第56行、第71行、第142行分别反超农机M_2、农机M_3、农机M_4;在作业15 min后,若农机M_4作业速度从3.8 m/s分别变为2.8 m/s、2.51 m/s、2.1 m/s时,农机M_4分别在第165行被农机M_3反超,在第81行、第166行分别被农机M_3、农机M_2反超,在第57行、第78行、第132行分别被农机M_3、农机M_2、农机M_1反超。剩余农田作业阶段,HAMCO算法可找出18种符合条件的联合收割机组合,农机M_1、农机M_2、农机M_3、农机M_4数量分别为0台、0台、3台、1台时,总作业成本最小,为6.11 kg,农机M_1、农机M_2、农机M_3、农机M_4数量分别为2台、0台、0台、2台时,总作业成本最大,为11.93 kg,最佳机群组合最大可节省油耗5.82 kg。HAMCO算法能实时为机群分配最合理的作业路径,同时确保机群作业成本最低。     

基于Java的农机作业调度管理Web平台架构技术研究

为了解决农机的派出、组织生产和质量监控等缺少有效管理技术手段的问题,基于B/S架构,使用Java语言和Web服务器,开发了农机调度管理服务平台框架。平台前端以JSP实现与用户交互界面,主要实现了注册用户对个人信息的管理、管理人员和作业人员的双向搜索等功能;平台后端的业务逻辑用Java语言实现。在作业前,可以将农机机具、作业人员信息和农田地理信息录入到调度系统中,根据实际农田作业需求,利用GPS导航规划路径;在作业时,可以对作业质量和作业效率进行监控,从而有效地提高了农机的管理水平;最后,使用调度系统和不使用调度系统对6个农田地块的作业效率进行了对比,验证了系统的可行性。     

农机作业路径规划策略研究 —基于智慧农机大数据平台

针对我国农机跨区作业中存在的信息不对称、缺少有效农机调度手段等现状,建立了基于"互联网+"的农机作业信息服务平台,通过研发的手机APP、农机智能采集终端,实现了信息智能无缝对接,解决了农机服务产业链中信息不对称的问题。针对多机多地块作业调度问题,分析了基于智慧农机大数据平台的农机作业路径规划模型,设计了基于单位时间平均作业收益最大的优化调度算法,通过智能分单方式为农机大户或农机合作社的多台农机提供最优作业区域和行驶路线。试验结果表明:所提出的算法不仅确保了作物作业及时高效地完成,同时提高了作业收益,减少了作业成本。     

基于改进纯追踪模型的农机路径跟踪算法研究

为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。     

基于粒子群神经网络的农机调度网络安全态势评价

在规模化农机作业过程中,由于农机作业信息发布滞后和农机资源调度不合理,会造成农机作业效率低下的问题,特别是在农忙时节,会影响农作物的收割效果。为了提高农机作业效率,往往需要具备大规模的农机调度网络系统,以对农机资源进行合理的分配。农忙时网络系统使用的时间比较集中,为了不耽误作业调度系统的顺利运行,网络安全问题不容忽视;而农机调度网络系统的数据较为庞大,想要对其进行网络态势安全评价需要高效的处理算法。为此,将粒子群优化的神经网络算法引入到了农机调度网络安全态势评价过程中,并对其可行性和可靠性进行了验证。实验结果表明:采用粒子群优化的神经网络算法对于网络安全评价的效率较高,可以满足农机网络调度系统网络安全态势评价的需要。     

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。     

基于模拟退火算法的无人机山地作业能耗最优路径规划

为提高无人机在丘陵山地区域的作业效率,以四旋翼无人机为试验对象,通过对无人机三维运动的受力分析提出无人机三维运动的能效系数;对无人机自身性能进行测试,完成无人机功率与升力模型的拟合,拟合决定系数为0.9894,并在此基础上不同负载下完成能效系数的计算;最终,通过设计相应的模拟退火算法完成无人机在山地作业情况下的能耗最优作业路径规划。试验表明,当飞行速度为2m/s时,在不同恒定负载情况下,无人机能耗最优路径比常规路径最多可节约能耗30.16%,比最短路径最多可节约能耗5.47%;在负载实时变化情况下,能耗最优路径比常规路径可节约能耗32.04%,比最短路径可节约能耗1172%。说明模拟退火算法可在能耗约束条件下对无人机进行作业路径规划,且具有较好的路径规划效果。     

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。     

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。     

基于多目标优化的飞防队作业调度模型研究

针对面向植保服务订单的多飞防队协同作业模式,综合考虑订单时间窗、病虫害侵染状况、多机协同等关键因素,建立以作业总收益最大、作业总时长最小为优化目标的飞防队作业调度模型;设计了订单优先级排序算法和基于带精英策略的非支配排序遗传算法（NSGA-Ⅱ）的作业路径规划算法,并对调度模型进行了求解。以陕西省武功县植保作业为例,对飞防队作业调度模型及算法进行了验证,实验表明,建立的模型及算法能输出满足时间窗约束的Pareto最优解集,具有良好的搜索性能以及稳定的收敛性能。该研究可为无人机飞防队的调配与决策分析提供科学依据,为农机智能调度系统开发提供参考。