WSN主导下的水稻插秧机电控系统优化分析

针对水稻插秧机自动化程度不高、工作效率较低的问题,在WSN技术下对水稻插秧机进行了设计,并对其电控系统进行优化并分析。该插秧机的主要组成为车体、无级变速系统、分插机构、电控系统和报警机构。为提高智能化和自动化水平,插秧机采用纯追踪算法控制器计算偏差,改进其电控系统,使其能够实现自动导航。为验证插秧机性能,对插秧机进行自动导航和插秧试验。试验结果表明:插秧机可以实现自动导航,且插秧效果良好,满足农户的使用要求。     

基于PLC的智能插秧机监控系统研究

智能插秧机具有作业效率高、插秧质量高等优点,逐渐取代传统人工插秧作业,但传统的智能插秧机在作业工程中仍然需要人工监控,以便及时处理插秧机出现的故障问题。为此,设计了基于PLC的智能插秧机监控系统,完成了监控系统总体结构的设计,通过硬件选型和软件设计,确定了合理可靠的功能模块。该监控系统能够实时监测智能插秧机的工作状态,远程控制智能插秧机作业,可及时对插秧机的故障进行反馈报警,且结构简单、控制精度高,具有较高的安全性和稳定性,在农业生产上具有一定的推广价值。     

割草机器人路径规划研究 ——基于改进蚁群算法和计算机视觉

首先,从设计需求、结构体系和控制系统设计了割草机器人总体方案;然后,设计了草坪边界提取算法和割草机器人路径规划系统,实现了一套基于改进蚁群算法和计算机视觉的割草机器人路径规划系统.试验结果表明:割草机器人能够实现草坪边界提取和规划出最优路径,割草机器人路径规划具有一定的可行性.     

基于计算机网络控制的插秧机自动路径规划研究

首先,对插秧机导航控制原理进行了分析,建立了插秧机行驶模型;然后,通过确定矩形地块边界、直线和转弯路径规划实现了基于计算机网络控制的插秧机自动路径规划系统。系统采用Ω式转弯式覆盖方法,可以较大程度提高作业覆盖率。试验结果表明：插秧机在进行直线行驶的路径和仿真路径一致,只有在转弯时才会出现较小偏差,证明控制系统能够满足实际应用需求。     

基于人工势力场和遗传算法的播种机路径规划设计

为了提高播种机对复杂地块的自适应能力,提升播种机的播种精度和播种效率,提出了适合精播机的基于子区域的折返全区域覆盖路径规划方法,并对播种机的排肥器和排种器进行了改进,以适应自动路径规划的需要。为了优化基于子区域的路径搜索方法,使用人工势场和遗传算法对寻优方法进行了优化,提高了算法的效率。为了测试该方法的有效性和可靠性,将路径规划系统安装到了播种机械上,通过对播种的测试发现,该方法实现了复杂地块播种的全区域覆盖,并且可以有效地躲避障碍物。对3种不同的算法进行对比测试发现:基于遗传算法的子区域路径规划模型的寻优效果最佳,其覆盖面积大,转弯次数少,用时少,最短时间为11.25 min,仅为其他算法时间的1/2,路径划分效率较高,满足智能化精密播种机的需求,可以在精密播种机的路径规划系统中使用。     

基于PLC的多功能插秧机动力系统优化研究

随着自动化技术在农业生产应用中的不断深入,多功能插秧机已经逐渐取代传统人工插秧作业,其具有自动插秧、插秧质量高等优点,但存在驶速度慢、插秧效率低等问题。为此,设计研究了基于PLC的多功能插秧机动力系统,对传统插秧机动力系统进行优化。在对插秧机工作原理进行深入研究的基础上,完成了插秧机动力系统优化方案的设计,并引入液压驱动系统,完成了液压驱动系统结构设计和工作原理分析。同时,将液压驱动系统与PLC控制相结合,定义系统输入输出信号,完成PLC硬件接线及I/O分配。仿真试验结果表明:验证优化后的多功能插秧机可以完成对动力系统的精准控制,具有更好的动力性能和机动性。     

基于改进人工势场法的多目标点路径规划

为实现智能小车移动时需到达多个目标点的目的,提出一种基于改进人工势场法的多目标点路径规划。首先,通过模拟退火算法解决了传统人工势场法中机器人移动时陷入局部势能最小点振荡的问题;随后,通过碰撞预测算法以及无效障碍物概念解决了人工势场中目标点不可达的问题;最后建立多目标点智能小车移动模型,将改进的人工势场法运用其中进行MATLAB仿真。结果表明,改进的人工势场法很好地规避了路径中的障碍物,到达各目标点。     

水稻插秧机的人机交互智能化应用

针对水稻插秧机设计过程中存在的参数多、交互关系复杂、设计计算繁琐等特点,开发了一种人机交互式智能化设计平台,可缩短设计周期,优化水稻插秧机机构。通过对水稻插秧机的运动过程进行分析,认定插秧株距及插秧深度为插秧过程中的两大核心目标参数,建立各结构参数与目标参数之间的约束关系,并确定优化设计算法。利用优化设计算法,建立人机交互式设计系统,并利用设计系统得出水稻插秧机结构参数。对比分析及试验验证表明:该人机交互式智能设计系统可根据不同的设计需求快速有效地迭代出水稻插秧机结构参数,并进行最优化参数组合,有效地缩短设计计算周期,提高了设计效率及准确性。     

基于机器学习的农用飞行器路径规划系统设计

基于作业空间模型及更新和飞行器机动性能约束,搭建了农用飞行器路径规划环境模型,并采用改进人工势能的机器学习算法,结合农用飞行器路径规划环境模型和障碍物检测模块,实现了农用飞行器路径规划的最优化。MatLab仿真结果表明:农用飞行器路径规划系统能够识别障碍物的位置和边界信息,并能快速制定出最优的飞行路径,指引农用飞行器顺利到达目标点。     

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。     

改进A*算法的采摘机器人路径规划与跟踪控制

为提高采摘机器人的工作效率和控制精准度,提出一种基于改进A*算法的路径规划与跟踪控制方法.首先建立移动采摘机器人的动力学模型,然后通过引入人工势场法改进了A*算法的效率,实现了对采摘机器人运动路径的快速规划,最后利用状态观测器估计出系统状态,并设计终端滑模控制律来准确跟踪路径指令,大大提高了控制精度.仿真结果表明:设计...     

基于蚁群算法与人工势场法的移动机器人路径规划

针对复杂环境下移动机器人路径规划困难的问题,提出了一种将全局路径规划蚁群算法与局部路径规划人工势场法相融合的混合型算法。首先,采用多因素启发函数和新的蚂蚁行进机制来解决传统蚁群算法路径质量差且易陷入对角障碍的问题;其次,针对传统蚁群算法收敛速度慢的情况,设计了自适应挥发系数和动态权重系数;接着,通过引入虚拟目标点、相对距离和安全距离的概念,解决了传统人工势场法易陷入局部极小值、目标不可达以及过度避障的问题;最后,将改进蚁群算法规划路径的转折点作为局部子目标点来调用改进的人工势场法进行二次规划。仿真表明改进蚁群算法较传统算法以及其他算法在路径长度方面优化了9.9%和2.0%,在路径转折次数方面优化了81.8%和63.6%,在收敛速度方面优化了94.2%和63.6%;改进人工势场法有效解决了自身问题;而以二者为基础的混合型算法则充分地结合了二者的优势,在复杂的静态和动态环境中具有极高的环境适应性和路径规划效率。     

智能控制半自动高速插秧机浅析

插秧质量直接影响水稻产量.传统的插秧方式需要投入大量的人力物力,还无法保证插植精度.智能控制半自动高速插秧机有着不同于传统插秧机的智能控制系统,能够让插秧机在作业过程中实现全路径无人驾驶.文章介绍了智能控制半自动高速插秧机结构组成及工作原理,分析了技术特点和不同的作业模式,并对智能控制半自动高速插秧机的发展前景进行了展...     

基于优化人工势场法的插秧机绕障策略研究

针对水田中存在的壕沟、田埂、石块、电线杆等障碍物使得插秧机无法保证作业连续性和插秧直线性等问题,设计了基于优化人工势场法的插秧机绕障路径规划策略。通过增加插秧机实时位置与目标作业点的相对距离作为判断条件来动态改变势场大小,同时设立了虚拟局部目标点来弥补传统人工势场法目标点不可达和局部最小点的算法缺陷;将插秧机简化为二轮车模型,建立插秧机转向系统数学模型,得出插秧机速度、行驶航向角和前轮转角表达式,以横向偏差与航向偏差作为评判路径优化效果的因素。转向控制器以复合模糊PID算法控制插秧机的转角,不断减小理想前轮转角与实际转角的偏差,实现转角最优化;采用超声波传感器实时检测道路障碍物并结合RTK-GPS实时更新位置坐标,设计出插秧机绕障转向控制策略。通过Matlab对优化的人工势场法的避障路径控制策略进行仿真,仿真结果表明,当障碍物不在影响范围内,插秧机直线追踪的最大横向位置偏差为5cm,平均偏差约为2cm,最大避障横向偏差小于0.5m,优化后的算法具有较好的控制精度,可避免目标点不可达的问题。基于洋马VP6E插秧机作为实验平台进行了实车实验,实验结果表明,当插秧机以速度0.5、1.0、1.5m/s行驶时,左侧绕障的最大横向偏差均不大于1.2218m,航向偏差最大值为30.1491°,绕障前后直线追踪的平均横向偏差为0.025m,平均航向偏差为3.12°;右侧绕障的最大横向偏差均不大于1.2459m,航向偏差最大值为25.2294°,绕障前后直线追踪的平均横向偏差为0.023m,平均航向偏差为3.36°,所设计的避障方法可满足插秧机在农艺作业过程中的避障要求,具有很好的可行性与鲁棒性。     

久保田NSD8插秧机遥控插秧档执行机构的设计

为提高插秧机操作自动化水平,实现插秧档的遥控控制,以久保田NSD8插秧机为研究平台,在不改变原插秧机换档机构的基础上设计出一套辅助系统,使改造后的插秧机技能满足自动化需求,又能实现常规的手柄操作。该机构主要由步进电机、滚珠丝杠、滑块机构和末端执行器组成,可实现遥控控制插秧档位的升降,为后期久保田NSD8插秧机的导航设计提供前期理论与实践基础。     

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。     

久保田NSD8插秧机遥控插秧档执行机构的设计

为提高插秧机操作自动化水平,实现插秧档的遥控控制,以久保田NSD8插秧机为研究平台,在不改变原插秧机换档机构的基础上设计出一套辅助系统,使改造后的插秧机技能满足自动化需求,又能实现常规的手柄操作.该机构主要由步进电机、滚珠丝杠、滑块机构和末端执行器组成,可实现遥控控制插秧档位的升降,为后期久保田NSD8插秧机的导航设计提供前期理论与实践基础.     

基于机器学习的采摘机器人控制系统研究

对采摘机器人进行了运动学分析,介绍了机器学习算法与应用,并基于Q-learning算法设计了采摘机器人路径规划系统,实现了对采摘机器人的运动控制。MatLab仿真实验表明：采摘机器人搭载Q-learning算法机器学习算法后,能够自主完成路径规划,并能成功避开环境中的障碍物,规划路径最优,平滑度较好,证明了该算法的有效性和可行性。     

基于人工势场法的移动机器人路径规划研究现状与展望

路径规划是移动机器人领域的热点研究方向，人工势场法已在工业机器人路径规划中得到广泛应用，近年来正逐步应用于农业工程的路径规划问题中。首先对路径规划中人工势场法的原理及传统人工势场法存在的缺陷进行分析，针对人工势场法中的局部极小值和目标不可达问题的多重改进方法进行原理分析和方法总结，并根据人工势场法在工业机器人中的应用对已有的算法融合方法进行分类综述。最后通过对多种改进方法的比较，对农业机器人路径规划所需满足的实时性以及障碍物的多变性进行应用展望，可以利用现有的算法融合研究，结合农业生产的实际情况，对不同农业生产应用场合的融合算法选择机制进行深入研究，以满足现代农业生产中对机器人路径规划的需求。     

割草机器人自动控制系统 —基于智能视觉和人工算法

为解决无导航功能的智能割草机割草区域最佳覆盖的问题,将智能视觉和人工智能聚类算法引入到了割草机控制系统的设计上,通过分解目标区域和计算质心位置,实现作业区域的全覆盖识别。机器人控制系统利用智能视觉来判断割草作业区域,代替了以信号和微波等为依据的导航功能,可以有效地提高作业区域的识别效率和精度。为了验证方案的可行性,以割草机器人路径规划为例,对割草机器人的路径规划时间和准确率进行了测试。结果表明:基于智能视觉和人工聚类算法的割草机器人具有较高的路径规划效率,且路径规划的准确率也较高,可以满足割草机器人控制系统的设计需求。