基于启发式搜索算法的自动采摘机器人路径规划研究

对启发式搜索算法进行了分析和介绍,并选择采用A*算法进行自动采摘机器人路径规划研究.研究了采摘机器人路径规划的二维空间环境的模型,并采用栅格法建立了采摘机器人路径规划空间模型.利用Mat-Lab软件对模型进行了仿真实验,结果表明:改进的A *算法可以明显改善采摘机器人移动路径,使规划的路径更加平滑,证实了改进算法的可行...     

基于改进蝙蝠算法和圆柱坐标系的农业无人机航迹规划

针对传统蝙蝠算法全局搜索能力不足的问题,提出一种改进蝙蝠算法(IBA-FCS),通过设计脉冲变频策略、自适应局部搜索策略和变异机制,有效提升了算法的全局搜索能力。基于经典测试函数的寻优结果表明,与粒子群算法、传统蝙蝠算法和其他改进蝙蝠算法相比,IBA-FCS算法具有更好的寻优性能。针对农业无人机的航迹规划问题,结合山地果园飞行环境的三维地形数据,构建了农业无人机安全航迹规划模型,设计了多因素约束的飞行成本函数;同时,将航迹规划模型的求解空间由笛卡尔坐标系变换到圆柱坐标系,进一步提升IBA-FCS算法的寻优效率,从而获取更好的航迹规划方案。仿真实验结果表明,在具有不同数量障碍物的多个飞行任务中,IBA-FCS算法较传统蝙蝠算法的飞行成本函数适应度平均下降20.3355%,并且基于圆柱坐标系的IBA-FCS算法求解的飞行成本函数适应度较基于笛卡尔坐标系的规划结果平均下降4.6127%。实地场景实验结果表明,基于IBA-FCS算法的规划方案能够收敛于最优航迹,进一步验证了山地果园静态障碍环境下应用改进蝙蝠算法和圆柱坐标系进行农业无人机安全航迹规划的可行性和有效性。     

物联网和人工智能技术在智慧农业中的应用

智慧农业是智能技术与现代农业结合的重要产物,也是现代经济发展的必然结果.将物联网和人工智能技术应用到智慧农业中,对于加快我国的乡村振兴具有非常重要的现实意义.基于此,本文将重点阐述物联网和人工智能技术在智慧农业中的应用.     

农业无人机智能机器学习系统——基于人工智能和深度学习

为了提高农业无人机作业时的自主学习能力,基于人工智能技术将深度学习算法应用到了无人机机器学习系统的设计上,并提出了基于神经网络深度学习的农业无人机智能识别系统,有效提高了无人机的自动学习和识别能力。以采摘机器人的设计为例,对智能机器学习系统的可靠性进行了验证,并对不同学习算法果实识别的准确性进行了测试。测试结果表明：基于神经网络的深度学习算法在果实的成熟度识别方面具有明显的优势,从而验证了算法的可靠性。     

物联网和人工智能技术在智慧农业中的应用

智慧农业是智能技术与现代农业结合的重要产物,也是现代经济发展的必然结果。将物联网和人工智能技术应用到智慧农业中,对于加快我国的乡村振兴具有非常重要的现实意义。基于此,本文将重点阐述物联网和人工智能技术在智慧农业中的应用。     

基于改进A*算法和DFS算法的割草机器人遍历路径规划

针对割草机器人大面积作业时遍历路径规划覆盖率低、重复率高、普适性弱的问题,提出一种改进A*算法与DFS算法相结合的遍历路径规划算法。首先,根据已知环境全局信息,通过牛耕式分解法将目标区域划分成多个不含障碍物的子区域;然后,根据子区域的邻接关系构建无向图,使用DFS算法规划子区域的遍历顺序;最后,采用改进A*算法进行跨区域路径转移并且往复式遍历各子区域的内部。仿真试验结果表明：该遍历算法的覆盖率达到100%,遍历重复率为0,改进A*算法所规划的跨区域转移路径长度和转向次数比A*算法分别减少3.26%和62.5%。所提出的遍历算法具有覆盖率高、重复率低、普适性强的特点,改进A*算法通过路径平滑性优化和添加防碰撞安全间距对A*算法进行改进,使之规划的路径更平滑、更安全,路径长度更短。该研究结果旨在为割草机器人遍历路径规划提供理论参考。     

基于改进A *算法的电动车能耗最优路径规划

提出一种基于改进A*算法的电动车能耗最优路径规划方法。根据车辆运行时的能耗,考虑能量损失与回收等因素,建立了运行能耗函数。设计了新的启发式能耗预估代价对A*算法进行改进,证明了所提出的启发式能耗预估代价满足可采纳性和一致性,确保改进的A*算法可获得能耗最优路径。针对电动车的里程焦虑问题,基于改进的A*算法,建立了根据车载电池的剩余电量、充电站位置、终点位置来寻找可达的能耗最小路径方法。仿真实验表明,提出的方法可以找到起点到终点的能耗最小路径,当车载电池能量不足时,可以找到经过充电站的可行最小能耗路径,减少里程焦虑,验证了所提方法的合理性和可行性。     

基于改进A*算法的地下无人铲运机导航路径规划

提出一种基于改进A*算法的铰接式地下铲运机导航路径规划方法。针对地下铲运机的铰接结构,采用按铰接角扩展节点的方法,使扩展节点符合铲运机的轨迹特性;针对巷道狭窄,易于发生碰撞的问题,在估价函数中引入了碰撞威胁代价,避免铲运机与巷道壁发生碰撞。通过仿真试验分析比较了传统A*算法和所提出的改进A*算法的搜索性能,验证了改进A*算法可提高搜索效率。通过多组试验参数比较表明,当碰撞代价加权系数为0.2时,可以得到在避免碰撞情况下的最短路径。最后在实验室环境下实现了无人铲运机的路径规划及轨迹跟踪。跟踪结果表明,采用所提出的算法规划的导航路径,符合铲运机的结构特性,使跟踪误差保持在0.2 m之内,同时也可使铲运机不与巷道发生碰撞,实现安全行驶,验证了所提方法的可行性和实用性。     

物联网和人工智能技术在农业中的应用研究

我国是一个农业大国,国家非常重视农业发展,农业的发展需要新技术的支持,技术是农业发展的关键因素。物联网和人工智能技术在现代农业中的应用,对现代农业的发展起到促进作用,符合我国现代农业发展的需要。文章主要从物联网和人工智能技术的概况及其在农业生产中的应用意义、实际应用和发展前景进行阐述,以期为新技术在现代农业中应用提供参考。     

基于改进A*与DWA算法融合的温室机器人路径规划

根据温室环境下移动机器人作业的实时路径规划要求,提出一种基于改进A*算法与动态窗口法相结合的温室机器人路径规划算法.针对传统A*算法搜索算法拐点过多的问题,对关键点选取策略进行改进,融合动态窗口法,构建全局最优路径评价函数,采用超声传感器进行局部避障,实现实时最优的路径规划.仿真实验结果证明,与传统A*、Dijkstr...     

一种移动机器人路径规划新方法

路径规划是自主移动机器人导航的基本任务,其精度取决于地图构建和定位。一些路径规划算法已经应用于精确的路劲规划过程,比如Dijkstra算法,A*算法等。如果机器人的体积大于栅格地图的栅格单元,传统A*算法路径规划就会不精确,在这种情况下移动机器人很难安全通过门和狭窄的通道。本文提出的新的路径规划方法在障碍物周围虚拟增加障碍栅格单元,有效降低了发生碰撞的可能性。     

基于改进蚁群算法的植保无人机路径规划方法

为了规划出更加高效的植保无人机路径,提出一种基于改进蚁群算法的植保无人机路径规划方法,该方法适用于多个具有复杂多边形边界与内部障碍物的三维作业区域。采用扫描方式生成水平面内的作业路径,经过离散化处理后,在三维地形曲面上插值,获得三维作业路径。在此基础上,建立作业路径生成算法,以三维作业路径总长度尽量短、作业路径数量尽量少为目标,对植保无人机作业航向进行寻优。改进蚁群算法通过附加记录作业路径进入点的机制,实现对三维作业路径的合理排序,生成总长度较短的转移路径。经过算例检验,针对同一作业区域规划出的三维作业路径与水平面内的作业路径的航向角存在较大差异,相差最大为92°,这说明考虑三维地形的必要性。算例中,将改进的蚁群算法与贪婪算法进行了对比,针对一系列相同的作业起点,改进的蚁群算法所得的转移路径总长度均较短,比贪婪算法所得结果缩短3%~28%;在未选定作业起点情况下,改进的蚁群算法与贪婪算法求得的转移路径总长度最小值分别为1661m与1763m,说明改进的蚁群算法具有良好的寻优能力。实例检验情况与算例所得结论基本一致。算例与实例中的作业区域边界与地形复杂,涵盖情况全面,表明本文提出的路径规划方法具有一定实用性。     

基于方向A*算法的温室机器人实时路径规划

针对复杂环境下的温室机器人路径规划问题,重点研究了生成路径的平滑设计、碰撞检测和算法实时性,提出一种方向A~*算法。首先采用视野线平滑原则优化路径,消除锯齿效应并避免部分碰撞;其次应用圆弧—直线—圆弧转弯策略,避免机器人本体宽度影响;最后基于二叉堆加速算法,提升算法计算效率。仿真实验结果表明,方向A~*算法满足平滑要求且能有效避免碰撞,加速算法平均提速4~7倍。同时,机器人在真实实验环境下能实现安全自主导航,跟踪误差小于0.15 m,验证了所提方法的可行性。     

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。     

基于遗传算法的无人机多目标路径规划

研究了无人机在抢险救灾中的应用,通过构建路径规划模型来求解最优路径,模型以整个无人机飞行路径距离最短为目标,利用遗传算法对路径方案进行迭代优化,利用适应度函数在迭代过程中更新种群个体,使得算法能够趋向最优解,同时利用遗传变异操作防止算法陷入局部最优解。利用MATLAB对算法进行计算,并通过随机个体比较对方案进行了验证。案例结果表明:该模型能够在较短时间内得到最优解,提高了无人机的工作效率,为抢险救灾争取到了宝贵的时间。     

农业机器人路径识别自主导航系统——基于STM32与物联网

我国人口众多,粮食需求量高,因此有必要提高农业生产效率以提高粮食产量。为此,开发了一套基于STM32及物联网的农业机器人定位及路径导航行走系统,跟踪端GSM芯片在STM32的控制下通过GPRS网络发送GPS定位数据信息,农业机器人视觉系统根据所在环境拍摄图像分析获得行走路径,完成导航任务。以农田垄沟环境为研究对象并进行仿真,将机器人视觉系统采集的图像进行优化,通过MatLab仿真处理,将机器人导航行走路线通过阈值分割和边缘检测提取出来,满足其定位导航的精度。该系统能够大量应用在农业生产技术中,包括种植管理、喷洒农药及果实采摘等,极大地减轻了我国农业生产人员的劳动强度,对于推动农业的现代化具有重要意义。     

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。     

基于足球比赛路径规划的农用无人机定位和导航研究

无人机具有很高的作业效率,能够推动农业生产的现代化和智能化。由于受各种因素的影响,无人机的实际航线与规划航线之间会出现偏差,因此需要进行定位和导航。足球比赛机器人的控制原理与农用无人机相似,其路径规划方法可以作为无人机定位和导航的参考。为此,将足球比赛路径规划的人工势场模型与农用无人机相结合,设计了一种无人机定位和导航方法。仿真试验结果表明:该方法定位和导航的无人机药液喷洒覆盖率达到98%,飞行的距离和时间相比人工控制减少了20%,路线中的急剧转向次数大幅减少,能够为无人机航线控制提供新的途径。