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。     

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。     

基于通信协同机制的精量播种机作业优化

以精量播种机协同作业过程为研究对象,利用多节点中继技术,建立播种机之间的协同通信系统,有效提高多台精量播种机之间的通信能力.采用无线传感技术,建立多播种机作业协同控制系统,实现多播种机作业过程的实时定位导航.试验结果表明:建立的精量播种机作业协同通信控制系统,可实现播种作业过程的高效率定位,定位过程所需时间较短,定位精...     

多农机重复路径协同作业下的导航路径迭代学习控制

在农作物从种到收多个作业环节中,多农机大都按同一参考路径(存在实时干扰)协同作业。针对"重复路径行驶"特点和借鉴"迭代学习"思想,可以逐渐提高协同作业时的农机导航路径跟踪精度,因此提出一种基于迭代学习控制的农机导航路径跟踪方法。首先,建立了离散的车辆运动学非线性模型;然后,设计了开闭环迭代学习控制律,并进行了收敛性分析;最后,进行了直线和圆形路径跟踪仿真实验。结果表明:迭代学习控制能够实现农机导航路径的完全跟踪;相同迭代次数下,与开环、闭环控制仿真结果比较,开闭环迭代学习控制收敛速度更快,路径跟踪误差逐渐趋近于0。     

形态学与光谱成像协同的割草机作业优化研究

以进一步提升割草机的收割修剪综合效率为目标,从识别的精准度层面入手,基于形态学与光谱成像技术展开优化研究。以通用智能型割草机的作业结构组成为切入点,深入理解形态学与光谱成像的算法机理,建立两者的协同算法识别与检测模型,并针对割草机完成相关联模块的软件程序控制及硬件组件配置,形成协同处理的高效能割草机装置。展开整机协同识别处理与检测作业试验,结果表明：基于形态学与光谱成像协同的割草机整体识别检测能力较单一的算法应用有显著优势,准确率与特征分类精度分别相对提升5.40%和7.65%,识别覆盖率可相对提升7.80%;整机避障识别误差大幅度下降,系统稳定,显著提高了割草机的综合检测效率,有利于农艺园林智能化管理的实现。     

高拱坝浇筑条带协同的缆机群智能配置模型

在高拱坝混凝土浇筑中,多台缆机通常同时分条带浇筑多个浇筑仓,故缆机群对浇筑仓条带的浇筑协同优化是提高施工效率的关键。因仓面运距和条带面积的差异导致各缆机的浇筑效率不同,简单的等分仓面难以保证条带协同浇筑上升,进而影响缆机群的浇筑效率。针对上述问题,提出了一种兼顾浇筑循环时间和负载均衡的缆机群智能配置模型。首先,对各缆机覆盖范围与浇筑仓重叠的区域进行浇筑条带划分,将缆机群与浇筑仓的配置转化为缆机群与条带的组合优化问题。提出“微匹配”模型桥接缆机和多条带,将缆机和浇筑仓的多对多关系转换为缆机和微条带一对一匹配关系,并建立浇筑组合优化的“微匹配”积分表达。最后以循环时间、负载均衡为优化目标求取缆机群的优化配置方案,实现浇筑条带的协同上升。白鹤滩拱坝浇筑配置例表明：缆机的浇筑循环时间、吊运负载基本保持均衡,上层缆机浇筑强度平均值偏差为-6.8%,下层缆机浇筑强度平均值偏差为5.1%。方法对缆机和浇筑仓数量变化具有良好的适应性,具有一定的智能配置能力。     

基于多普勒与贪心策略的农机作业路径优化研究

在进行大规模农田作业时,农业机械及其行走路线的选择不能再依靠传统经验。为实现精准农业及提高农机作业效率、降低作业成本,采用模拟退火算法进行农机作业路径优化,并改进模拟退火算法,提出一种基于多普勒与贪心策略模拟退火算法,从矩形农田、梯形农田、不同农机三方面对农机作业路径进行优化,并与贪心算法优化结果进行对比。试验结果表明,相比贪心算法,SA算法和SADG算法均能找到更优的农机作业路径,同时SADG算法较SA算法优化性能及寻优效率更高;在矩形农田中,SA算法和SADG算法平均优化性能比贪心算法提高均超过8%;在梯形农田中,随着作业角β增大,SA算法和SADG算法农机作业路径优化性能呈递增趋势,平均优化性能比贪心算法提高均超过9%;在不同农机参数下(作业幅宽w,最小转弯半径r),当2r/w2时,随着农机最小转弯半径的增大,优化性能呈递减趋势,SA算法和SADG算法平均优化性能比贪心算法提高了9%左右。该研究为优化农机作业路径、提高农机作业效率、降低农机作业成本提供了一种更加高效、可行的方法。     

基于领航-跟随结构的联合收获机群协同导航控制方法

面向联合收获机群协同导航作业需求,提出一种基于领航-跟随结构的收获机群协同导航控制方法。该方法在建立收获机群运动学模型的基础上,结合反馈线性化及滑模控制理论设计了渐进稳定的路径跟踪控制律和队形保持控制律。为验证所提模型及方法的有效性,以4台收获机组成的收获机群为试验平台,进行了机群协同导航控制试验。当速度为1.0 m/s时,领航者的平均跟踪误差为5.81 cm,跟随者的平均跟踪误差为5.93 cm,与单台收获机的导航控制精度相近,验证了所提方法的可行性和有效性。     

无人收获机协同作业行驶控制研究

针对无人收获机需要自主收获农作物并与无人拖拉机协同转运粮食的功能,考虑无人收获机配备的各节点控制单元对行驶控制的不同作用,对各节点控制单元的控制功能进行定义并且确定控制执行的优先级。在Simulink中根据不同工况制定行驶控制策略,选择合理的行驶速度及方向。根据无人收获机的传动结构,将最终请求的行驶速度通过预测算法及PID控制,实现无人收获机行驶速度控制,试验结果表明该方法满足无人收获机协同作业中行驶控制的需求。     

农机作业路径优化的研究——基于旅行商问题新算法

基于旅行商问题的特点与性质,设计了一种新的启发式算法。算法设计上首先从降维角度出发,先对图上各节点进行区域划分,然后在区域内部找到最小生成树,再将大于2的节点打断重新连接成除始点和终点外度均为2的树,最后相邻区域始点终点相连便可得到问题的解。通过两个实例论证说明,此种启发式算法可以有效地避免不同区域之间若干点的往返。基于此优点,将该算法应用到农机作业路径的优化中,为农机户的日常作业经营提供参考。     

基于动态协同的系统设计

对于传统信息交流模式难以及时、准确和全面地为决策提供服务信息的问题,探讨了一种基于动态协同工作的信息平台;对协同动态工作流驱动和协同消息服务驱动等进行了详细的讨论。     

农机协同作业的扩展目标跟踪研究

针对农机协同作业等复杂工况下,需要获取场景中机动目标的运动状态及姿态轮廓等扩展状态问题,引入扩展目标跟踪方法,采用乘性噪声模型建立量测方程。同时,推导了该模型下的扩展目标跟踪滤波器,并通过仿真验证和试验证明本文方法可以有效实现对目标状态的有效估计,旨在为设施环境下绿叶菜自动收割-运输协同作业提供支持。     

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。     

拖拉机机组无人作业协同控制系统设计与试验

为提高拖拉机作业机组无人作业的智能化水平,实现机组横向运动、纵向运动和机具提升作业的协同控制,设计了无人作业协同控制系统。以播种作业机组为研究对象,将拖拉机机组无人作业协同控制系统划分为规划层、决策层和执行层。规划层结合播种农艺要求和机组运动学特性,采用经/纬度坐标规划作业路径,为了同时满足直线作业区域与转向曲线区域的路径跟踪,提出自适应预瞄路径跟踪控制算法。决策层制定了拖拉机机组无人作业联合控制策略,实现拖拉机-播种机联合作业精准控制。执行层对拖拉机转向机构、机具提升机构、油门踏板、制动器、离合器等机构进行硬件线控设计。在此基础上,分别开展无人播种作业仿真与田间试验,仿真结果验证了拖拉机播种机组无人作业协同控制系统的可行性。田间试验表明：拖拉机转向器、油门踏板、离合器、制动器、机具提升机构严格根据规划层与决策层制定的控制指令协同动作。试验过程车轮转向平均误差0.45°,直线段横向误差均值为0.035 m,转向段横向误差最大值为0.11 m;机具提升响应时间为1.2 s、机具提升转角超调量小于1.5°;油门踏板、制动器、离合器均根据决策指令完成操纵动作。无人作业协同控制系统满足拖拉机机...     

台车装配作业流程优化分析

结合天津某集团机械厂装配车间生产作业实际,运用流程优化的理论技术,针对装配作业流程进行分析研究,进而对台车装配作业进行流程程序分析,提出新的优化方案。     

动态作业车间调度知识推理方法研究

现代制造模式下,静态不变的调度方案已经无法适应多变的作业车间环境。研究了动态作业车间环境下的调度规则选择方法,运用遗传算法获取车间制造系统中生产调度数据中的静态调度问题的最优解,分析解的甘特图获得BP人工神经网络的生产状态参数输入和调度规则输出样本,训练样本获得的非线性网络关系指导动态车间条件下调度规则的选择。     

水稻收获作业视觉导航路径提取方法

针对水稻收获视觉导航中的路径规划问题,提出一种水稻收获作业视觉导航路径提取方法。通过相机标定获取畸变参数矫正原始图像,并进行高斯滤波,采用基于2R-G-B超红特征模型的综合阈值法进行图像二值化分割,并对二值图像进行形态学的开-闭运算,抑制噪声干扰,根据图像灰度垂直投影值动态设定感兴趣区域,水平扫描获取作物线拟合关键点,最后采用多段三次B样条曲线拟合法提取水稻待收获区域边界线。室内试验表明,采用本文所提出的图像处理方法提取的图像中距离信息平均误差为9. 9 mm、偏差率为2. 0%,角度信息平均误差为0. 77°、误差率2. 7%。在顺光、逆光、强光、弱光4种光线环境下,对中粳798和临稻20两种作物进行了收获路径提取田间试验,以像素误差、距离误差、相对误差和标准差为评价指标,对比了不同光线下的路径提取结果,试验结果表明,对于中粳798的收获图像,4种光线环境下15个关键点的平均像素误差为28. 7像素,平均距离误差39. 7 mm,平均相对误差2. 7%;强光环境平均像素误差最小,为26. 2像素;弱光环境平均距离误差最小,为23. 9 mm;强光环境平均相对误差最小,为2. 0%;顺光环境稳定性最好,标准差为6. 8像素。对于临稻20的收获图像,4种光线环境下15个关键点的平均像素误差36. 5像素,平均距离误差45. 0 mm,平均相对误差2. 8%,在逆光环境下的平均像素误差、平均距离误差和平均相对误差均最小,分别为29. 5像素、36. 9 mm和2. 3%,稳定性也最好,标准差为10. 8像素。单帧图像平均处理时间38 ms。本研究可为田间作物线检测和收获作业的自动导航提供参考。     

基于增强现实技术的供电作业现场协同管控

基于增强现实技术的供电作业现场协同管控方法及装置,是一种全新智能的供电作业现场协同与管控机制及装置。包含:后端云系统平台(即供电作业云协同与管控中心)和前端可佩带装置。基于特有纵向扫描建模技术(即在可视区域内,从上到下扫描建模),智能快速识别供电作业现场及作业目标,根据供电作业目标模型,建立标准供电作业流程,通过增强现实显示模块,指导供电作业人员现场作业;通过定制化的供电作业标准,利用增强现实识别模块,判断供电作业人员作业流程或方法是否符合供电作业规范;根据定制化的供电作业标准进行此次供电作业的评分,并计入该操作人员的年度和终身考核库中,同时将评分结果、扣分项和对比情况通过增强现实的显示模块展示给现场作业人员,提高现场作业人员的操作技能。     

农机收获作业参数化路径生成方法

为使无人驾驶农机在收获作业时准确收割作物,其导航路径应尽可能与播种作业轨迹保持一致。播种作业轨迹通常可近似为直线,因此传统的AB线模式可以满足大多数作业需求。但在某些作业场景中,受客观条件限制,播种作业路径是弯曲且不规则的。为使农户以其熟悉的打点方式设定路径,提出了一种参数化路径生成方法。在农户设定路径时采集车辆主天线轨迹坐标和姿态,解算出车辆后轴中点坐标。通过算法过滤掉轨迹中聚集点和离群点并提取出能够代表轨迹形状的一系列节点。采用分段插值方法,生成基于3阶贝塞尔曲线的参数化路径。以雷沃M1004型拖拉机为试验平台,在北京市昌平区小王庄试验站采集数据。试验结果表明,在平均作业速度5 km/h、聚集点抽稀阈值1 cm、离群点曲率阈值1 m-1、节点抽稀阈值30 cm时,两组参数化路径与各自原始轨迹的最大偏差分别为0.52和0.40 m,说明此方法可以较为准确地还原播种轨迹并生成收获作业目标导航路径。     

确定机群最佳服务面积及根据服务面积选择合理机群结构的方法

机群的服务规模不同,经济效益也不同。单位面积上机械作业的可变费用基本上为一常数,而分摊的固定费用则随服务面积的增大而减小。经过推导,单位面积上的机械作业费与服务面积间的关系图形为一双曲线。另一方面,关键作业项目若不能在适时期内完成,亩产量将受到损失,推导出的单位面积净产值与服务面积间的关系图形为一抛物线。在同一坐标图上,一般可得出两曲线的两个交点,交点对应的面积即为该机群服务范围的上下限,两曲线间的垂直距离表示单位面积的纯收益,也可在同一坐标图上用曲线Y表示,最大垂直距离的面积为最佳服务面积,此时Y=max。将全部可供选择的机群的Y曲线绘出后,对于给定服务面积A,可查出各机群对应的Y值,其中最大值所对应的机群,即为面积为A时的合理机群结构。本文用解析方法对上述思路作出推导,并用河北省晋县的实例对八种机群及不同规模进行了计算,得出不同规模时的配备方案,与晋县实际情况相当吻合。