自动导航拖拉机田间作业路径规划与应用试验

为了实现自动导航拖拉机田间作业的全区域覆盖路径规划,提出基于全排列算法获得转弯耗时最短的路径规划方案。为此,将农田地块划分为直线作业区域和地头转弯区域,在地头转弯区域内建立了拖拉机沿弓形和鱼尾形转弯路径行驶的轨迹解析模型,计算得到地头转弯区域所需的最小宽度及转弯所消耗的时间。在直线作业区域内,根据转弯次数最少来确定直线作业路径在田间的相对方向,生成相应的直线路径簇。根据对两块典型农田地块田间作业路径规划试验,得到了直线作业路径遍历顺序的一般规律。试验表明:这两块农田的路径规划方案中转弯路径的耗时较梭形行走、离心行走及向心行走方式至少减少了51%。     

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。     

基于自适应蚁群算法的农用智能机器人路径规划

针对田间农用智能机器人路径规划问题,结合蚁群算法特点,提出一种基于自适应蚁群算法的路径规划方法,目的是在信息采集、田间巡检、果蔬采摘及作物搬运等操作中,利用所提方法为农用智能机器人搜索出一条距离最短的优化路径,确保其能沿着该优化路径顺利达到指定作物种植区,完成指定工作任务。该方法通过引入自适应调整信息素挥发系数、更改信息素更新机制和限定信息素阈值等策略,对传统蚁群算法进行了优化改进。仿真结果显示,在100 m×100 m作物种植区模型内,改进算法能有效解决农用智能机器人路径规划问题;改进算法规划的最佳路径长度较传统蚁群算法和禁忌搜索算法分别减少3.745 1 m和16.387 6 m;改进算法规划最佳路径所需程序迭代次数较传统蚁群算法和禁忌搜索算法分别减少13代和31代,结果表明,与传统蚁群算法和禁忌搜索算法相比,改进算法具有较强的全局搜索能力和较好的收敛性能。     

油菜无人播种作业两退三切鱼尾自动调头方法

为减小油菜无人播种作业系统调头产生的未作业区域面积,提高作业行切换对行精度,提出一种两退三切鱼尾调头自动控制方法。基于CaseTM1404型拖拉机、北斗RTK和2BFQ-8型油菜精量直播机构建了一套油菜无人播种作业系统。根据该系统参数,定量分析了3种鱼尾调头模型的路径几何关系,以田头未作业区域面积最少和对行精度最优为目标生成鱼尾调头路径,基于几何模型和运动学模型设计了改进的模糊自适应纯追踪控制器,依据该控制器结合油菜精量直播机播种规范构建了控制策略。开展了3种鱼尾调头模型田头未作业区域面积仿真,仿真结果表明,两退三切鱼尾调头模型相对于传统鱼尾调头模型田头未作业区域面积减少14.62%~22.43%。运用该调头方法开展了田间无人播种作业试验,试验结果表明：两退三切鱼尾调头方法较传统鱼尾调头方法初始横向偏差减小7.37~8.08cm,上升时间减少1.3~2.3s,无人作业对行精度为1.48cm。该研究为油菜无人播种作业过程中的梭行路径调头换行方法提供了技术支撑。     

基于双向搜索策略的改进蚁群路径规划算法

针对在多障碍物地形中将传统蚁群算法运用在移动机器人路径规划问题上出现收敛速度慢,容易陷入局部最优,易于陷入死锁等一系列问题,提出了一种改进蚁群算法。在传统蚁群算法的基础上,根据蚂蚁周围可行栅格距离目标点的远近,自适应地调整启发函数,加快算法收敛速度;针对传统蚁群所用的回退和死亡策略,提出了一种最优路径保留策略,提高了算法性能;使用两组不同种类的蚂蚁分别从起始点和目标点进行双向搜索的方法来构建最优路径,进一步提升了算法的搜索效率。实验表明该方法与传统的蚁群算法相比减少了搜索时间,降低了迭代次数,明显提高了算法的寻优效率。     

基于有效拐点和最短最小路径的蚁群路径规划方法

为了提高蚁群算法路径寻优的收敛精度和收敛速度,提出一种基于有效拐点的栅格图和基于最短距离最小步数路径（最短最小路径）的蚁群算法,用于搜索地面移动机器人从起点到终点的最短路径。在标准蚁群算法路径规划中,蚂蚁的搜索方式是有限方向有限邻域,本文采取无限邻域的搜索方式,可取捷径搜索任何可直通的栅格点,并提出有效拐点的概念,减小了单步搜索量。提出最短最小路径的概念,并用其取代欧氏距离作为启发值,提高了启发值的准确度和可靠性,同时用起点到终点的最短最小距离指导信息素更新,提高了蚁群算法迭代的质量。最后,在不同规模、不同障碍比例的栅格地图环境下进行实验,结果表明用最短最小路径距离取代欧氏距离的合理性,并验证了本文方法可以在降低计算量的同时,以更快的收敛速度搜索到距离更短、步数更少的路径。     

复杂环境下农业机器人路径规划优化方法

针对在室外复杂环境下作业的农业机器人存在因能量受限导致工作完成率降低的问题,提出了一种基于改进的启发式搜索的ECA~*路径规划算法,该算法可以在资源受限的情况下完成能量损耗最优路径的规划。首先,通过建立机器人距离-能量损耗模型,计算机器人移动行进的路程和损耗的能量,并对未来的路径和能耗趋势进行评估。然后,在传统A~*算法的基础上,将距离-能量损耗模型代入启发代价函数,通过搜索扩展子节点寻找最优路径。在每次迭代过程中,通过对比剔除处于劣势的路径,以保证算法的高效性。最后,通过设计仿真实验,将改进的ECA~*算法与传统的A~*算法搜索到路径的能量损耗进行对比,并在之后的改进算法中添加相应的能量约束进行计算。仿真结果表明,改进算法减少14. 87%能量消耗,验证了ECA~*算法的有效性。     

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PSO-EACO的农业机器人路径规划仿真研究

针对农业机器人在完成采摘、质量检测、信息采集等作业中路径规划低效问题,采用粒子群(PSO)和改进蚁群(EACO)融合算法对路径规划进行改进。该融合算法先通过带有惯性权重的粒子群算法找到初始路径,然后将该种群看作蚁群算法的初始信息素来分布,从而进行精密搜索,避免盲目搜索带来的低效,提高搜索速度。结果表明:融合后的PSOEACO算法得出的路径长度比改进的EACO算法缩短2.5%,完成任务用时缩短5.1%。本算法能够规划出最优行走路径,提高农业机器人的工作效率。     

凸多边形田块下油菜联合直播机组作业路径规划

针对无人农场场景下油菜联合直播机组自动导航自主作业需求,提出一套对凸多边形边界田块具有普适性的油菜联合直播作业路径规划算法。在拟定油菜直播作业对路径规划算法基本要求的基础上,将作业区域分成内部方向平行作业区与外围轮廓平行作业区,对应方向平行作业路径和轮廓平行作业路径;进一步将作业路径分为工作路径和非工作路径,对后者包括的行间转移衔接路径、区域衔接路径、拐角衔接路径、进入路径和退出路径等的生成原理进行详细阐述,通过"最小跨度法"得到方向平行路径最优作业方向,通过贪婪算法与Google OR-Tools对方向平行路径行调度次序进行排序优化。综合考虑作业路径总长度、算法耗时和重漏面积等指标,针对油菜联合直播机组免少耕和旋耕播种作业,以东方红-LX804型拖拉机+2BFQ-6型免耕直播机等机组为对象,对比测试了4个实际典型田块下不同作业参数、地头转弯策略和调度策略下的算法性能。测试结果表明,规划所得路径对应的油菜播种作业面积覆盖率大于等于95.14%,重播率小于等于2.63%,有效工作路径占比大于等于57.39%,算法耗时小于等于8 003 ms,算法稳定高效,满足油菜联合直播作业对路径规划的...     

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。     

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...     

基于改进避障策略和双优化蚁群算法的机器人路径规划

针对传统蚁群算法在移动机器人路径规划中存在的收敛速度慢、收敛路径质量低、死锁以及动态避障能力差的问题,本文提出基于改进避障策略和双优化蚁群算法（Double optimization ant colony algorithm,DOACO）的路径规划方法。首先,设计新的概率转移函数并对函数中的各分量权重进行自适应调整,以优化算法的收敛速度;然后,利用碰撞检测策略对路径进行再优化,进一步提高算法的性能;最后,针对常规避障策略避障能力差、实时性不足等问题,提出避障行为与局部路径重规划相结合的避障策略。实验结果表明,DOACO算法相对于传统的蚁群算法,不仅能规划出更优的路径,收敛速度也更快,而且新的避障策略也可以有效地应对多种碰撞情况。     

基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法（Dynamic extended neighbourhoods ant colony optimization,DENACO）。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。     

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。     

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。     

基于蚁群算法的六自由度采摘机器人轨迹规划研究

在现代农业生产中,果蔬采摘作业复杂而繁重,采摘机器人在作业过程中常常需要经历成千上万个果蔬采摘点,面对这样巨大的工作量,采摘机器人移动路径规划显得非常重要。为此,以采摘机器人运动轨迹为研究对象,以其运动轨迹总长最短为研究目标,针对机器人各关节机构运动速度变化情况及机器人运动特性,利用基本蚁群原理对六自由度采摘机器人的路径进行规划。实验结果表明:所设计的采摘机器人轨迹优化技术不但路径优化能力强、运动轨迹平滑,还具有可靠性强及稳定性好的优点。