基于人工勢力場和遺傳算法的播種機路徑規(guī)劃設計

馬繼紅

(河南理工大學 萬方科技學院， 鄭州　451400)

?

基于人工勢力場和遺傳算法的播種機路徑規(guī)劃設計

馬繼紅

(河南理工大學 萬方科技學院， 鄭州451400)

摘要：為了提高播種機對復雜地塊的自適應能力，提升播種機的播種精度和播種效率，提出了適合精播機的基于子區(qū)域的折返全區(qū)域覆蓋路徑規(guī)劃方法，并對播種機的排肥器和排種器進行了改進，以適應自動路徑規(guī)劃的需要。為了優(yōu)化基于子區(qū)域的路徑搜索方法，使用人工勢場和遺傳算法對尋優(yōu)方法進行了優(yōu)化，提高了算法的效率。為了測試該方法的有效性和可靠性，將路徑規(guī)劃系統(tǒng)安裝到了播種機械上，通過對播種的測試發(fā)現，該方法實現了復雜地塊播種的全區(qū)域覆蓋，并且可以有效地躲避障礙物。對3種不同的算法進行對比測試發(fā)現：基于遺傳算法的子區(qū)域路徑規(guī)劃模型的尋優(yōu)效果最佳，其覆蓋面積大，轉彎次數少，用時少，最短時間為11.25min，僅為其他算法時間的1/2，路徑劃分效率較高，滿足智能化精密播種機的需求，可以在精密播種機的路徑規(guī)劃系統(tǒng)中使用。

關鍵詞：人工勢力場；精密播種機；遺傳算法；路徑規(guī)劃；覆蓋面積

0引言

隨著人工智能技術和精細農業(yè)技術的不斷發(fā)展，高精度智能化播種機械逐漸被實際應用到農業(yè)生產過程中，有效地提高了勞動生產率，緩解了農業(yè)勞動力的不足。精播機的設計過程中，其路徑規(guī)劃能力是非常重要的，是精密播種機智能化、自動化設計的關鍵。精密播種機要完成耕地、施肥和播種工作，首先要結合實際地塊自主的規(guī)劃出播種路徑，有效地避開障礙物的影響，并對規(guī)劃好的路徑進行追蹤，實現自動化播種功能。規(guī)劃路徑決定了播種機的有效播種覆蓋面積，是智能化播種的設計關鍵，因此對其研究具有重要的現實意義。

1精播機總體設計

精密播種機械中最主要的設計結構是排種器的設計，精播機的總體設計主要包括車體本體結構、控制系統(tǒng)和驅動系統(tǒng)等。控制系統(tǒng)又包括上位機、操作員、編碼器、路由器和 DGPS，如圖1所示。

該播種機結構改變了傳統(tǒng)純機械式的精密播種機設計方法，使用自動化控制的方式對播種機的結構和運動系統(tǒng)進行控制，使播種機面對復雜地塊進行自動化路徑劃分成為可能。排肥量的自動化調節(jié)也是自動化高精度播種機設計的關鍵，本次設計的精密播種機可以根據路徑規(guī)劃后的地塊情況，利用振動板對肥量進行調節(jié)，移動振動調節(jié)板，可以改變排肥孔的數目，實現不同排肥量的調節(jié)。排肥器、排種器設計如圖2和圖3所示。

排種器是保證精密播種的關鍵，因此對于排種器的自動設計更為重要。本次設計依據自動化路徑規(guī)劃原理，采用鏈條式的排種器結構，在完成路徑規(guī)劃后，使用編程控制的方法對鏈條的速度進行控制，使其滿足不同地塊播種的需要，并且播種速度可以根據播種機的行走速度進行調節(jié)，使其最大程度地滿足不同地塊播種的需要。

圖1　整體結構設計框圖

1.排肥凸輪　2.彈簧攪龍　3.排肥軸　4.振動板

圖3　排種器設計

2基于人工勢場和遺傳算法的路徑規(guī)劃

人工勢場路徑規(guī)劃算法主要包括3個部分：一是輸入，包括播種機的初始姿態(tài)qi、目標姿態(tài)qg及障礙物信息；二是輸出，使用位姿序列連接的qi和qg；三是過程，從qi開始計算當前位姿qk的勢力場函數F(qk)，并沿著前進方向時間步長為δk進行迭代計算，一直算到搜索到目標qg后結束，時間步長必須足夠小，從而保證規(guī)劃路徑不會碰到障礙物，其流程如圖4所示。

人工勢場法的路徑規(guī)劃主要過程是搜索目標姿態(tài)的函數，在搜索過程中需要利用子塊劃分方法，避免開障礙物，這就需要借助智能算法來進行自動尋優(yōu)。采用遺傳算法對路徑進行尋優(yōu)的過程如圖5所示。

基本遺傳算法以子塊劃分的所有子塊個體為研究對象，使用選擇、交叉和變異手段進行遺傳操作，使路徑規(guī)劃達到最優(yōu)。在一般的算法中，其優(yōu)化過程實際是求得函數g(x)的最小值；而在遺傳算法尋優(yōu)中，則是求取適應函數的極大值，因此需要采用公式對過程進行轉換。表達式為

(1)

其中，qmax為適應系數，該值可以取q(x)的最大值。qmax是遺傳算法的前一代中q(x)的最大值，在尋優(yōu)過程中，最主要的是變異操作，變異的主要步驟為兩步：①在路徑畫分子塊中，假設子塊的基因座位變異點；②對每一個變異點，以一定的變異概率從對應的路徑劃分子塊的取值范圍內取一隨機數來替代原子塊。

圖4　人工勢場法路徑規(guī)劃流程圖

圖5　基本遺傳算法的路徑尋優(yōu)流程圖

X′=Ukmin+r·(Ukmax-Ukmin)

(2)

其中，r為[0,1]圍內符合均勻分布的一個隨即數。遺傳算法路徑尋優(yōu)的具體過程如下：

1)首先確定存在障礙物的區(qū)域的子區(qū)域的大致范圍，利用編碼長度對其進行編碼；

2)隨機產生n個子區(qū)域，構成初始種群區(qū)域P(0)；

3)對種群中的各個體進行解碼，得到對應的參數值，用此參數值來求代價函數和適應函數；

4)使用遺傳算法的交叉、復制和變異功能對種群進行操作，產生下一代種群；

5)重復步驟3)和4)，直至參數收斂或達到預定的指標。

通過以上步驟，可以完成在有障礙物地塊中，子塊的劃分以及路徑的智能尋優(yōu)過程，將該算法可以封裝到路徑規(guī)劃系統(tǒng)中，使用在播種機的控制系統(tǒng)中。

3精密播種機路徑規(guī)劃性能測試

為了驗證播種機自動路徑規(guī)劃性能的有效性和可靠性，在田間對播種機的播種性能進行了測試，并對比了不同路徑規(guī)劃方法的測試數據。測試項目主要是在有障礙物的復雜地塊，測試使用的播種機械如圖6所示。

圖6　精密播種機測試

在精密播種機上裝有路徑規(guī)劃系統(tǒng)，為了驗證其有效性，選擇有障礙物的復雜地塊進行試驗。首先對遺傳算法的路徑尋優(yōu)進行測試，測試結果如圖7所示。

圖7中，黑色區(qū)域代表障礙物，利用柵格法對整個區(qū)域進行編碼，并使用遺傳算法進行路徑尋優(yōu)，得到了如圖7所示的最優(yōu)路徑，從而驗證了該算法的尋優(yōu)的有效性。

圖7　有障礙物時尋優(yōu)路徑

圖8　含障礙物地塊

為了進一步驗證播種機路徑規(guī)劃的有效性和可靠性(見圖8)，建立了含有障礙物區(qū)域的環(huán)境信息圖，假設地塊中有兩個大矩形障礙物，使用子區(qū)域遺傳算法分割方法得到了如圖9所示的區(qū)域子塊。

圖9中，把含有若干障礙物的區(qū)域劃分成若干單元，每個單元構成一個不含有障礙物的自由區(qū)間；然后過每個障礙物的Ymax、Ymin作平行于區(qū)域主軸X的切線，切線兩端分別與區(qū)域的邊界或其他障礙物相交，使原區(qū)域被劃分層多個不含有障礙物的子區(qū)域，利用柵格對子區(qū)域進行遺傳算法編碼；通過計算，最終得到了如圖10所示的路徑規(guī)劃結果。

圖9　子區(qū)劃分結果

圖10　基于子區(qū)域的覆蓋實驗結果

通過遺傳算法得到了最佳的折返路徑，為了驗證該算法的可靠性，對3種不同的計算方法進行了對比，對比結果如表1所示。

表1　全覆蓋性能表

基于子區(qū)域覆蓋法不僅在轉彎次數上大大減少，而且在路徑重復率和總長度方面也優(yōu)于內螺旋法和全區(qū)域折返方法，對播種時間進行統(tǒng)計計算，得到了如表2所示的計算結果表。

表2　播種時間測試

為了對比不同算法的播種時間，對不同方法的路徑規(guī)劃時間進行了對比，得到了6組播種時間結果。由播種時間測試結果可以看出:使用遺傳算法子區(qū)域覆蓋用時最短，最短時間僅為11.25min，僅為其他算法時間的1/2，路徑劃分效率較高，從而驗證了該算法的可靠性;在精密播種機的路徑規(guī)劃系統(tǒng)中使用，可提高播種機的智能化水平。

4結論

1)依據子區(qū)域全覆蓋路徑搜索方法，設計了一種新的播種機路徑規(guī)劃系統(tǒng)，并使用人工勢場和遺傳算法對算法進行優(yōu)化，提高了算法的計算精度和計算效率，實現了播種區(qū)域的全覆蓋。

2)為了驗證子區(qū)域全覆蓋路徑規(guī)劃方法的有效性和可靠性，將該方法應用到了播種機的路徑規(guī)劃系統(tǒng)中，并對播種機的性能進行了測試。通過測試發(fā)現：該方法可以有效地躲避障礙物，并且可以實現播種區(qū)域的全覆蓋，提高了播種對復雜地塊的自適應能力。通過對不同算法的對比測試發(fā)現：本設計算法可以有效地降低路徑規(guī)劃時間，提高路徑規(guī)劃效率，路徑規(guī)劃效果較好、覆蓋面積大、轉彎次數少、實用性較高，可以在精密播種機的路徑規(guī)劃系統(tǒng)中使用。

參考文獻：

[1]秦國成,秦貴,張艷紅.設施農業(yè)裝備技術現狀及發(fā)展趨勢[J].農機化研究,2012,34(3):81-82.

[2]張寧,廖慶喜.我國小粒徑種子播種技術與裝備的應用與研究進展[J].中國農機化,2012(1):93-96,103.

[3]郝金魁,張西群,齊新,等.工廠化育苗技術現狀與發(fā)展對策[J].江蘇農業(yè)科學,2012,40(1):349-351.

[4]秦國成,秦貴,張艷紅.設施農業(yè)裝備技術現狀及發(fā)展趨勢[J].農機化研究,2012,34(3):81-82.

[5]馮秀軍,楊立東.2BDY-8型2壟密型高速氣吹式精密播種機簡析[J].農業(yè)機械,2007(8):85-86.

[6]王建軍,武秋俊.機器人在農業(yè)中的應用[J].農機化研究,2007(7):174-176.

[7]郝冬,劉斌.基于模糊邏輯行為融合路徑規(guī)劃方法[J].計算機工程設計,2009,30(3):60-63.

[8]王建軍,武秋俊.機器人在農業(yè)中的應用[J].農機化研究,2007(7):174-176.

[9]胡斌,董春旺.氣吸式穴盤精量播種機吸嘴吸附性能的試驗研究[J].石河子大學學報,2009,27(1): 100- 103.

[10]何菊,吳建民.畦作溝灌起壟播種機的研究與設計[D].蘭州:甘肅農業(yè)大學,2007:17-19.

[11]董麗梅.山地播種機的研究與設計[D].蘭州:甘肅農業(yè)大學,2009:19-21.

[12]徐云峰.小型免耕播種機的設計及試驗研究[D].北京:中國農業(yè)大學,2005:22-24.

[13]高煥文,李問盈,李洪文.中國特色保護性耕作技術[J].農業(yè)工程學報,2003,19(3):1-4.

[14]王晉生,王桂英.機械化播種實踐[J].農業(yè)技術與裝備,2009(9):21-22.

[15]劉蘊賢,倪道明,李從華,等.不同施肥方法對水稻生長及稻田周圍水體污染的影響[J].天津農業(yè)科學,2007,13(1):31-34.

[16]吳子岳,高煥文,張晉國.玉米秸稈切斷速度和切斷功耗的試驗研究[J].農業(yè)機械學報,2002,32(2):38-41.

[17]何偉,陳彬,張玲.DSP/BIOS在基于DM642的視頻圖像處理中的應用[J].信息與電子工程,2006,4(1):60-62.

[18]韋艷,陳華根.GPS定位顯示中的坐標轉換[J].海洋繪,2010,30(3):16-19.

[19]郝冬,劉斌.基于模糊邏輯行為融合路徑規(guī)劃方法[J].計算機工程設計,2009,30(3):60-63.

[20]王建軍,武秋俊.機器人在農業(yè)中的應用[J].農機化研究,2007(7):174-176.

[21]王儉,趙鶴鳴,陳衛(wèi)東.基于子區(qū)域的機器人全覆蓋路徑規(guī)劃的環(huán)境建模[J].蘇州科技學院學報：工程技術版,2004,17(1):72-75.

[22]張寧,廖慶喜.我國小粒徑種子播種技術與裝備的應用與研究進展[J].中國農機化,2012(1):93-96,103.

[23]郝金魁,張西群,齊新,等.工廠化育苗技術現狀與發(fā)展對策[J].江蘇農業(yè)科學,2012,40(1):349-351.

[24]羅昕,胡斌,黃力爍.氣吸式穴盤育苗精量播種機的設計與試驗[J].農機化研究,2010，32(11):130-132,140.

[25]夏紅梅,李志偉,甄文斌.氣力板式蔬菜排種器設計與試驗[J].農業(yè)機械學報,2010,41(6):56-60.

Path Planning Design of Seeding Machine Based on Artificial Force Field and Genetic Algorithm

Ma Jihong

(Henan Polytechnic University, Zhengzhou 451400, China)

Abstract：In order to improve the adaptive ability of the planter of complex block, enhance the sowing efficiency of planter seeding accuracy, it put forward suitable for precision seeding machine in sub regional exhumation of full area coverage path planning method based on the seeder row fertilizer.The seed metering device was improved so as to adapt to the need of automatic path planning. In order to optimize the path search method based on sub region, the artificial potential field and genetic algorithm are used to optimize the optimization method, which improves the efficiency of the algorithm.For the validity and reliability of the test method, path planning system is installed in the planting machinery. Through the seeding test, the method realized complex plots sown with the full area coverage and obstacle avoidance. On the three different algorithms for comparison tests,it was found that optimization effect is the best for its large coverage area based on genetic algorithm of sub regional model for path planning, turning times less, fewer, the shortest time only 11.25min, only for 1/2 of the other algorithm, path division of higher efficiency and meet the intelligent demand of precision seeding machine, which can be used in path planning system in precision seeder.

Key words：artificial power field; precision seeding machine; genetic algorithm; path planning; coverage area

文章編號：1003-188X(2016)07-0197-05

中圖分類號：S223.2;TP242

文獻標識碼：A

作者簡介：馬繼紅(1981-)，女，河南濮陽人，講師，碩士，(E-mail)majihong1981@yeah.net。

基金項目：河南省科技廳資助項目(142102310518)；河南省高等學校重點科研項目(15B520008)

收稿日期：2015-07-02