竹林皆伐機路徑規(guī)劃系統(tǒng)設(shè)計及計算機仿真

王慧，崔生樂，楊春梅

竹林皆伐機路徑規(guī)劃系統(tǒng)設(shè)計及計算機仿真

王慧，崔生樂，楊春梅

（東北林業(yè)大學(xué) 機電工程學(xué)院，哈爾濱 150040）

設(shè)計一種中幼竹林皆伐機路徑智能規(guī)劃系統(tǒng)，實現(xiàn)伐竹機伐竹的路徑規(guī)劃功能，使伐竹機可以遍歷需要伐竹的全部節(jié)點并避開障礙。針對中幼竹林皆伐的特點，探討一種迪杰斯特拉及A*混合算法，用于解決伐竹機路徑規(guī)劃中的路徑優(yōu)化問題。通過C語言編程，來建立一種基于改進的迪杰斯特拉及A*混合算法的中幼竹林皆伐機路徑智能規(guī)劃系統(tǒng)仿模型，并使用C++編程，實現(xiàn)系統(tǒng)模型的仿真，并調(diào)用Windows GDI實現(xiàn)仿真結(jié)果的顯示。仿真結(jié)果顯示，采用文中建立的中幼竹林皆伐機路徑規(guī)劃系統(tǒng)進行伐竹機的路徑規(guī)劃，實現(xiàn)了伐竹路徑規(guī)劃的目標(biāo)，且相較直接采伐的路徑，伐竹機伐竹總里程降低了47.6%，節(jié)省了伐竹機伐竹總里程，大大提升了伐竹效率。文中所討論的改進的迪杰斯特拉及A*混合算法可以實現(xiàn)伐竹路徑規(guī)劃的功能，路徑規(guī)劃系統(tǒng)可以求得最優(yōu)伐竹路徑的一個近似解。

中幼竹林；皆伐；路徑優(yōu)化；計算機建模；仿真

竹子是再生植物，具有繁殖能力強、生長周期短、材質(zhì)優(yōu)良等特性[1]。我國是世界上竹類資源最豐富的國家。根據(jù)第九次全國森林清查結(jié)果顯示，中國竹林面積超過600萬hm2，因而，竹材在林業(yè)行業(yè)中占有舉足輕重的地位。隨著環(huán)保意識深入人心，越來越多的國內(nèi)外學(xué)者開始研究竹材包裝替代塑料包裝，來減少白色污染[2-5]。我國竹產(chǎn)業(yè)發(fā)展面臨的問題有：產(chǎn)業(yè)競爭無序、采用人工采伐效率低下、成本較高等。在竹林尤其是毛竹采伐時，采用按照確定的寬度、面積對竹林進行條帶式皆伐，即帶狀采伐，可以提高伐竹機械化水平，實現(xiàn)毛竹等竹制品行業(yè)產(chǎn)業(yè)升級。國內(nèi)外學(xué)者對于伐竹機械化的研究有：于航、傅萬四等[1]設(shè)計了一種以往復(fù)鋸切割方式的叢生竹擇伐機等伐竹機械；楊春梅、張振宇等[2]提出了一種自走式輕型竹材采伐機的設(shè)計方案。李曉曉、王茂安等[5]設(shè)計了一種手持式竹林采伐機。國內(nèi)外學(xué)者的其他研究還有竹材加工當(dāng)中的表面質(zhì)量問題等[6]，為提升伐竹的機械化及自動化水平設(shè)計一種中幼竹林寬幅伐竹機智能路徑規(guī)劃系統(tǒng)，實現(xiàn)伐竹機的路徑規(guī)劃對提升伐竹機伐竹效率、實現(xiàn)竹制品行業(yè)產(chǎn)業(yè)升級有重要作用，因此，文中探究一種用于伐竹的路徑優(yōu)化算法，設(shè)計一種基于該算法的中幼竹林寬幅皆伐機的路徑智能規(guī)劃系統(tǒng)，利用計算機實現(xiàn)該系統(tǒng)的計算機建模與仿真。

1 竹林皆伐方式

在我國，典型的天然黃竹林中黃竹叢叢徑為2～3 m，黃竹叢間距為7～10 m。每叢20～30桿。黃竹林內(nèi)，往往混生有少量的熱帶季雨林以及季雨林的喬木類樹種[7-9]。

竹林皆伐是指將竹林伐區(qū)內(nèi)的成熟竹材，在一定時間內(nèi)一次性伐光或幾乎全部伐光的方式。皆伐分為全面皆伐、塊狀皆伐以及帶狀皆伐種。塊狀皆伐指，將伐區(qū)分為若干塊較小的伐區(qū)，只采伐或者間隔采伐其中的一部分地塊的方式。帶狀皆伐是指，對竹林上的竹材，保留一帶，伐倒一帶的伐竹方式[10]。從皆伐后竹林生長情況看，帶狀皆伐2年后竹林生長最好，塊狀次之，全面皆伐最差，并且，最有利于竹林生長的最大皆伐分塊大小為16 m×16 m[11-13]。從竹林生長恢復(fù)的角度考慮，帶狀皆伐最為有利，然而，帶狀皆伐使得伐竹過程行走路徑較大，不利于提升伐竹效率，并且如果采用帶狀皆伐，竹林保留帶內(nèi)的竹材被視作障礙物，也不利于路徑智能規(guī)劃系統(tǒng)的規(guī)劃及尋找最優(yōu)路徑。因而，文中所研究的中幼竹林寬幅皆伐機的智能路徑規(guī)劃系統(tǒng)采用的伐竹方式為塊狀皆伐，皆伐目標(biāo)區(qū)域為16～24 m。竹林皆伐路徑規(guī)劃的約束條件：除邊界信息，起始點坐標(biāo)外，其余地圖信息未知，伐竹機探測器一次只能探測3～5 m內(nèi)的情況，白色區(qū)域可以自由移動，紅色區(qū)域不可以動。竹林皆伐路徑規(guī)劃的目標(biāo)：伐竹機路徑由規(guī)定的起點最終到達規(guī)定終點；伐竹機需遍歷綠色區(qū)域，即砍伐地圖區(qū)域內(nèi)的全部竹材實現(xiàn)皆伐；伐竹機路徑規(guī)劃應(yīng)盡可能短，以提升皆伐效率。

2 實現(xiàn)竹林皆伐路徑規(guī)劃的算法探究

路徑優(yōu)化算法是解決路徑規(guī)劃問題的核心。常見的路徑優(yōu)化的算法有A*算法、混合粒子群算法[14-15]、懲罰函數(shù)法[16]、迪杰斯特拉算法、蟻群算法[17]、仿生自然水系算法等[18]。

2.1 A*算法

A*算法是一種啟發(fā)式算法，該算法引入了最優(yōu)啟發(fā)式函數(shù)，通過計算和比對當(dāng)前節(jié)點的周邊節(jié)點的啟發(fā)式函數(shù)值，從而確定移動的下一個節(jié)點。當(dāng)移動到下一節(jié)點后，將此節(jié)點重新作為當(dāng)前節(jié)點，重復(fù)上一步驟，從而實現(xiàn)AGV機器人的不斷前進，直至到達目標(biāo)節(jié)點。A*算法簡單示意見圖1。

圖1 A*算法示意

A*算法的啟發(fā)式函數(shù)式為：

f()=g()+ h()

A*算法的優(yōu)點：作為啟發(fā)式算法，允許機器人邊探路邊規(guī)劃路徑；可以實現(xiàn)自動避障。

A*算法的缺點：只能實現(xiàn)起到終點的路徑規(guī)劃，不能夠?qū)崿F(xiàn)地圖目標(biāo)節(jié)點的遍歷；用A*算法規(guī)劃路徑不一定路徑最優(yōu)；A*算法計算量大，規(guī)劃效率低。

2.2 迪杰斯特拉算法

Dijkstra算法即迪杰斯特拉算法是由荷蘭科學(xué)家狄克斯提出了一種遍歷算法。該算法將帶權(quán)的地圖中的節(jié)點分為2個集合，分別為和其中，集合包含已經(jīng)找到最短路徑的節(jié)點，集合中存放沒找到最短路徑的節(jié)點。Dijkstra是將集合中的點，按照最短路徑逐漸遞增的順序，逐個將集合中的節(jié)點加入到集合當(dāng)中，直到全部的點加入集合，從而實現(xiàn)地圖目標(biāo)節(jié)點最短路徑遍歷的目標(biāo)[20]。

迪杰斯特拉算法優(yōu)點：可以實現(xiàn)地圖目標(biāo)節(jié)點的遍歷。

迪杰斯特拉算法缺點：迪杰斯特拉算法雖然可以實現(xiàn)目標(biāo)節(jié)點測遍歷，但該算法在路徑規(guī)劃時，要求機器人已完全知曉地圖全局信息，因而不適合機器人在陌生地圖中，邊探知地圖信息邊規(guī)劃路徑的情形。

2.3 改進的迪杰斯特拉及A*混合算法

由文中2.1節(jié)知，A*算法作為啟發(fā)式算法，只能實現(xiàn)起始點到目標(biāo)節(jié)點的路徑規(guī)劃，無法實現(xiàn)目標(biāo)節(jié)點遍歷，且計算量大，規(guī)劃效率低。由文中2.2節(jié)知，迪杰斯特拉算法雖然能夠?qū)崿F(xiàn)目標(biāo)節(jié)點遍歷，但迪杰斯特拉算法要求地圖已知，不適合探索式路徑規(guī)劃，因此文中針對竹林皆伐路徑規(guī)劃的特點，提出一種改進的迪杰斯特拉及A*混合算法，以實現(xiàn)竹林皆伐的路徑規(guī)劃。

改進的迪杰斯特拉及A*混合算法由如下步驟組成。

為深化醫(yī)藥衛(wèi)生體制改革，強化醫(yī)院的公益性質(zhì)，我院依托精細化管理手段，建立了以總額預(yù)算管理為基礎(chǔ)，兼顧質(zhì)量與效益的內(nèi)部績效考核體系。根據(jù)現(xiàn)代醫(yī)院發(fā)展特點，特別強化了針對病種管理的系列管理指標(biāo)，綜合考慮質(zhì)量、成本、服務(wù)水平和工作效率等因素，充分體現(xiàn)多勞多得、優(yōu)績優(yōu)酬的分配原則。通過動態(tài)可調(diào)的績效分配方案與矩陣式量化模型，使績效考核體系可作用于過程管理與持續(xù)改進，不斷提升醫(yī)院的業(yè)績、效率與效果。激發(fā)醫(yī)務(wù)人員積極性，提供優(yōu)質(zhì)高效服務(wù)，并減少醫(yī)療資源浪費，減少政府醫(yī)?；鹋c患者個人負擔(dān)，充分體現(xiàn)醫(yī)院的公益性。

1）由于伐竹機探測器范圍為3～5 m，因此該算法第1步根據(jù)竹林地圖大小進行分塊，分塊大小最大為5 m×5 m。

2）讀取分塊內(nèi)目標(biāo)節(jié)點（地圖綠色區(qū)域）坐標(biāo)數(shù)據(jù)，并根據(jù)下一分塊方位選擇終點，如果終點不再下一分塊邊界處，則將下一分塊邊界處靠近此點的最近點作為終點。

3）主要對當(dāng)前分塊內(nèi)各個目標(biāo)節(jié)點排序，以確定從起始點遍歷各目標(biāo)節(jié)點最終到達分塊內(nèi)終點的遍歷順序，并確保路徑最優(yōu)。

4）根據(jù)第3步確定的順序規(guī)劃節(jié)點遍歷具體路徑并合理避開障礙。

5）到達下一分塊內(nèi)的邊界處，掃描下一分塊數(shù)據(jù)并重復(fù)第1步直到伐竹機到達竹林地圖的終點完成本區(qū)塊的伐竹作業(yè)。

該算法第3步融合了A*算法和迪杰斯特拉算法的特點，是該算法的核心部分。算法第3步實現(xiàn)方法如下。

類似于迪杰斯特拉算法，改進的迪杰斯特拉及A*算法也是將遍歷節(jié)點分成和2個集合，并逐步地將中的點加入到當(dāng)中。類似于A*算法，該算法賦予當(dāng)中的點以啟發(fā)函數(shù)，通過判斷啟發(fā)函數(shù)的數(shù)值，將數(shù)值較大的放入中。

改進的迪杰斯特拉及A*混合算法啟發(fā)函數(shù)為：

f() = 200+h()+m()?g()

g()為目標(biāo)節(jié)點到當(dāng)前節(jié)點的距離?？紤]該算法第2步，確定了分塊內(nèi)的起點和終點，顯然，算法第3步確定的遍歷順序應(yīng)該滿足從起點先逐漸遍歷離終點較遠的點，再逐步靠近終點的原則，從而有利于縮短伐竹遍歷的總路徑，因此該算法引入了h()、m() 2個遠端優(yōu)先加權(quán)數(shù)。當(dāng)分塊內(nèi)的目標(biāo)節(jié)點在當(dāng)前目標(biāo)節(jié)點2 m內(nèi)時，m()值為0，h()按照分塊內(nèi)的總體移動方向，為分塊內(nèi)目標(biāo)節(jié)點到分塊終點的縱向或橫向距離乘以遠端系數(shù)1。同理當(dāng)分塊內(nèi)的目標(biāo)節(jié)點在當(dāng)前目標(biāo)節(jié)點2 m外時，h()值為0，m(𝑛)按照分塊內(nèi)的總體移動方向，為分塊內(nèi)目標(biāo)節(jié)點到分塊終點的縱向或橫向距離乘以遠端系數(shù)2，且1>2。取1>2是為了選擇加入的下一節(jié)點是按照逐步朝向離分塊最遠點，且不遺漏離當(dāng)前節(jié)點較近的節(jié)點。當(dāng)?shù)辖芩固乩癆*混合算法將中目標(biāo)節(jié)點中f()值最大的節(jié)點加入后，就將新加入的節(jié)點作為新的當(dāng)前節(jié)點，重新計算其余中目標(biāo)節(jié)點的f()值，并重新判定，直到將中全部節(jié)點及終點納入中。

如上所述，改進的迪杰斯特拉及A*混合算法，同時具有2種算法的特點。與迪杰斯特拉算法相同的是，該算法將目標(biāo)節(jié)點分為和2個集合，并通過將中的節(jié)點逐步添加入的方式，實現(xiàn)區(qū)域內(nèi)節(jié)點的遍歷。與A*算法相似且區(qū)別于迪杰斯特拉算法的是，每當(dāng)中的一個節(jié)點加入后，都需要將新加入的節(jié)點作為當(dāng)前節(jié)點，重新計算中的剩余節(jié)點的函數(shù)權(quán)重值，并重新排序，因而改進的迪杰斯特拉及A*混合算法相比于迪杰斯特拉算法，其權(quán)重函數(shù)值是動態(tài)的，且由于遠近端系數(shù)的引入，使得該算法可以實現(xiàn)定終點路徑規(guī)劃的功能。

3 中幼竹林寬幅皆伐機路徑智能規(guī)劃系統(tǒng)的計算機建模仿真

3.1 仿真方法選擇

文中采用C/C++進行混合編程，具體是：在Dev-C++5.11環(huán)境下用C語言實現(xiàn)文中所述伐竹機路徑規(guī)劃系統(tǒng)的建模、實現(xiàn)核心算法即迪杰斯特拉及A*混合算法并進行基本測試；在Visual Studio 2017環(huán)境下用C++語言編程，建立簡單的窗口程序，作為文中所建立的伐竹機路徑規(guī)劃系統(tǒng)的運行環(huán)境進行仿真，并調(diào)用Windows GDI將仿真結(jié)果顯示在窗口程序當(dāng)中。

3.2 地圖模型及數(shù)據(jù)

如圖2所述，地圖模型為矩形，矩形被分割成邊長相同的正方形，每個正方形邊長視為實際竹林當(dāng)中的1 m，竹林當(dāng)邊界處中不足1 m的區(qū)域近似為一個方格。白色方各表示表示該小格可以移動。紅色表

示該小格中心點為原點，半徑0.5 m范圍內(nèi)有障礙物，若障礙物半徑大于0.5 m將占據(jù)更多的小格。綠色表示表示該小格中心點為原點，半徑0.5 m范圍內(nèi)有竹材，若竹材半徑大于0.5 m將占據(jù)更多的小格，數(shù)值為3的小格即為路徑規(guī)劃需要遍歷的目標(biāo)節(jié)點。

如圖3所示，伐竹機路徑規(guī)劃系統(tǒng)模型采用二維數(shù)組來存放地圖數(shù)據(jù)，并用多個結(jié)構(gòu)體來進行數(shù)據(jù)讀取。其中，二維數(shù)組下標(biāo)表示地圖小格坐標(biāo)點。地圖二維數(shù)組的數(shù)值可以為1、2、3。數(shù)值1與地圖中的紅色小格對應(yīng)。數(shù)值2與地圖中白色小格對應(yīng)，數(shù)值3與地圖中綠色小格對應(yīng)。

圖2 地圖模型

圖3 地圖數(shù)據(jù)

3.3 改進的迪杰斯特拉及A*混合算法程序

1）分塊數(shù)據(jù)采集。伐竹機路徑規(guī)劃系統(tǒng)讀取分塊內(nèi)數(shù)據(jù)采集的代碼見圖4，每次采集的地圖數(shù)據(jù)限定在以當(dāng)前節(jié)點為中心，最遠5個方格的數(shù)據(jù)，以模擬伐竹機探測器探測距離的限制。

2）算法第2步是改進迪杰斯特拉及A*混合算法的算法核心。如圖5，通過引入新的啟發(fā)函數(shù)，來實現(xiàn)分塊內(nèi)目標(biāo)節(jié)點的排序。為了保證分塊內(nèi)節(jié)點排序按照從起點逐步移動到距離分塊內(nèi)終點最遠點在逐步靠近終點的順序，改進的迪杰斯特拉及A*混合算法要求系數(shù)1>2。經(jīng)過多次測試，取系數(shù)1=15，2=5可以滿足要求。

3）節(jié)點移動并避開障礙。路徑規(guī)劃系統(tǒng)規(guī)劃節(jié)點間具體路徑時，避開橫向障礙的實現(xiàn)代碼見圖6。

3.4 Windows 窗口程序和GDI調(diào)用代碼

在Windows窗口程序主函數(shù)中，用圖7中所示代碼運行文中建立的伐竹機路徑規(guī)劃系統(tǒng)模型的函數(shù)。如圖8所示，文中用me_Init、me_Paint函數(shù)進行Windows GDI調(diào)用的初始化準(zhǔn)備工作并進行初始化顯示。

圖4 分塊數(shù)據(jù)采集

圖5 算法第3步算法核心

圖6 橫向避開障礙物代碼

圖7 調(diào)用伐竹機路徑規(guī)劃系統(tǒng)函數(shù)

最后文中將建立并測試完畢的伐竹機路徑規(guī)劃系統(tǒng)模型的代碼拷貝入圖9所示me_RePaint函數(shù)中進行仿真運行，用圖9中所示me_RePaint函數(shù)中的代碼將仿真結(jié)果顯示在窗口函數(shù)中。

3.5 仿真結(jié)果及對比

文中建立的中幼竹林寬幅皆伐機路徑智能規(guī)劃系統(tǒng)模型的路徑規(guī)劃仿真結(jié)果，見圖10。其中，粉色線條代表了伐竹機從左下角起點運動到右上角終點的運動軌跡。如圖10可知，文中建立的伐竹機路徑規(guī)劃系統(tǒng)成功地規(guī)劃出滿足第3.1節(jié)要求的路徑。不采用路徑規(guī)劃算法時，伐竹機的伐竹路徑仿真結(jié)果見圖11。從仿真結(jié)果圖來看，采用文中提出的算法進行路徑優(yōu)化后伐竹機伐竹總移動距離應(yīng)有較大降幅。

如圖12所示，左側(cè)是采用中幼竹林寬幅皆伐機路徑智能規(guī)劃系統(tǒng)即使用文中提出的改進的迪杰斯特拉及A*混合算法進行路徑規(guī)劃的伐竹機路徑仿真結(jié)果數(shù)據(jù)，右側(cè)是不采用路徑規(guī)劃算法的伐竹機路徑仿真結(jié)果數(shù)據(jù)。數(shù)據(jù)包含伐竹機移動的總距離、伐竹數(shù)量以及伐竹機移動的主要節(jié)點的坐標(biāo)。

圖8 GDI調(diào)用初始化及初始化顯示

圖9 仿真結(jié)果顯示代碼

圖10 中幼竹林寬幅皆伐機路徑智能規(guī)劃系統(tǒng)模型仿真結(jié)果

圖11 不采用路徑規(guī)規(guī)劃算法的仿真結(jié)果

由于文中建立的中幼竹林寬幅皆伐機路徑只能規(guī)劃系統(tǒng)在按照探測距離進行分塊后的每個地圖分塊內(nèi)分別進行的路徑規(guī)劃，因此，將伐竹機移動路徑距離按照分塊進行統(tǒng)計，結(jié)果見圖13。顯然，采用文中提出的算法進行路徑優(yōu)化后，在每個分塊內(nèi)，伐竹機移動路徑都比不采用算法優(yōu)化時伐竹機移動路徑小，最終使得伐竹機總移動路徑減小。

從仿真結(jié)果看，采用文中提出的路基優(yōu)化算法進行優(yōu)化，伐竹機總移動距離為192.5 m，伐竹機總伐竹數(shù)為100，實際值為97。這是由于分塊內(nèi)終點不在分塊邊界時，為了探測下一個分塊內(nèi)信息，伐竹機將移動到分塊邊界處，此時，邊界上的新終點被記錄為目標(biāo)節(jié)點造成的。不采用算法進行優(yōu)化時，伐竹機總移動距離為367.2 m，伐竹總數(shù)為97。對比數(shù)據(jù)發(fā)現(xiàn)，采用文中設(shè)計的伐竹機路徑規(guī)劃系統(tǒng)進行路徑規(guī)劃后，伐竹機總移動距離下降了47.6%，伐竹效率有明顯提升。

圖12 仿真數(shù)據(jù)

圖13 分塊內(nèi)移動路徑統(tǒng)計

4 展望

文中建立的中幼竹林寬幅皆伐伐竹機路徑智能規(guī)劃系統(tǒng)，規(guī)劃路徑時，若分塊內(nèi)終點不在分塊邊界，為了探測下一個分塊內(nèi)信息，伐竹機將移動到分塊邊界處，此時，邊界上的新終點被記錄為目標(biāo)節(jié)點，最終導(dǎo)致伐竹機記錄的伐竹總數(shù)有所偏差。為了滿足伐竹機探測器探測距離最大為5 m的要求，文中所述改進的迪杰斯特拉及A*混合算法實現(xiàn)了分塊內(nèi)的節(jié)點遍歷順序優(yōu)化。分塊邊界移動至下一分塊邊界的過程沒有進行核心算法的優(yōu)化，因而，分塊邊界處的路徑可能不是最優(yōu)路徑。由于仿真次數(shù)的限制，文中所述改進的迪杰斯特拉及A*混合算法的算法核心所引入的遠端系數(shù)1、2可能不是最優(yōu)值，從而使得路徑優(yōu)化結(jié)構(gòu)不是最優(yōu)解。期望這些問題能夠在今后的研究中得以解決，從而設(shè)計出更好的路徑規(guī)劃系統(tǒng)。

5 結(jié)語

通過仿真結(jié)果可知，文中建立的中幼竹林寬幅皆伐伐竹機路徑智能規(guī)劃系統(tǒng)在第3.1節(jié)所確定的約束條件內(nèi)，可以實現(xiàn)伐竹路徑規(guī)劃的功能。采用文中提出的迪杰斯特拉及A*混合算法作為伐竹機路徑規(guī)劃系統(tǒng)的路徑優(yōu)化算法是可行的，且此算法實現(xiàn)了伐竹機遍歷全部目標(biāo)節(jié)點、避開障礙物以及路徑優(yōu)化的功能。通過仿真結(jié)果對比，采用文中建立的中幼竹林皆伐機路徑規(guī)劃系統(tǒng)進行伐竹機的路徑規(guī)劃，可以實現(xiàn)預(yù)期目標(biāo)，相較于直接采伐，伐竹機伐竹總里程降低了47.6%，節(jié)省了伐竹機伐竹總里程，大大提升了伐竹效率。

[1] 于航, 傅萬四, 張長青, 等. 基于往復(fù)鋸方式的叢生竹擇伐機設(shè)計[J]. 林業(yè)機械與木工設(shè)備, 2019, 47(4): 11-14.

YU Hang, FU Wan-si, ZHANG Chang-qing, et al. Design of Cluster Bamboo Selective Cutting Machines Based on Reciprocating Saws[J]. Forestry Machinery & Woodworking Equipment, 2019, 47(4): 11-14.

[2] 楊春梅, 張振宇, 馬巖. 自走式輕型竹材采伐機的設(shè)計與分析[J]. 林產(chǎn)工業(yè), 2019, 46(6): 23-28.

YANG Chun-mei, ZHANG Zhen-yu, MA Yan. Design and Analysis of Self-Propelled Light Type Bamboo Cutting Machine[J]. China Forest Products Industry, 2019, 46(6): 23-28.

[3] 時迪, 王逢瑚, 于文吉. 重組竹材在現(xiàn)代家具設(shè)計中的應(yīng)用研究[J]. 包裝工程, 2013, 34(8): 62-66.

SHI Di, WANG Feng-hu, YU Wen-ji. The Study on the Application of Recombinant Bamboo in Modern Furniture Design[J]. Packaging Engineering, 2013, 34(8): 62-66.

[4] 戴武軍, 譚益民. 以竹代塑新產(chǎn)品竹微絲復(fù)合包裝材料的制備及其性能[J]. 世界竹藤通訊, 2020, 18(6): 21-24.

DAI Wu-jun, TAN Yi-min. Preparation and Properties of Bamboo Microfilament Composite Packaging Material for Replacing Plastic[J]. World Bamboo and Rattan, 2020, 18(6): 21-24.

[5] 李曉曉, 王茂安, 楊濤, 等. 手持式竹林采伐機設(shè)計[J]. 成都大學(xué)學(xué)報(自然科學(xué)版), 2020, 39(2): 199-203.

LI Xiao-xiao, WANG Mao-an, YANG Tao, et al. Design of Hand-Held Bamboo Cutting Machine[J]. Journal of Chengdu University, 2020, 39(2): 199-203.

[6] HAI L, CHOI E S, ZHAI L, et al. Green Nanocomposite Made with Chitin and Bamboo Nanofibers and Its Mechanical, Thermal and Biodegradable Properties for Food Packaging[J]. International Journal of Biological Macromolecules, 2020, 144: 491-499.

[7] LVHA B, ESC A, LZ A, et al. Green Nanocomposite Made with Chitin and Bamboo Nanofibers and Its Mechanical, Thermal and Biodegradable Properties for Food Packaging Science Direct[J]. International Journal of Biological Macromolecules, 2020, 144: 491-499.

[8] YLA B, JZA B, WF A, et al. Study on the Effect of Cutting Parameters on Bamboo Surface Quality Using Response Surface Methodology[J]. Measurement, 2021, 174: 109002

[9] CHEN Z, LI Y, CHANG S X, et al. Linking Enhanced Soil Nitrogen Mineralization to Increased Fungal Decomposition Capacity with Moso Bamboo Invasion of Broadleaf Forests[J]. The Science of the Total Environment, 2021, 771: 144779.

[10] 明曙東, 粟星宏, 顧揚傳, 等. 毛竹天然混交林空間結(jié)構(gòu)特征研究[J]. 世界竹藤通訊, 2016, 14(5): 1-6.

MING Shu-dong, SU Xing-hong, GU Yang-chuan, et al. Study on Spatial Structure of Natural Moso Bamboo Mixed Forest[J]. World Bamboo and Rattan, 2016, 14(5): 1-6.

[11] LIU Xiao-jie, HU Xia. Discussion on the Effect of the New Cutting Mode of Neosinocalamus Affinis Forest in Sichuan Area on Bamboo Forest Construction[J]. {IOP} Conference Series: Earth and Environmental Science, 2018, 170: 022128.

[12] RAY S S, ALI M N. Factors Affecting Macropropagation of Bamboo with Special Reference to Culm Cuttings: a Review Update[J]. New Zealand Journal of Forestry Science, 2017, 47(1): 1-8.

[13] 譚宏超, 李正權(quán), 譚汝強. 皆伐對細葉龍竹林分生長的影響研究[J]. 世界竹藤通訊, 2017, 15(5): 20-23.

TAN Hong-chao, LI Zheng-quan, TAN Ru-qiang. Effect of Dendrocalamus Membranaceus Cv. Grandis Forest Clear-Cutting on Stand Growth[J]. World Bamboo and Rattan, 2017, 15(5): 20-23.

[14] 申景昕, 范少輝, 劉廣路, 等. 毛竹林采伐林窗近地層溫度時空分布特征[J]. 生態(tài)學(xué)雜志, 2020 39(11): 3549-3557.

SHEN Jing-xin, FAN Shao-hui, LIU Guang-lu, et al. Spatiotemporal Distribution Characteristics of Temperature on the Surface Layer of Cutting Gap of Phyllostachys Edulis Forest[J]. Chinese Journal of Ecology, 2020, 39(11): 3549-3557.

[15] 楊紅果, 谷利芬. 基于混合粒子群算法的農(nóng)業(yè)機器人全局路徑規(guī)劃研究[J]. 農(nóng)機化研究, 2021, 43(10): 33-36.

YANG Hong-guo, GU LI-fen. Research on Global Path Planning of Agricultural Robot Based on Hybrid Particle Swarm Optimization[J]. Journal of Agricultural Mechanization Research, 2021, 43(10): 33-36.

[16] HE Wen-jian, QI Xiao-gang, LIU Li-fang. A Novel Hybrid Particle Swarm Optimization for Multi-UAV Cooperate Path Planning[J]. Applied Intelligence, 2021, 51(10): 7350-7364.

[17] 李清亮, 李彬, 孫國皓, 等. 基于精確罰函數(shù)的無人艇航跡規(guī)劃和自動避障算法[J]. 中國艦船研究, 2021(1): 89-95.

LI Qing-liang, LI Bin, SUN Guo-hao, et al. Trajectory Planning and Automatic Obstacle Avoidance Algorithm for Unmanned Surface Vehicle Based on Exact Penalty Function[J]. Chinese Journal of Ship Research, 2021(1): 89-95.

[18] NISHA R, RAJENDER C S. Optimization of Favourable Test Path Sequences Using Bio-Inspired Natural River System Algorithm[J]. Journal of Information Technology Research (JITR), 2021, 14(2): 85-105.

[19] 王保劍, 胡大裟, 蔣玉明. 改進A^(*)算法在路徑規(guī)劃中的應(yīng)用[J]. 計算機工程與應(yīng)用, 2021, 57(12): 1-6.

WANG Bao-jian, HU Da-sha, JIANG Yu-ming, et al. Application of Improved A* Algorithm in Path Planning[J]. Computer Engineering and Applications, 2021, 57(12): 1-6.

[20] LU Li, GAO Jia-wei. Research on Aircraft Taxiing Path Optimization Based on Digraph Model and Dijkstra Algorithm[J]. IOP Conference Series: Materials Science and Engineering, 2021, 1043(4): 042045.

Design and Computer Simulation of Path Planning System for Bamboo Clearing Machine

WANG Hui, CUI Sheng-le, YANG Chun-mei

(College of Mechanical and Electrical Engineering, Northeast Forestry University, Harbin 150040, China)

The work aims to design an intelligent path planning system for young and middle-aged bamboo clearing machines, achieve the cutting path planning of bamboo clearing machines to cover all nodes requiring cutting and avoid barrier. Aiming at the characteristics of clearing of young and middle-aged bamboo forests, a Dijkstra and A* hybrid algorithm was discussed to solve the path optimization problem in path planning of the bamboo cutting machines. Through C language programming, an imitation model for the path planning system of the young and middle-aged bamboo clearing machine was established based on the improved Dijkstra and A* hybrid algorithm, and C++ programming was used to realize the simulation of the system model and call Windows GDI to realize the display of simulation results. The simulation results showed that using the path planning system of the young and middle-aged bamboo clearing machine established in this paper for path planning of the bamboo cutting machine can achieve the goal of the cutting path planning. Compared with the direct cutting path, the total mileage of the bamboo cutting machine was reduced. It saved 47.6% of the total bamboo cutting mileage of the bamboo cutting machine and greatly improved the bamboo cutting efficiency. The improved Dijkstra and A* hybrid algorithm discussed in this paper can realize the function of bamboo cutting path planning, and the path planning system can obtain an approximate solution of the optimal bamboo cutting path.

young and middle-agedbamboo forest; clearing; path optimization; computer modeling; simulation

TP27

A

1001-3563(2022)03-0217-11

10.19554/j.cnki.1001-3563.2022.03.027

廣東省重大專項研發(fā)計劃（2020B020216001）；中央高?；究蒲袠I(yè)務(wù)費專項資金項目（2572020DR12）

王慧（1965—），女，東北林業(yè)大學(xué)副教授，主要研究方向為木工機械。

楊春梅（1977—），女，博士，東北林業(yè)大學(xué)教授，主要研究方向為林業(yè)與木工機械。

2021-07-07