共查询到20条相似文献，搜索用时 46 毫秒
1.
为向多台农业机械协同作业应用场景提供地图和导航服务支持,设计并开发了基于WebGIS的农机多机协同导航服务平台,该平台由GIS服务和农机调度2个功能模块组成。GIS模块基于GeoServer和JavaWeb提供网页端地图服务,在显示农场地图、实时标注农机位置的同时,也提供多农机导航结果的可视化显示功能;农机调度模块以路径规划算法和任务分配算法为核心,负责提供导航服务,在用户输入任务列表并调用服务的情况下,以GeoJSON格式返回各农机的任务分配以及路径规划结果。此外,为了筛选出满足平台需求且性能最优的算法,针对路径规划算法设计了算法性能对比实验,在导航距离近、中、远的3条路径上分别测试了基于A*、Bellman-Ford、Dijkstra、Floyd和SPFA 5种算法的路径规划算法,并对不同算法的执行时间和最优路径长度进行了对比;针对任务分配算法设计了不同任务数量场景下的仿真对比实验,在任务数量为8、10、14、18的场景下分别测试了基于蚁群算法和遗传算法的任务分配算法,并对两者的执行速度和最优路径长度进行了对比。结果表明：基于Dijkstra算法的路径规划算法在结果最优的前提下执行速度最快,平均单次执行时间为0.25ms。基于遗传算法的任务分配算法可以有效降低多机协同的路径代价,相较于随机生成的工作序列,路径代价减少50%~54%;相较于基于蚁群算法的任务分配算法,农机最佳路径长度减少19%~36%,执行时间减少51%~66%,平均执行时间在1s以内。开发的多机协同导航服务平台通过使用Dijkstra算法和遗传算法分别进行路径规划和任务分配,能够基本满足多机协同作业的实时性需求。 相似文献
2.
基于多变异分组遗传算法的多机协同作业静态任务分配 总被引：2，自引：0，他引：2
为解决农业机械（简称农机）多机协同作业前的任务分配问题,提出了基于多变异分组遗传算法的同种农机多机协同作业静态任务分配方法。首先,根据农机合作社实际作业模式,基于农机性能参数和任务参数,综合考虑机群的作业时间、作业油耗和路程代价等因素,建立了多机协同代价函数;根据多机协同作业特点,构建了多变异分组遗传算法,设计了两段式编码、分组交叉算子和多种变异算子,并建立了农机多机协同作业静态任务分配模型;通过仿真试验对比分析了算法的性能,并采用不同的代价权重进行了任务分配仿真试验;最后,采用不同的权重对实际深松作业进行任务分配试验,对本文提出算法进行了验证。结果表明：在不同权重下,基于多变异分组遗传算法的多机协同静态任务分配的机群代价比实际作业代价降低了29.48%~55.00%,选取合理权重的静态任务分配具有较高的分配效率和分配性能,能够满足实际多机协同作业中任务分配的要求。 相似文献
3.
《农业装备与车辆工程》2018,(11)
导弹发射的规划问题是作战任务分配时首要考虑的问题。结合常规导弹发射中的实际情况和任务分配的特点,综合考虑了作战目的、任务协同等约束条件下,采用了线性规划和蚁群算法的思想,建立了作战任务分配模型。在传统蚁群算法的基础上,设计了基于任务能力评估的子群协调沟通和基于任务代价的状态转移规则,提出了通过线性规划原则求解蚁群任务分配问题的蚁群算法思想。通过仿真验证了模型的正确性,仿真结果表明,该方法能够有效解决常规导弹作战任务分配的问题。 相似文献
4.
田间任务分配是多农机协同工作分配中的核心问题,在农忙时期,需要多种农业机械配合完成多项田间作业任务。为了提高田间农业机械工作效率及协同管理,在充分考虑供需匹配、农机作业能力、作业周期和路径成本的基础上,提出了基于蚁群算法下多机任务协同分配模型,并以农作物收获试验为例,通过MatLab对改进蚁群算法的多台农机协作的动态和静态任务分配进行了仿真分析。研究结果表明：当任务数量设置为11时,谷物联合收获机和农业运输机械的成本分别降低了50%和22%,表明改进的蚁群算法可以有效降低路径成本;当任务数量设置为5、11、16、22时,农业机械平均运行周期分别缩短了65%、38%、56%、56%,可以避免田间部分农机超载和其他农机闲置等问题,缩短了农业机械作业周期。研究结果可为解决复杂农田作业时多农机协同调度管理问题提供技术参考与应用依据。 相似文献
5.
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。 相似文献
6.
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。 相似文献
7.
为了提高穴盘苗补苗自动移栽机的工作效率,需要对补苗自动移栽路径进行规划优化。本文构造了穴苗位置坐标与穴苗序号之间的映射关系公式,并基于欧式距离模型建立了移栽路径长度的目标函数。对于补苗自动移栽路径规划问题,采用遗传算法对目标函数进行求解。通过采取基于空穴孔数量染色体编码机制和最优染色体保存策略,提出了一个求解移栽路径规划优化的算法模型,并通过仿真试验对算法的有效性和效率进行了验证。结果表明,该算法与蚁群算法、标准遗传算法相比较,缩短了运算时间且可以获得最优的路径。 相似文献
8.
基于蚁群算法与参数迁移的机器人三维路径规划方法 总被引：1，自引：0，他引：1
为解决机器人进行三维路径规划时路径规划效率受算法影响较大的问题,以最短距离为目的,提出了一种基于蚁群算法参数迁移的机器人三维路径规划方法。在使用栅格法建立的机器人三维环境模型中,使用蚁群算法寻找最短路径。针对蚁群算法的参数选择问题,使用参数迁移算法得到最优参数。将已知的环境模型和其对应的蚁群最优参数作为源任务,将源任务映射到高维空间,通过迁移参数连接不同源任务,根据图论的知识建立参数迁移图,将参数迁移图扩展,使其包含目标任务,为随机未知环境模型分配一组蚁群最优参数。仿真实验表明,基于参数迁移的蚁群算法可以快速有效地完成机器人三维路径规划。相比传统的参数选择方法和其他智能优化方法,蚁群参数迁移算法可以大幅减少路径规划所需时间,提高了路径规划效率。 相似文献
9.
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。 相似文献
10.
推进蔬菜机械化与无人化种植能够保障优良的蔬菜规模化种植技术效益,有力保证蔬菜质量与品质,有利于蔬菜规模化生产种植技术产业体系的发展。利用无人拖拉机作业GPS定位点集将实际农业作业区域转化为规则矩形,在此基础上建立以无人拖拉机总转弯距离最短为优化模型,采用蚁群算法对无人拖拉机耕地作业路径序列进行搜索。同时考虑到传统蚁群算法易陷入局部最优、全局搜索能力不足等问题,提出一种基于和声搜索策略的改进蚁群算法,通过引入sigmoid函数与和声搜索机制改善路径搜索能力,得到高质量耕地作业路径序列。将传统蚁群算法(AC)、精英蚁群算法(ELAC)作为对比算法,将传统梭形、回形作业方法作为路径对比作业方法,针对不同耕地作业规模进行无人拖拉机作业路径搜索试验。结果表明,本文算法得到的总转弯距离较梭形耕法降低35.53%～43.08%、较回形耕法降低24.98%～86.88%。精英蚁群算法在小规模作业区域中性能较优,但随着蔬菜大田规模扩大,改进和声蚁群算法优化效果更明显。 相似文献
11.
基于蚁群算法的移动机器人全局路径规划方法研究 总被引：8，自引：0，他引：8
依据蚁群算法的特点,对移动机器人的全局路径规划方法进行了研究。采用栅格法描述移动机器人的环境信息,仿真分析了蚁群算法的主要参数如蚁群数量m、启发因子α、期望启发因子β和信息素挥发系数ρ等对规划路径的长度和路径规划效率的影响。研究结果表明,当算法的参数匹配时,获得的规划路径不仅长度短,且路径规划效率高。通过仿真找到了最佳匹配参数组。基于仿真结果,对工作在不同环境下的移动机器人进行了全局路径规划仿真实验,研究结果验证了蚁群算法最佳匹配参数组的准确性。 相似文献
12.
随着自动导航技术的发展,农业机器人已经应用到农业生产的各个方面。农业机器人可以代替人类从事喷药、施肥、收获等活动,减轻了劳动强度,提高了作业效率。全覆盖作业是智能机器人研究的核心内容之一,涉及农业、军事、生产制造和民用等多个应用领域。全覆盖作业规划作为农业生产作业的关键技术,有助于提高作业质量和资源利用率。但在全覆盖作业中,仍然存在障碍物识别不准确,阻碍农机工作路径;工作区域面积遗漏,路径重复问题,造成资源浪费;单机器人工作效率较低,无法处理复杂的全覆盖作业问题。本文从全覆盖作业规划中存在的问题入手,从环境模型构建、机器人路径规划、多机器人协作任务分配3方面进行综述。其中,准确可靠的环境地图信息有助于规避静态障碍物、提高作业可靠性;高效优化路径信息有助于减少遗漏面积,提高作业效率;最佳的任务分配方案有助于减少作业时间和资源浪费。首先对环境建模方法进行了分析和对比,揭示其局限性并提出优化方法;在环境建模方法的基础之上,对国内外全覆盖路径规划算法现状进行综述,指出相关算法的特点;然后,针对多机器人协作全覆盖任务规划的研究,探讨了相关任务分配算法的研究进展;最后对移动机器人全覆盖作业规划未来的发展方向进行了展望。该研究将有助于进一步提高农业生产中全覆盖环节的工作效率和农业作业质量,减少资源浪费,为我国实现农业规模化生产提供重要依据。 相似文献
13.
基于蚁群算法的多采摘机器人路径规划与导航系统 总被引：1，自引：0，他引：1
针对多采摘机器人联合作业容易出现路径冲突和碰撞的问题,基于蚁群算法,通过建立地图信息数据库和拓扑图,并结合先全局后局部的路径规划方法,设计了多采摘机器人路径规划和导航系统,实现了多采摘机器人移动路径的实时动态规划和自主导航功能,并利用Mat Lab进行了验证仿真。结果表明:当一条线路只能允许一台机器人通过时,其他机器人能够避让到站点休息,然后再进行前进操作,成功解决了路径冲突的问题,且该系统优化效果明显,具有很强的避障、路径规划和导航能力。 相似文献
14.
15.
基于多目标优化的飞防队作业调度模型研究 总被引：1，自引：0，他引：1
针对面向植保服务订单的多飞防队协同作业模式,综合考虑订单时间窗、病虫害侵染状况、多机协同等关键因素,建立以作业总收益最大、作业总时长最小为优化目标的飞防队作业调度模型;设计了订单优先级排序算法和基于带精英策略的非支配排序遗传算法（NSGA-Ⅱ）的作业路径规划算法,并对调度模型进行了求解。以陕西省武功县植保作业为例,对飞防队作业调度模型及算法进行了验证,实验表明,建立的模型及算法能输出满足时间窗约束的Pareto最优解集,具有良好的搜索性能以及稳定的收敛性能。该研究可为无人机飞防队的调配与决策分析提供科学依据,为农机智能调度系统开发提供参考。 相似文献
16.
17.
在篮球比赛时,为了使队员的协作模式达到最佳,可以采用相关算法对协作时最佳的投篮地点进行选择。在农忙时节多收割机机械协同作业时,如果每台收割机的搜索路径不佳,则会造成收割机在作业时具有很多空行非作业时间,造成了资源的浪费,降低了作业效率。为了解决这个问题,将篮球队员协作模式引入到了多收割机编队的协同作业算法中,并提出了多路径蚁群搜索算法。最后,对算法进行了验证,试验结果表明:将篮球协作模式的多路径蚁群搜索算法引入到收割机路径搜索中,不仅可以实现最优路径的快速搜索,而且可以实现多收割机等长度路径搜索,使多台收割机路径最短并保持距离相同或者接近,从而保证了多台收割机同时作业时的作业效率最高,为多收割机编队协同作业的研究提供了较有价值的参考。 相似文献
18.
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。 相似文献
19.
针对植保机智能化程度和安全性能无法满足要求以及过多的信息资源造成植保机无法进行合理的任务分配问题，基于分布式系统对植保机进行了设计，并对其智能和安全性能进行优化。为了对多植保机进行调度，解决任务分配问题，对植保机的分布式系统软件进行了设计，包括建立植保机的一对多任务分配模型，并对模型进行人工免疫算法设计，以在较短的时间内得到最优的任务分配方式。为了验证植保机的性能，对植保机进行了多任务分配试验和智能变量喷洒试验，结果表明：植保机可根据飞行任务自动调整喷药量，实现智能变量喷洒，且可快速地对植保机进行任务分配。 相似文献
20.