论文部分内容阅读
随着人工智能的发展,作为精准农业的支撑力量,人工智能技术已经深深的渗透入农业生产的主要环节,将智能算法用于机器人路径规划具有广阔研究前景。机器人在农业领域应用时,需要解决复杂环境下机器人的路径规划问题,帮助机器人规划一条从起始点到目标点的最短路径,保证机器人无障碍通过。因此,如何实现复杂环境下机器人之间及机器人与障碍物之间避障处理是研究的热点问题之一。本文主要研究农业机器人在二维和三维环境下的路径规划方法,根据蚁群算法收敛速度较慢、易陷入局部最优、易受复杂环境影响以及环境模型如何建立评价函数等问题,提出了IFWA-ACO、AR-ANT两种混合算法,解决二维静态环境和和三维复杂空间情况下农业机器人的路径规划问题,通过实验仿真验证了所提出方法的有效性及优越性。主要研究内容如下:(1)在进行路径搜索前,为了达到探索性和普适性,需要对不规则几何形状的机器人进行建模,由于特征点较多,计算量大,难以满足实时性要求。为解决此问题,本文首先忽略机器人的尺寸大小,将其抽象为质点;其次,在二维平面和三维空间中使用等分栅格法进行抽象建模,将采集到的环境信息处理后映射到栅格图中;最后,考虑机器人的安全通过问题,将采集到的障碍物信息在栅格图中以机器人长宽最大尺寸的一半进行膨胀,解决机器人沿着规划的路径进行无碰撞的移动问题。(2)针对二维静态下的单机器人路径规划问题,构建数学模型,在约束条件中引入路径平滑度属性,提出一种改进的烟花-蚁群算法(IFWA-ACO算法)。首先,针对基本烟花的交互机制和选择策略做出改进,提出爆炸与迁移相结合的策略以及密度峰值火花、探测火花概念,提升烟花算法寻找最优解的能力;然后,把根据改进烟花算法得到的最短路径换算成蚁群算法中的信息素加强值,从而避免蚁群盲目搜索,缩小搜索范围,提高搜索速度,对所规划的二维折线路径采用了B样条插值方法进行曲线化拟合,生成平滑路径,有利于机器人平稳行进。实验表明,IFWA-ACO算法在迭代次数和路径长度优于其他智能算法。(3)针对三维空间下的农业机器人路径规划问题,提出了一种改进的蚁群算法,考虑到机器人在路径搜索过程中易受复杂环境、障碍物等因素的影响,为保障机器人的行走安全,首先,通过栅格化方法对搜索空间进行三维建模,设置目标函数,然后,与模拟退火算法相结合(AR-ANT算法),使之达到良好的收敛和优化效果,最后,通过MATLAB仿真,验证了算法的可行性,结果表明,与传统ANT算法相比,AR-ANT算法规划出的路径更优,有效提高了路径质量。(4)借助MATLAB GUI编写了农业机器人软件系统。为用户提供登录、管理、算法调用等交互界面,满足用户在不同运行环境下的需要,具有较好的测试性和开放性。