数字执车与度用
算法分析
基于蚁群算法的多农业机器人路径规划研究
张衡
(郑州大学物理工程学院河南郑州450001)
摘要：随着计算机技术、信息技术、人工智能理论、传感器等技术的快速发展机器人的研究到达了一个新的高度。针对多机器人群体作业容易出现路露径冲突和硅撞的间题，本文基于取群算法，设计和研究了多农业机器人路径规划和导航系统，实现了多农业机器人移动路径的实时动态规划和自主导航功能，为机器人进一步发展提供了一定的理论基础。
关键词：取群算法；农业机器人；露径规划；导航
中图分类号：TP242
文献标识码：A
近年来，人工智能已成为新一轮工业革命的基石，其不仅广泛应用于工业控制领域，在农业生产中的应用越来越普及。在农忙时节，农场往往会出现劳动力大量贾乏的现象，因此，机器人在农业上的应用需求越来越明显。研发出一种能进行远程控制的农业机器人，代替传统人力的作业操作，对提高农业生产水平、提高种植效率具有重要意义，同时也是现代化农业的发展趋势，本文根据农业机器人作业环境，采用蚊群算法，结合先全局后局部的路径规划方法，
设计和研究了一种多农业机器人路径规划和导航系统。 1蚊群算法简述
蚁群算法是意大利学者Dorigo在20世纪90年代模拟和总结蚂蚊寻找食物的一系列行为过程，得出的一种解决复杂组合优化问题的方法。谈论其原理，必须从蚂蚊、蛋蜂这些昆虫寻找食物的行为人手，其实对于一个个体而言，它们的行为非常容易分析，但当它们组合成一个庞大的群体后，群体行为分析难度就大大增加了。其原因是因为蚂蚁个体间是由一种分泌物作为信息素进行交流通信，蚂蚁在行走的路线上会留下这些物质，面所有的蚂数都能够感知这些物质的浓度，并根据该物质浓度的强弱选择自己的运动方向。因此，蚁群的集体行为会形成一种特定的信息正反馈场景，即某路线上经过的蚂蚊数量越大，则后面选择该路线的蚂蚊就会越多，蚂蚁间根据感知这种信息素物质的强弱实现搜索食物的整个过程，这也就是蚁群算法的缘由。蚁群寻找食物过程示意如图1所示。
如上图所示，假设A为蚁群群居的位置，E为有食物的地方，MN 为AE之间的一个阻挡物。由于从A到E之闻存在障碍物MN，那么数群在搬运食物的过程中只能是从BCD或者BFD两条路径，其中两条路径的长度分别为10和20，假设在一分钟内有200只蚂数从A运动到
A B
d= 5 d= 5
M
D E
d= 10 N d=10
图1蚁群寻找食物过程示意图
收稿日期：2017-06-27
文章编号：1007-9416(2017)06-0147-03
E，蚂蚊经过后信息素总数增加为20，为了让计算比较简单，设定信息素从产生到消失的时间为10分钟。在最开始的时候，没有信息素物质的存在，蚂蚁选择两条路线的概率相同，但是因为BCD路径短，蚂数选择BCD需要的时间较少，因此，在相同时间内，走过BCD的蚂蚁会多一些，这样BCD路径上的信息素物质比BFD要多，也会吸引
后面的蚂蚊从BCD走，从而实现从A到E的最优路径。 2多农业机器人路径规划
在多农业机器人作业过程中，障碍物较多，机器人间相互影响，成为彼此的障碍物，因此，多机器人路径规划难度较大。在实际研究中，多个农业机器人在同一种植区作业，需要规划多条最优路径，但在具体的作业过程中，由于障碍物的存在，最优路径会发生变化，这样也会影响其他机器人的移动路径。基于上述问题，为了保证多农业机器人实现无碰撞作业，该系统需要实时规划路线，防止机器人间、机器人与障碍物间的碰撞，
由于产业种植园区环境不确定性因素较大，比如种植人员园区工作以及其他机械的随机移动，另外传感器探测具有一定的局限性，机器人在最初规划的时候往往很难获取全部的信息，因此，采用简单的规划往往难以获得理想的最优路径。因此，可以在获得一定园区环境信息的基础上，进行作业前的全局规划，并将其作为理想的最优路线，在农业机器人群的实际运动作业中，根据后续探测的环境信息，规划出局部的最优路径，进行简单的微调，使机器人避开所有碰撞物，并最快的到达目的地。基于以上间题，该系统采用全局和局部的规划方法，实现多农业机器人的路径规划，多农业机器人路径规划框架如图2所示。
2.1全局路径规划
本章研究的是多农业机器人在实际园区作业过程中的路径规划算法，因此，对于其全局路径规划，首先要做到的是按照具体作业
各机器人任务分配
已知坏境信息
环境信息
+
硬撞检测
传感事信息
全局路径规划
策略算法局部路径规划
图2路径规划框架图
作者简介：张衡(1985一),男,河南商丘人,颈士研究生,助教,研究方向：人工智能,神经网络,时间序列预测,建模与优化
方方数据
行为检测