張曉云，王麗娟，熊 瓊

(1.綿陽(yáng)職業(yè)技術(shù)學(xué)院，四川 綿陽(yáng) 621000；2.焦作師范高等?？茖W(xué)校a.計(jì)算機(jī)與信息工程學(xué)院；b.計(jì)算機(jī)應(yīng)用技術(shù)研究所，河南 焦作 454000；3.武漢工商學(xué)院 信息工程學(xué)院，武漢 430065)

?

聯(lián)合收割機(jī)最短路徑設(shè)計(jì)
——基于禁忌搜索和PID算法的

張曉云1，王麗娟2a,2b，熊 瓊3

(1.綿陽(yáng)職業(yè)技術(shù)學(xué)院，四川 綿陽(yáng) 621000；2.焦作師范高等?？茖W(xué)校a.計(jì)算機(jī)與信息工程學(xué)院；b.計(jì)算機(jī)應(yīng)用技術(shù)研究所，河南 焦作 454000；3.武漢工商學(xué)院 信息工程學(xué)院，武漢 430065)

為了提高聯(lián)合收割機(jī)的收割效率和自動(dòng)化作業(yè)能力，使其在復(fù)雜地塊具有智能路徑規(guī)劃功能，提高收割機(jī)作業(yè)的自適應(yīng)能力，提出了一種基于禁忌搜索的智能聯(lián)合收割機(jī)自動(dòng)路徑規(guī)劃優(yōu)化方案，并采用PID反饋調(diào)節(jié)控制算法，來降低算法的誤差；建立了聯(lián)合收割機(jī)智能搜索的禁忌算法模型，并設(shè)計(jì)了積分、微分和比例調(diào)節(jié)的PID控制模型；最后利用實(shí)地和軟件測(cè)試的方法對(duì)算法的可行性和可靠性進(jìn)行了測(cè)試。結(jié)果表明：利用禁忌搜索的PID控制算法可以有效地縮短路徑規(guī)劃時(shí)間，提高算法的精度，從而驗(yàn)證了算法在收割機(jī)智能控制上應(yīng)用的可行性。

聯(lián)合收割機(jī)；路徑規(guī)劃；自適應(yīng)；禁忌搜索；PID算法

0 引言

隨著現(xiàn)代農(nóng)業(yè)技術(shù)的發(fā)展，迫切的要求聯(lián)合收割機(jī)具有較高的收割效率和較好的自動(dòng)化作業(yè)能力。由于人工智能技術(shù)的進(jìn)一步發(fā)展，計(jì)算機(jī)技術(shù)和控制理論技術(shù)的聯(lián)系越來越密切，近幾年來研究的一些控制系統(tǒng)可以自動(dòng)地對(duì)路徑最優(yōu)問題進(jìn)行求解，并且利用智能算法來優(yōu)化作業(yè)目標(biāo)的搜索問題。禁忌搜索算法是路徑規(guī)劃和調(diào)度的一種較好的方法，而PID控制算法可以利用負(fù)反饋調(diào)節(jié)的方法實(shí)現(xiàn)控制系統(tǒng)的優(yōu)化。本文結(jié)合禁忌搜索算法控制系統(tǒng)的基本原理，使用實(shí)驗(yàn)測(cè)試和軟件仿真等方法對(duì)聯(lián)合收割機(jī)的智能路徑規(guī)劃功能進(jìn)行了深入研究，對(duì)于現(xiàn)代聯(lián)合收割機(jī)控制系統(tǒng)的開發(fā)具有一定的現(xiàn)實(shí)意義。

1 聯(lián)合收割機(jī)搜索算法和路徑規(guī)劃

聯(lián)合收割機(jī)路徑的優(yōu)化是對(duì)一系列的收割目標(biāo)點(diǎn)進(jìn)行優(yōu)化的過程，確定合適的路徑，使收割機(jī)以最快的速度對(duì)目標(biāo)點(diǎn)進(jìn)行收割，是路徑搜索算法首先需要解決的問題。路徑規(guī)劃問題如圖1所示。收割機(jī)的路徑規(guī)劃問題可以描述為有一定數(shù)量的收割目標(biāo)，每個(gè)目標(biāo)的收割量不同，目標(biāo)的位置和收割量是確定的，由一個(gè)收割機(jī)車隊(duì)負(fù)責(zé)收割任務(wù)，每個(gè)收割機(jī)的作業(yè)量和到達(dá)距離是一定的，通過路徑規(guī)劃可以使收割路徑最短，同時(shí)滿足要求條件。禁忌搜索算法是一種全局搜索算法，該方法通過求解一個(gè)初始解，然后在鄰域中搜索最佳解或者移動(dòng)到較差區(qū)域搜索最佳解，并對(duì)搜索的路徑進(jìn)行記錄，在下次搜索時(shí)禁忌表中的目標(biāo)點(diǎn)。流程如圖2所示。

圖1 收割機(jī)路徑規(guī)劃問題

禁忌搜索算法的規(guī)劃流程主要根據(jù)禁忌屬性，對(duì)最優(yōu)解不斷更新，從而得到最優(yōu)路徑。首先利用啟發(fā)算法得到初始解，然后對(duì)初始解進(jìn)行禁忌搜索。其具體步驟如下：

1)利用直接排列解。首先，構(gòu)建路徑優(yōu)化的初始解，隨機(jī)生成不重要的路徑；然后，按照約束條件，依次將解送入優(yōu)化路徑中，從而產(chǎn)生路徑的初始化解；最后，通過求解目標(biāo)函數(shù)，得到路徑的總和。

2)對(duì)兩個(gè)路徑的收割量進(jìn)行隨機(jī)交換領(lǐng)域解，將n(n-1)/2個(gè)客戶進(jìn)行排列，然后按照約束提交，重新計(jì)算目標(biāo)函數(shù)。

3)通過對(duì)領(lǐng)域解的評(píng)價(jià)來更新禁忌表。如果候選的目標(biāo)解比當(dāng)前的最優(yōu)解更優(yōu)，則將該解確定為當(dāng)前解；否則，判斷該解是否被禁忌，更新禁忌表。

4)如果候選解都被禁忌，則計(jì)算結(jié)束。

5)選出合適的路徑優(yōu)化方案。

圖2 禁忌搜索路徑規(guī)劃流程

2 基于PID控制算法的自動(dòng)控制系統(tǒng)優(yōu)化

PID控制算法是自動(dòng)控制系統(tǒng)最常用的控制算法之一，在系統(tǒng)中增加PID校正器后，可以通過微分方程的調(diào)節(jié)、零點(diǎn)和極點(diǎn)的調(diào)節(jié)來改善系統(tǒng)的性能，包括比例調(diào)節(jié)、比例微分調(diào)節(jié)、積分調(diào)節(jié)和比例微分積分調(diào)節(jié)。采用比例調(diào)節(jié)的傳遞函數(shù)為

Gc(s)=Kp

(1)

其中，KP表示比例調(diào)節(jié)系數(shù)。當(dāng)比例調(diào)節(jié)作用于自動(dòng)控制系統(tǒng)時(shí)，系統(tǒng)的特征方程可以表述為

Ds=1+KpG0(s)H(s)=0

(2)

其中，G0(s)表示傳遞函數(shù)；H(s)表示調(diào)節(jié)函數(shù)。

圖3表示對(duì)收割機(jī)自動(dòng)控制系統(tǒng)進(jìn)行比例調(diào)節(jié)的線性系統(tǒng)結(jié)構(gòu)。

圖3 比例調(diào)節(jié)示意圖

當(dāng)改變比例調(diào)節(jié)系數(shù)KP的大小時(shí)，系統(tǒng)的響應(yīng)速度會(huì)發(fā)生改變。這是由于閉環(huán)系統(tǒng)的極點(diǎn)發(fā)生了改變，可有效地提高系統(tǒng)的精度，但同時(shí)會(huì)對(duì)系統(tǒng)的穩(wěn)定性造成影響。因此，需要結(jié)合微分調(diào)節(jié)來進(jìn)一步對(duì)系統(tǒng)進(jìn)行校正，比例微分調(diào)節(jié)的傳遞函數(shù)模型可寫成

Gc(s)=Kp+KDs

(3)

其中，KD表示微分調(diào)節(jié)系數(shù)。

控制器的信號(hào)可以表示為

(4)

原系統(tǒng)的開環(huán)傳遞函數(shù)為

(5)

其中，wn表示系統(tǒng)頻率；ζ表示系統(tǒng)阻尼。

串入PD控制器后系統(tǒng)的開環(huán)傳遞函數(shù)

(6)

由PD控制器的表達(dá)式可以看出：利用PD控制相當(dāng)于在傳遞函數(shù)上增加了一個(gè)零點(diǎn)，該零點(diǎn)在負(fù)的實(shí)軸上，其表達(dá)式為s=-KP/KD。積分函數(shù)的表達(dá)式為

(7)

其中，KI表示積分系數(shù)。引入比例控制后，其傳遞函數(shù)可以表示為

(8)

由PI控制器的表達(dá)式可以看出：利用PI控制相當(dāng)于在傳遞函數(shù)上增加了一個(gè)零點(diǎn)，該零點(diǎn)在負(fù)的實(shí)軸上，其表達(dá)式為s=-KI/KP，從而可以使系統(tǒng)得到合適的零點(diǎn)。對(duì)比例調(diào)節(jié)、微分調(diào)節(jié)和積分調(diào)節(jié)進(jìn)行疊加可得

(9)

PID控制可以提供一個(gè)極值點(diǎn)和兩個(gè)零點(diǎn)，從而可以全面的提高系統(tǒng)的動(dòng)態(tài)性能。式(9)可以改寫為

(10)

(11)

在實(shí)際工作時(shí)比較難實(shí)現(xiàn)微分環(huán)節(jié)， 因此加了一個(gè)慣性項(xiàng)，只要比例、積分和微分調(diào)節(jié)配合的合理，就可以實(shí)現(xiàn)較好的控制效果。

3 聯(lián)合收割機(jī)路徑規(guī)劃測(cè)試

為了驗(yàn)證禁忌搜索PID控制算法在聯(lián)合收割機(jī)自動(dòng)路徑規(guī)劃中的作用，利用單片編程技術(shù)將該算法嵌入到了聯(lián)合收割機(jī)智能控制臺(tái)上，并對(duì)收割機(jī)進(jìn)行實(shí)地測(cè)試，如圖4所示。

圖4 收割機(jī)作業(yè)圖

為了使測(cè)試具有普遍意義，作業(yè)目標(biāo)選擇多樣化，并且選取數(shù)目不同的目標(biāo)進(jìn)行規(guī)劃，選取的目標(biāo)數(shù)目分別為5、10、15個(gè)，選擇的地塊形狀如圖5所示。

圖5 測(cè)試地塊形狀

在測(cè)試地塊上選擇作業(yè)目標(biāo)進(jìn)行路徑規(guī)劃，根據(jù)目標(biāo)距離的長(zhǎng)短，使用禁忌算法對(duì)目標(biāo)進(jìn)行規(guī)劃。為了降低算法的誤差，采用PID算法進(jìn)行編程，通過對(duì)反饋信號(hào)的控制，提高系統(tǒng)的精度。通過測(cè)試得到了如圖6所示的路徑搜索曲線。

圖6 5個(gè)目標(biāo)點(diǎn)路徑搜索規(guī)劃結(jié)果

由圖6可以看出：為了在最短距離內(nèi)完成作業(yè)目標(biāo)，直接采用1臺(tái)收割機(jī)從出發(fā)地點(diǎn)出發(fā)，收割完成后正好返回出發(fā)地即可。

圖7表示目標(biāo)點(diǎn)數(shù)為10個(gè)時(shí)的路徑搜索規(guī)劃結(jié)果曲線。由圖7可以看出：為了在最短距離內(nèi)完成作業(yè)目標(biāo)，需要采用3臺(tái)收割機(jī)。其中，1臺(tái)作業(yè)完成后正好回到起始地點(diǎn)，另外兩臺(tái)收割機(jī)收割完成后在同一結(jié)束點(diǎn)。

圖7 10目標(biāo)點(diǎn)路徑搜索規(guī)劃結(jié)果

圖8表示目標(biāo)點(diǎn)數(shù)為15個(gè)時(shí)的路徑搜索規(guī)劃結(jié)果曲線。由圖8可以看出：為了在最短距離內(nèi)完成作業(yè)目標(biāo)，需要采用3臺(tái)收割機(jī)，3臺(tái)收割機(jī)作業(yè)完成后正好回到起始地點(diǎn)。

為了驗(yàn)證算法的有效性，對(duì)收割機(jī)的作業(yè)時(shí)間進(jìn)行了測(cè)試和統(tǒng)計(jì)，得到了如表1所示的時(shí)間對(duì)比結(jié)果。由表1可以看出：采用禁忌搜索PID算法要比PID算法節(jié)省大量的時(shí)間。

圖8 15個(gè)目標(biāo)點(diǎn)路徑搜索規(guī)劃結(jié)果

實(shí)驗(yàn)編號(hào)PID算法時(shí)間/s禁忌搜索PID算法時(shí)間/s15．282．1225．362．3135．122．1145．222．1855．312．2665．322．31

為了進(jìn)一步驗(yàn)證算法的可靠性，統(tǒng)計(jì)了算法實(shí)現(xiàn)過程的迭代誤差，迭代次數(shù)曲線如圖9所示。由圖9可以看出：使用禁忌搜索PID算法具有更快的收斂速度，而收斂誤差也明顯降低，從而驗(yàn)證了該算法在收割機(jī)上使用的可行性。

圖9 迭代計(jì)算次數(shù)曲線

4 結(jié)論

基于禁忌搜索算法，提出了一種聯(lián)合收割機(jī)路徑優(yōu)化的PID控制模型，并利用單片機(jī)編程技術(shù)設(shè)計(jì)了聯(lián)合收割機(jī)的智能路徑規(guī)劃控制平臺(tái)，有效地提高了聯(lián)合收割機(jī)的作業(yè)效率和智能化程度，提高了收割機(jī)的作業(yè)地塊的適應(yīng)能力。對(duì)禁忌搜索算法和PID控制的模型進(jìn)行了實(shí)驗(yàn)測(cè)試和軟件仿真，結(jié)果表明：使用禁忌搜索PID算法可以有效地縮短路徑規(guī)劃距離，提高搜索效率， 在較少的迭代步數(shù)情況下提高系統(tǒng)的精度。

[1] 陳科尹,鄒湘軍,熊俊濤,等.基于視覺顯著性改進(jìn)的水果圖像模糊聚類分割算法[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(6):157-165.

[2] 王文慶,張濤,龔娜.基于多傳感器融合的自主移動(dòng)機(jī)器人測(cè)距系統(tǒng)[J].計(jì)算機(jī)測(cè)量與控制,2013,21(2): 343-345.

[3] 郭艾俠,鄒湘軍,朱夢(mèng)思,等.基于探索性分析的荔枝果及結(jié)果母枝顏色特征分析與識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(4):191-198.

[4] 項(xiàng)榮,應(yīng)義斌,蔣煥煜.田間環(huán)境下果蔬采摘快速識(shí)別與定位方法研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44 (11):208-223.

[5] 魏澤鼎,賈俊國(guó),王占永.基于視覺傳感器的棉花果實(shí)定位方法[J].農(nóng)機(jī)化研究,2012,34(6):66-68,112.

[6] 李立君,李昕,高自成,等.基于偏好免疫網(wǎng)絡(luò)的油茶果采摘機(jī)器人圖像識(shí)別算法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(11):209-213.

[7] 王輝,毛文華,劉剛,等.基于視覺組合的蘋果作業(yè)機(jī)器人識(shí)別與定位[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(12): 165-170.

[8] 袁挺,紀(jì)超,陳英,等.基于光譜成像技術(shù)的溫室黃瓜識(shí)別方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(S1):172-176.

[9] 熊俊濤,鄒湘軍,陳麗娟,等.采摘機(jī)械手對(duì)擾動(dòng)荔枝的視覺定位[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(14):36-41.

[10] 呂繼東,趙德安,姬偉,等.采摘機(jī)器人振蕩果實(shí)動(dòng)態(tài)識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(5):173-196.

[11] 王新亞.基于MEA-BP神經(jīng)網(wǎng)絡(luò)的主汽溫控制系統(tǒng)的研究[J].山西焦煤科技,2009(3):13-15.

[12] 王亞斌.基于BP神經(jīng)網(wǎng)絡(luò)PID控制及其仿真[J].江蘇冶金報(bào),2008,36(2):33-25.

[13] 馬平,朱燕飛,牛征.基于神經(jīng)網(wǎng)絡(luò)的主汽溫控制系統(tǒng)[J].華北電力大學(xué)學(xué)報(bào)，2001,28(2)：52-55.

[14] 王輝,毛文華,劉剛,等.基于視覺組合的蘋果作業(yè)機(jī)器人識(shí)別與定位[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(12):165-170.

[15] 李寒,王庫(kù),曹倩,等.基于機(jī)器視覺的番茄多目標(biāo)提取與匹配[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(5):168-172.

[16] 李立君,李昕,高自成,等.基于偏好免疫網(wǎng)絡(luò)的油茶果采摘機(jī)器人圖像識(shí)別算法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(12):209-213.

[17] 錢建平,楊信廷,吳曉明,等.自然場(chǎng)景下基于混合顏色空間的成熟期蘋果識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(17):137-142.

[18] 顧寶興,姬長(zhǎng)英,王海青,等.智能移動(dòng)水果采摘機(jī)器人設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(6):153-160.

[19] 王海青,姬長(zhǎng)英,顧寶興,等.基于機(jī)器視覺和支持向量機(jī)的溫室黃瓜識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(3):163-167.

[20] 蔡晉輝,才輝,張光新,等.復(fù)雜環(huán)境下自動(dòng)導(dǎo)引車路徑識(shí)別算法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2011,42(10):20-24, 89.

[21] 劉金帥,賴惠成,賈振紅.基于YCbCr顏色空間和Fisher判別分析的棉花圖像分割研究[J].作物學(xué)報(bào), 2011,37(7):1274-1279.

[22] 朱群峰,黃磊.溫室移動(dòng)機(jī)器人軌跡控制系統(tǒng)的設(shè)計(jì)[J].農(nóng)機(jī)化研究,2009，31(4):73-75.

The Shortest Path Design of Combine Harvester——Based on Tabu Search and PID Algorithm

Zhang Xiaoyun1, Wang Lijuan2a,2b, Xiong Qiong3

(1.Mianyang Polytechnic,Mianyangg 621000, China; 2.Jiaozuo Teachers College,a.School of Computer and Information Engineering, b.Institute of Computer Applied Technology, Jiaozuo 454000,China; 3.School of Information Engineering,Wuhan Technology and Business University,Wuhan 430065, China)

In order to improve the intelligent path planning efficiency and automation of the production capacity in the combine harvester in complex plots, improve the adaptive capacity of the harvester, it proposed a tabu search of intelligent combine automatic path planning based on optimization scheme. By using PID feedback control algorithm, it can reduce the computational error. It established the combine intelligent search of tabu algorithm model, and it tested the design of the integral and derivative and proportional adjustment of PID control model and the field and software testing method of the algorithm feasibility and reliability. Test results show that the PID control algorithm can effectively shorten the path planning and improve the accuracy of the algorithm, which proves the feasibility of the algorithm in the intelligent control of the harvester.

combine harvester; path planning; self adaptation; tabu search; PID algorithm

2016-05-05

四川省教育廳科技項(xiàng)目(13ZB0388 )；河南省高等學(xué)校青年骨干教師項(xiàng)目(2012GGJS-288)；武漢工商學(xué)院科學(xué)研究項(xiàng)目(A2016010)

張曉云 (1968-)，女，四川眉山人，副教授，碩士，(E-mail)xiaoman1972@sina.com。

熊 瓊(1981-)，女，湖北鄂州人，講師，碩士，(E-mail)joanxiong@foxmail.com。

S225.3；TP393

A

1003-188X(2017)08-0053-05