黃 娟

(中原工學(xué)院 信息商務(wù)學(xué)院，鄭州 451191)

0 引言

籃球運(yùn)動(dòng)情境中的決策研究一直是運(yùn)動(dòng)認(rèn)知領(lǐng)域的焦點(diǎn)問(wèn)題，對(duì)于那些開(kāi)放性的、同場(chǎng)對(duì)抗類的集體競(jìng)技項(xiàng)目來(lái)說(shuō)，運(yùn)動(dòng)決策的水平直接影響著運(yùn)動(dòng)員運(yùn)動(dòng)能力和技戰(zhàn)術(shù)水平的發(fā)揮。這就要求運(yùn)動(dòng)員有對(duì)目標(biāo)的捕捉并實(shí)時(shí)處理的能力，除了緊密鎖定籃球目標(biāo)外，還需要通過(guò)自身決策規(guī)劃好前進(jìn)路線，才能完成高效率和高質(zhì)量的進(jìn)球。對(duì)于采摘機(jī)器人而言，如果要想提高其作業(yè)效率，必須考慮實(shí)時(shí)目標(biāo)的追蹤和捕捉，并及時(shí)規(guī)劃作業(yè)路徑，才能保證高質(zhì)量的自動(dòng)化采摘作業(yè)，因此可以將籃球運(yùn)動(dòng)員訓(xùn)練策略的決策系統(tǒng)引入到采摘機(jī)器人的控制平臺(tái)上，使其發(fā)揮出更加優(yōu)越的性能。

1 智能路徑自主規(guī)劃與籃球訓(xùn)練策略

籃球運(yùn)動(dòng)屬于劇烈對(duì)抗的一種運(yùn)動(dòng)，要求運(yùn)動(dòng)員反映速度快，具有高效的決策能力和隊(duì)員的協(xié)同能力，因此對(duì)于運(yùn)動(dòng)員的訓(xùn)練應(yīng)著重培養(yǎng)其反應(yīng)能力和高效的自主規(guī)劃能力。路徑規(guī)劃是實(shí)現(xiàn)運(yùn)動(dòng)員能否突破防守和提高命中率的關(guān)鍵，運(yùn)動(dòng)員在訓(xùn)練時(shí)需要對(duì)其進(jìn)行短時(shí)間刺激，如投籃這一項(xiàng)，需要出手前對(duì)籃球路線有規(guī)劃，籃球是呈現(xiàn)拋物線形狀出手，出手時(shí)需調(diào)整合理的角度，如圖1所示。

圖1 正確的路徑規(guī)劃結(jié)果

圖1表示在正確的籃球路徑出手角度和狀態(tài)調(diào)整后籃球命中籃框的結(jié)果，如果路線規(guī)劃不好，則會(huì)出現(xiàn)較大的偏差，因此路徑規(guī)劃對(duì)于命中率的訓(xùn)練較為重要。

圖2表示在錯(cuò)誤的路徑規(guī)劃時(shí)，籃球沒(méi)有命中的情形。當(dāng)籃球沒(méi)有命中時(shí)，運(yùn)動(dòng)員需要根據(jù)籃球預(yù)設(shè)路徑對(duì)籃球進(jìn)行追蹤，以搶籃板或者配合隊(duì)員搶籃板，整個(gè)智能路徑自主規(guī)劃和籃球訓(xùn)練策略的流程如圖3所示。

在籃球比賽場(chǎng)上，運(yùn)動(dòng)員在激烈的比賽中，比賽的進(jìn)行實(shí)際上成為了對(duì)比賽現(xiàn)實(shí)情境的認(rèn)知過(guò)程。在此過(guò)程中，運(yùn)動(dòng)員對(duì)比賽情景表現(xiàn)為意識(shí)和行動(dòng)的相互作用。如圖3所示：運(yùn)動(dòng)員先觀察實(shí)時(shí)情境，然后對(duì)情境進(jìn)行信息搜集，并通過(guò)刺激不斷地訓(xùn)練情境反應(yīng)，進(jìn)一步進(jìn)行思維加工；加工過(guò)程包括分析綜合、分類比較和大腦的抽象概括，最后形成決策。這種決策主要是對(duì)路徑的規(guī)劃，最后形成自主的規(guī)劃能力。

圖2 錯(cuò)誤的路徑規(guī)劃結(jié)果

圖3 基于自主路徑規(guī)劃的籃球訓(xùn)練策略的流程

2 籃球運(yùn)動(dòng)員人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法

籃球運(yùn)動(dòng)員的訓(xùn)練任務(wù)主要是攻擊、防守和團(tuán)隊(duì)的配合等項(xiàng)目，而進(jìn)攻是籃球運(yùn)動(dòng)員得分的主要方式之一，是指籃球運(yùn)動(dòng)員繞開(kāi)防守人員將籃球投入目標(biāo)籃球框而得分。在實(shí)際比賽過(guò)程中，防守隊(duì)員是靈活的，因此在平時(shí)訓(xùn)練策略中需要使用動(dòng)態(tài)的障礙物。人工神經(jīng)是對(duì)生物神經(jīng)元細(xì)胞極其簡(jiǎn)單的抽象而建立的模型，這個(gè)模型可以通過(guò)電路或者通過(guò)控制程序來(lái)實(shí)現(xiàn)，如圖4所示。

圖4 人工神經(jīng)元模型

該模型可以模擬神經(jīng)元細(xì)胞的工作原理，將輸入的數(shù)據(jù)進(jìn)行加工處理，得到合理的決策數(shù)據(jù)，假設(shè)障礙物的形狀為凸多邊形，其數(shù)學(xué)表達(dá)式為

(1)

其中，障礙物的邊數(shù)用m表示。其中，訓(xùn)練數(shù)據(jù)的輸入部分為p1,p1,…,pR；ω1,ω2,…,ωR表示連接權(quán)值；θ表示偏置信值，同神經(jīng)元中的興奮閾值類似，障礙物的(x,y)點(diǎn)都在不等式約束的范圍之內(nèi)。在籃球比賽時(shí)，防守隊(duì)員是靈活運(yùn)動(dòng)的，也就是障礙物是移動(dòng)的，因此需要調(diào)整一部分參數(shù)，才能夠得到運(yùn)動(dòng)后的障礙物。

根據(jù)兩點(diǎn)可以確定一條直線的原理，假設(shè)直線上有確定的兩點(diǎn)p1(x1,y1)和p2(x2,y2)，則權(quán)值和置信值可以分別表示為

(2)

對(duì)方防守隊(duì)員可以看作一個(gè)動(dòng)態(tài)得到凸多邊形障礙物，如果障礙物的所有頂點(diǎn)的坐標(biāo)是明確的，則可以確定神經(jīng)網(wǎng)絡(luò)模型中的各種參數(shù)；然后，根據(jù)其移動(dòng)的速度和時(shí)間，便可以計(jì)算出移動(dòng)后障礙物的每個(gè)新位置坐標(biāo)，再次重新確認(rèn)神經(jīng)網(wǎng)絡(luò)模型的各種參數(shù)。如果障礙物做平移動(dòng)作，各個(gè)參數(shù)都可以進(jìn)一步簡(jiǎn)化，各個(gè)邊的ωx、ωy不變，可得θM的更新公式為

ΔθM=-ωxpx-ωypy

(3)

其中，px、py分別是平移向量p在x軸、y軸上的投影分量。假設(shè)橢圓的兩個(gè)端點(diǎn)分別是A1(x1,y1)和A2(x2,y2)，其2a長(zhǎng)軸可以表示為

(4)

長(zhǎng)軸與x軸正方向的夾角θ0為

(5)

橢圓的中心C(x0,y0)為

(6)

假設(shè)短軸的一個(gè)端點(diǎn)為B1(x3,y3)，則短軸的長(zhǎng)度2b為

(7)

有了a、b、θ0這些參數(shù)，就可以對(duì)神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行更新，其神經(jīng)網(wǎng)絡(luò)的第一層的偏置值按下面的公式更新，即

(8)

(9)

如果活動(dòng)的障礙物為其他形狀，還可以根據(jù)需要進(jìn)一步拓展模型。

3 采摘機(jī)器人功能測(cè)試

利用人工神經(jīng)網(wǎng)絡(luò)可以對(duì)采集到的信息迅速進(jìn)行處理，利用籃球運(yùn)動(dòng)員決策策略模型可以對(duì)目標(biāo)迅速定位，并規(guī)劃出相應(yīng)的路徑，將籃球運(yùn)動(dòng)員訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型移植到采摘機(jī)器人上，可以有效的提高采摘機(jī)器人的智能化水平。其智能化流程如圖5所示、同籃球運(yùn)動(dòng)員的訓(xùn)練類似，采摘機(jī)器人在智能化訓(xùn)練過(guò)程，也需要對(duì)采摘情景的信息進(jìn)行搜集并訓(xùn)練對(duì)情景的反應(yīng)能力，然后利用籃球運(yùn)動(dòng)員的神經(jīng)網(wǎng)絡(luò)訓(xùn)練策略，形成思維，并對(duì)路徑的規(guī)劃能力進(jìn)行比較分類，最終形成決策能力。

圖5 基于籃球訓(xùn)練策略的采摘機(jī)器人智能化流程

為了驗(yàn)證方案的可行性，本次以青椒的采摘為例(見(jiàn)圖6)，通過(guò)編程的方式，在采摘機(jī)器人控制系統(tǒng)中神經(jīng)網(wǎng)絡(luò)訓(xùn)練策略模型，通過(guò)對(duì)實(shí)驗(yàn)誤差和響應(yīng)時(shí)間的統(tǒng)計(jì)，驗(yàn)證算法的可行性和優(yōu)越性。

圖6 待采摘青椒示意圖

如圖7所示：對(duì)青椒采摘進(jìn)行了試驗(yàn)研究，為了驗(yàn)證基于神經(jīng)網(wǎng)絡(luò)籃球運(yùn)動(dòng)員訓(xùn)練策略控制系統(tǒng)的可靠性和優(yōu)越性，對(duì)不同算法控制下采摘機(jī)械手的采摘響應(yīng)時(shí)間和采摘誤差進(jìn)行了分析統(tǒng)計(jì)，得到了如圖8所示的結(jié)果。

圖7 采摘機(jī)器人實(shí)驗(yàn)場(chǎng)景

圖8中，分別采用了神經(jīng)網(wǎng)絡(luò)、遺傳算法、蟻群算法和蜂群算法4種算法對(duì)采摘誤差和響應(yīng)時(shí)間進(jìn)行了統(tǒng)計(jì)。由統(tǒng)計(jì)結(jié)果表明，神經(jīng)網(wǎng)絡(luò)算法的誤差要明顯的比其他算法小。

如表1所示：采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法不僅誤差較小，而且在響應(yīng)時(shí)間上，相比其他算法更加快速。這是由于神經(jīng)網(wǎng)絡(luò)算法對(duì)路徑規(guī)劃的能力較強(qiáng)，而且可以通過(guò)合理的權(quán)值優(yōu)化得到更加快速的響應(yīng)速度，因此將其使用在采摘機(jī)器人系統(tǒng)中具有較好的優(yōu)越性。

圖8 誤差數(shù)據(jù)統(tǒng)計(jì)

算法響應(yīng)時(shí)間/s響應(yīng)誤差/%神經(jīng)網(wǎng)絡(luò)0.654.8遺傳算法1.0812.5蟻群算法1.2211.2蜂群算法1.3513.6

4 結(jié)論

為了提高籃球訓(xùn)練策略的效率，提高運(yùn)動(dòng)員對(duì)籃球場(chǎng)情境的反應(yīng)能力，在籃球訓(xùn)練策略上引入了人工神經(jīng)網(wǎng)絡(luò)方法，通過(guò)不斷的智能化訓(xùn)練，以提高反應(yīng)決策的效率和水平。將這種方案引入到了采摘機(jī)器人的智能化決策系統(tǒng)中，通過(guò)智能化訓(xùn)練使機(jī)器人具有更快的果實(shí)目標(biāo)捕捉，對(duì)能力和更快的響應(yīng)速度，從而提高采摘效率。最后，采用不同算法對(duì)采摘機(jī)器人的作業(yè)能力和效率進(jìn)行驗(yàn)證，結(jié)果表明：采用人工神經(jīng)網(wǎng)絡(luò)算法可以有效提高機(jī)器人的響應(yīng)速度，以及采摘機(jī)器人的作業(yè)水平和作業(yè)效率。

參考文獻(xiàn)：

[1] 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.

[2] 韋偉,周凌翱,劉青.一種便攜式的紅外測(cè)距系統(tǒng)[J].電子設(shè)計(jì)工程,2011,19(21):40-42.

[3] 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.

[4] 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.

[5] 張衛(wèi)東.我國(guó)溫室發(fā)展的現(xiàn)狀及發(fā)展建議[J].科技信息,2013(10):439.

[6] 李明,李旭,孫松林,等.基于全方位視覺(jué)傳感器的農(nóng)業(yè)機(jī)械定位系統(tǒng)[J].農(nóng)業(yè)工程學(xué)報(bào),2010,26(2):170- 174.

[7] 傅錫敏,薛新宇.基于我國(guó)施藥技術(shù)與裝備現(xiàn)狀的發(fā)展思路[J].中國(guó)農(nóng)機(jī)化,2008(6):72-76.

[8] 傅澤田,祁力鈞,王俊紅.精確施藥拉術(shù)研究進(jìn)展與對(duì)策[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2007,38(1):189-192.

[9] 郭輝,韓長(zhǎng)杰.精確施藥技術(shù)的研究與應(yīng)用現(xiàn)狀[J].農(nóng)業(yè)技術(shù)與裝備,2009(10):42-46.

[10] 呂太國(guó).靜電噴霧系統(tǒng)特性研究[J].農(nóng)機(jī)化研究, 2009，31(5):54-70.

[11] 燕明德,賈衛(wèi)東,張斌,等.國(guó)內(nèi)外靜電噴霧施藥技術(shù)及機(jī)具研究[J].農(nóng)業(yè)機(jī)械,2008(8):53-54.

[12] 劉金龍,丁為民,鄧巍.果園對(duì)靶噴霧紅外探測(cè)系統(tǒng)的設(shè)計(jì)與試驗(yàn)[J].江蘇農(nóng)業(yè)科學(xué),2012,40(12):370-372.

[13] 高春城.我國(guó)農(nóng)業(yè)發(fā)展的資源環(huán)境問(wèn)題與展望[J].當(dāng)代生態(tài)農(nóng)業(yè),2013(4):151-154.

[14] 萬(wàn)寶瑞.當(dāng)前我國(guó)農(nóng)業(yè)發(fā)展的趨勢(shì)與建議[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題,2014,4(1):110-114.

[15] 趙其國(guó).當(dāng)前我國(guó)農(nóng)業(yè)發(fā)展中存在的深層次問(wèn)題及對(duì)策[J].生態(tài)環(huán)境學(xué)報(bào),2013,22(6):911-915.

[16] 趙其國(guó),黃國(guó)勤,王禮獻(xiàn).中國(guó)生態(tài)安全、農(nóng)業(yè)安全及“三農(nóng)”建設(shè)研究[J].農(nóng)林經(jīng)濟(jì)管理學(xué)報(bào),2014,13(3): 237-243.

[17] 徐國(guó)保,尹怡欣,周美娟.智能移動(dòng)機(jī)器人技術(shù)現(xiàn)狀及展望[J].機(jī)器人技術(shù)與應(yīng)用,2007(5):29-34.

[18] 薛晗,李迅,馬宏緒.基于無(wú)線傳感器網(wǎng)絡(luò)的移動(dòng)機(jī)器人智能導(dǎo)航算法[J].傳感技術(shù)學(xué)報(bào),2008，21(5):834- 840.

[19] 李彩虹,李貽斌,范晨.移動(dòng)機(jī)器人動(dòng)態(tài)避障算法[J].山東大學(xué)學(xué)報(bào)：工學(xué)版,2007.37(5):60-64.

[20] 楊晶東,洪炳熔,樸松昊.基于模糊行為融合的移動(dòng)機(jī)器人避障算法[J].華中科技大學(xué)報(bào)：自然科學(xué)版，2008,36(增刊):224-227.

[21] 孫吉貴,劉杰,趙連宇.聚類算法研究[J].軟件學(xué)報(bào),2008,19(1):48-61.

[22] 曾東海,米紅,劉力豐.一種基于網(wǎng)格密度與空間劃分樹(shù)的聚類算法[J].系統(tǒng)工程理論與實(shí)踐,2008,28(7): 125-133.

[23] 李光強(qiáng),鄧敏,劉啟亮,等.一種適應(yīng)局部密度變化的空間聚類方法[J].測(cè)繪學(xué)報(bào),2009,38(3):255-263.

[24] 劉銘,王曉龍,劉遠(yuǎn)超.一種大規(guī)模高維數(shù)據(jù)快速聚類算法[J].自動(dòng)化學(xué)報(bào),2009,35(7):859-866.

[25] 傅隆生,張發(fā)年,槐島芳德.獼猴桃采摘機(jī)器人末端執(zhí)行器設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015,46(3):1-8.

[26] 高浩,王虎,陳軍.獼猴桃采摘機(jī)器人的研究與設(shè)計(jì)[J].農(nóng)機(jī)化研究, 2013,35(2):73-76.

[27] 紀(jì)超,馮青春,袁挺，等.溫室黃瓜采摘機(jī)器人系統(tǒng)研制及性能分析[J].機(jī)器人,2011, 33(6):726-730.

[28] 劉繼展,李萍萍,倪齊，等.番茄采摘機(jī)器人真空吸盤裝置設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,41(10):170- 173,184.

[29] 陸化珠,蔡健榮,孫力，等.基于超聲測(cè)距的柑橘收獲機(jī)器人應(yīng)急避障系統(tǒng)[J].農(nóng)機(jī)化研究,2011,33(12): 151-153.