翟 睿

(安徽理工大學(xué) 數(shù)學(xué)與大數(shù)據(jù)學(xué)院，安徽 淮南，232001)

隨著科技的發(fā)展，農(nóng)作物的采摘方式開始從傳統(tǒng)的人工采摘向智能化無人化發(fā)展，采摘機(jī)器人是農(nóng)業(yè)發(fā)展的墊腳石，對智能化農(nóng)業(yè)的發(fā)展具有促進(jìn)作用[1-4]。采摘機(jī)器人是一種集機(jī)器人和自動化技術(shù)為一體的新型多功能農(nóng)機(jī)裝備，這一設(shè)備在解決勞動力短缺、改善農(nóng)業(yè)生產(chǎn)條件、提高勞動質(zhì)量和效率等方面具有優(yōu)勢，已廣泛應(yīng)用于現(xiàn)代農(nóng)業(yè)生產(chǎn)[5-6]。在復(fù)雜多變的工作環(huán)境，特別是在多丘陵等特殊地理環(huán)境下，如何在實(shí)際應(yīng)用中快速選擇最優(yōu)路徑，實(shí)現(xiàn)安全避障，這涉及采摘機(jī)器人的路徑規(guī)劃。國內(nèi)外科學(xué)家經(jīng)過多年的研究，提出了許多高效的算法，如改進(jìn)的蟻群算法等，以解決機(jī)器人選擇路徑問題[7]。但是傳統(tǒng)改進(jìn)蟻群算法收斂速度慢，易陷入局部最優(yōu)，易早熟收斂[8]。本文利用人工智能算法對揀選機(jī)器人的最優(yōu)路徑規(guī)劃和修正狀態(tài)轉(zhuǎn)移規(guī)則，與此同時，原始信息素更新規(guī)則發(fā)生了變化，強(qiáng)制性算法達(dá)到局部最優(yōu)，即增加路徑，選取多樣性來避免算法過早收斂或停頓。

1 建立環(huán)境模型

為更好地利用采摘機(jī)器人進(jìn)行采摘工作，需要對其進(jìn)行最優(yōu)路徑規(guī)劃，因此，必須先建立必要的環(huán)境模型[9]。當(dāng)前的環(huán)境建模方法多種多樣，其中包括：自由空間法、拓?fù)浞ā鸥穹ǖ?，柵格法相比于?種方法，復(fù)雜程度相對比較低，但是其建模的精度卻要高于前2種方法，對障礙環(huán)境的適應(yīng)能力更高，便于后續(xù)規(guī)劃路徑數(shù)據(jù)的存儲。因此，本文選用柵格法進(jìn)行環(huán)境建模。在建立模型前，需要假設(shè)采摘機(jī)器人的工作環(huán)境，具體假設(shè)如下：1)對采摘的環(huán)境進(jìn)行設(shè)定，將其設(shè)定為二維靜態(tài)矩形有界空間，并且已知空間大小數(shù)據(jù)；2)在工作環(huán)境中僅有靜態(tài)障礙物；3)為了簡化任務(wù)的復(fù)雜性，可以將采摘機(jī)器人的尺寸作為中心點(diǎn)顯示；4)采摘機(jī)器人在整個作業(yè)過程中的速度不變，并且可以在恒速和停頓驅(qū)動2種工作模式之間切換；5)采摘機(jī)器人在當(dāng)前位置可以在8個方向移動：上、下、左、右、左上、左下、右上、右下，但實(shí)際移動方向應(yīng)以存在的判斷為準(zhǔn)鄰接障礙。

采用柵格法建立的采摘機(jī)器人工作環(huán)境模型，其是在復(fù)雜多變、多坡、有障礙物的環(huán)境中進(jìn)行編碼，左下角為坐標(biāo)系原點(diǎn)，原點(diǎn)為原點(diǎn)，橫向右為x軸正方向，垂直向上為y軸正方向，統(tǒng)一柵格的大小取決于機(jī)器人步長和工作區(qū)域[10]。采摘機(jī)器人工作環(huán)境模型如圖1所示。由圖1可以看出，白格子被抽象成1個可供采摘水果和蔬菜的區(qū)域，機(jī)器人可以在該區(qū)域內(nèi)自由移動，而黑色網(wǎng)格可以用1個或多個網(wǎng)格來表示，如果位置上的障礙沒有對應(yīng)的網(wǎng)格，如果是1個格子，則需要按格子處理，表示該區(qū)域不能通過，S點(diǎn)和E點(diǎn)分別表示機(jī)器人開始和結(jié)束位置。

圖1 采摘機(jī)器人工作環(huán)境模型

2 最優(yōu)路徑規(guī)劃

2.1 人工智能算法

卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)是常用的人工智能算法，具有表征學(xué)習(xí)能力，且學(xué)習(xí)效果十分穩(wěn)定[11]。

2.2 采摘機(jī)器人最優(yōu)路徑規(guī)劃

模擬采摘機(jī)器人運(yùn)動行為，設(shè)定機(jī)器人驅(qū)動方向向量為J，結(jié)合實(shí)地環(huán)境狀態(tài)，機(jī)器人計算出自身在采摘范圍內(nèi)的相對位置：

(1)

式中：Ja表示采摘機(jī)器人工作起始位置，m；x(t)表示采摘機(jī)器人x軸的方向?qū)蛳禂?shù)；y(t)表示采摘機(jī)器人y軸的方向?qū)蛳禂?shù)；S表示采摘機(jī)器人驅(qū)動輪的半徑，m；R表示采摘機(jī)器人的坐標(biāo)，m；M表示采摘機(jī)器人運(yùn)行的自由度，m；Je表示采摘機(jī)器人驅(qū)動輪的運(yùn)動方向向量，m。

采摘機(jī)器人在工作過程中會進(jìn)行基本的運(yùn)動行為操作，比如直行、拐彎、倒退、平移、轉(zhuǎn)圈，為了提高采摘機(jī)器人運(yùn)行的平滑性，本文利用合力平衡定理，在采摘機(jī)器人工作過程中，對采摘機(jī)器人采摘運(yùn)動行為進(jìn)行制約。采摘機(jī)器人轉(zhuǎn)圈運(yùn)動路線規(guī)劃公式為：

(2)

2.3 采摘機(jī)器人智能避障

采摘機(jī)器人確定好自身存在的位置，根據(jù)控制中心發(fā)送的采摘任務(wù)，規(guī)劃采摘機(jī)器人需要采摘的具體路徑。規(guī)劃過程中利用斥力函數(shù)確定采摘的有效范圍，通過人工勢場的方法，將采摘范圍內(nèi)存在的障礙物進(jìn)行標(biāo)記。障礙物標(biāo)記的原理是存在障礙物位置的人工勢場結(jié)合實(shí)時環(huán)境的場強(qiáng)，會向外發(fā)散出一個斥力，斥力影響采摘目標(biāo)對巡檢機(jī)器人路線的吸引力，采摘機(jī)器人則通過引力的大小，判斷工作周圍障礙物的具體位置。斥力函數(shù)如下所示：

(3)

式中：Ht表示斥力函數(shù)；W為采摘機(jī)器人與障礙物的相對距離，m；z1為系數(shù)。

采摘機(jī)器人識別到了采摘的有效范圍和障礙物后，可以初次完成采摘機(jī)器人避障路線的規(guī)劃，此次路線規(guī)劃將存在障礙物的可采摘路線舍去，但是如果全部路線都存在障礙物，需要啟動采摘機(jī)器人的避障功能。采用動態(tài)窗口(Dynamic Window Approach, DWA)，驅(qū)使采摘機(jī)器人在運(yùn)行過程中避開障礙物，穩(wěn)定地完成采摘工作。避障運(yùn)動行為生成公式為：

(4)

式中：y(b)表示采摘機(jī)器人避障路線，m；Ek表示采摘機(jī)器人的轉(zhuǎn)向速度，m/s；Er表示采摘機(jī)器人運(yùn)動的加速度，m/s2；El表示采摘機(jī)器人運(yùn)動的線速度，m/s；Δt表示采摘機(jī)器人采摘周期內(nèi)采摘頻率；μq表示采摘機(jī)器人與障礙物的最短距離，m；σq從軌跡終點(diǎn)到局部目標(biāo)的距離，m；αq表示采摘機(jī)器人運(yùn)行軌跡的最大障礙代價，m。

根據(jù)研究目標(biāo)，設(shè)定路徑規(guī)劃約束為采摘范圍最大和采摘路徑最短，可以提高采摘機(jī)器人避障路線規(guī)劃的效率。

3 實(shí)驗(yàn)分析

通過以上的分析與設(shè)計，完成了基于人工智能算法的采摘機(jī)器人最優(yōu)路徑規(guī)劃研究，為了檢驗(yàn)此方法的有效性，本文將與基于GPS導(dǎo)航技術(shù)的機(jī)器人避障路徑規(guī)劃方法(方法1)和基于無載波通信技術(shù)的機(jī)器人路徑規(guī)劃方法(方法2)共同完成對比實(shí)驗(yàn)。為了提高測試結(jié)果的可信度和可分析性，本文測試的采摘機(jī)器人選用型號為RT-009系列的采摘機(jī)器人，此系列采摘機(jī)器人的驅(qū)動器、電機(jī)以及其他配件的功能是最佳的，不會導(dǎo)致實(shí)驗(yàn)因?yàn)椴烧獧C(jī)器人故障而終止。

實(shí)驗(yàn)測試采摘機(jī)器人行走的路線包括直行、拐彎、采摘、倒退、平移5項(xiàng)基本動作，為了保證實(shí)驗(yàn)測試的難度，本文將避障物分別設(shè)置為20個基本障礙物和10個復(fù)雜障礙物，隨機(jī)混合在采摘機(jī)器人采摘測試的路徑范圍內(nèi)。實(shí)驗(yàn)前，將3個采摘機(jī)器人分別錄入3個采摘機(jī)器人避障路徑規(guī)劃方法，選擇同一時間，向采摘機(jī)器人發(fā)送采摘任務(wù)，開始試驗(yàn)，當(dāng)所有采摘機(jī)器到達(dá)采摘任務(wù)出口時，停止實(shí)驗(yàn)測試，整理實(shí)驗(yàn)場地和實(shí)驗(yàn)數(shù)據(jù)，如表1所示。

表1 不同方法越障時間對比

從表1可知，對比基于GPS導(dǎo)航技術(shù)的機(jī)器人避障路徑規(guī)劃方法和基于無載波通信技術(shù)的機(jī)器人路徑規(guī)劃方法，本文所提方法明顯在耗時方面具有較大優(yōu)勢。且隨著越障動作的進(jìn)行，其跨越動作的流暢性有所提升，導(dǎo)致后期耗時有所降低，這主要是因?yàn)樗岱椒▽υ秸蟿幼鞯目刂剖且詴r域規(guī)劃為基礎(chǔ)，能夠提前對障礙進(jìn)行分析，提高越障效率。

4 結(jié)語

綜上所述，本文通過對基于人工智能算法的采摘機(jī)器人最優(yōu)路徑進(jìn)行規(guī)劃研究，提高了采摘機(jī)器人避障路徑的方向辨認(rèn)感知能力，并控制機(jī)器人在進(jìn)行采摘行為時，誤差最小化，通過實(shí)驗(yàn)，驗(yàn)證了設(shè)計方法的有效性和優(yōu)越性。在后續(xù)的研究中還將針對在不同環(huán)境下的采摘機(jī)器人路徑進(jìn)行規(guī)劃設(shè)計，從而實(shí)現(xiàn)采摘機(jī)器人在未知環(huán)境中對動態(tài)障礙物的避讓以及最優(yōu)路徑規(guī)劃。