基于糧面形貌的平糧方法研究

摘 要：為了實現(xiàn)糧倉內(nèi)糧堆的快速平整，提出一種基于糧面形貌的平糧方法。根據(jù)糧面形貌的高度標準差制定糧面平整性指標，并將其作為平糧作業(yè)完成的判斷依據(jù)；為了讓平糧機器人能夠?qū)崿F(xiàn)自動化、智能化作業(yè)，提出采用基于蟻群算法和多運輸調(diào)度的粗平路徑規(guī)劃算法及全區(qū)域“S”型細平路徑規(guī)劃算法，分別完成糧堆的粗平操作和細平操作。通過仿真環(huán)境進行路徑規(guī)劃實驗，結(jié)果表明了所規(guī)劃路線的有效性和最優(yōu)性。

關(guān)鍵詞：平整性指標；平糧機器人；路徑規(guī)劃

中圖分類號：TP391.9 文獻標志碼：B 文章編號：1671-5276（2024）04-0161-04

Study on Leveling Grain Method Based on Grain Surface Morphology

FAN Mingming， ZANG Tiegang， GUO Cheng， WANG Yue

（Nanjing University of Aeronautics and Astronautics，Nanjing 210016， China）

Abstract：In order to realize the quick leveling of grain pile in granary， a leveling method based on grain surface morphology is proposed. According to the height standard deviation of grain surface morphology， the grain surface evenness index is formulated and used as the judgment basis for the completion of leveling operation.In order to enable the flat-grain robot to realize automatic and intelligent operation， the rough leveling path planning algorithm based on ant colony algorithm and multi- transportation scheduling and the whole region \"S\" type fine leveling path planning algorithm are proposed to complete the rough leveling operation and fine leveling operation of the grain pile respectively. The path planning experiment is carried out in simulation environment， and the results show that the planned route is effective and optimal.

Keywords：flatness index; flat-grain robot; path planning

0 引言

隨著人工智能技術(shù)的發(fā)展以及“科技興糧”重大戰(zhàn)略的不斷推進，對于糧庫的建設(shè)有了更高的要求，逐漸朝著自動化、智能化的方向發(fā)展。在糧倉內(nèi)的各項作業(yè)中，糧面平整無疑是難點之一，因此平糧機器人已成為研究熱點。它的應(yīng)用可以有效地解決人工平糧存在的諸多問題，對提高平糧效率和保護工作人員安全有著重要的意義。

目前，有關(guān)平糧機器人路徑規(guī)劃的研究相對較少。對于局部路徑規(guī)劃，蔣林等^[1]提出了一種將遺傳算法和人工勢場法相融合而產(chǎn)生的新算法，該算法可以使機器人能夠準確避開障礙物，快速且穩(wěn)定地到達目標點。許亞^[2]提出了一種將人工勢場和流體特性相結(jié)合的算法，可實現(xiàn)機器人的準確避障。對于全局路徑規(guī)劃，張?zhí)烊鸬?sup>[^3]提出了一種面向機器人全局路徑規(guī)劃的改進蟻群算法，可以有效地增強算法的尋優(yōu)能力以及減少移動路徑節(jié)點數(shù)。曹如月等^[4]提出一種基于改進A^*算法和Bezier曲線的路徑規(guī)劃算法，實現(xiàn)了全局路徑尋優(yōu)和拐角優(yōu)化。

總之，上述研究主要針對平地機器人，而對懸浮式機器人的路徑規(guī)劃研究尚屬空白。本文在現(xiàn)有的研究基礎(chǔ)上，設(shè)計了一種基于糧面形貌的懸浮式平糧方法。該方法根據(jù)糧面形貌的高度信息制定了平整度指標，將其作為平糧結(jié)束的判斷依據(jù)，實現(xiàn)自動化平糧作業(yè)。為了實現(xiàn)糧面的快速平整以及保障平糧質(zhì)量，設(shè)計了由粗平操作和細平操作所組成的總體平糧方案，根據(jù)不同的平糧要求規(guī)劃出相應(yīng)的平糧策略，以最短的路徑完成全區(qū)域的平糧工作。

1 平糧策略

糧倉內(nèi)平糧系統(tǒng)的三維模型如圖1所示，該系統(tǒng)由軌道、移動裝置、桁架式機構(gòu)、升降裝置、平糧裝置和掃描反饋裝置組成。

1.1 糧面平整性指標制定

糧面平整度反映了總體的平糧效果，對于糧食的安全存儲來說非常關(guān)鍵。目前糧面平整性取決于工作人員的肉眼判斷，因此平糧效果會受主觀意識的影響。針對該問題，需制定一個判斷依據(jù)來代替人工判斷，從而杜絕主觀意識的影響。糧面平整性的好壞取決于糧面各數(shù)據(jù)點的離散程度，而數(shù)據(jù)點的離散程度一般選用標準差來描述^[5]。

在數(shù)據(jù)點的三維屬性中，只有z軸的高度信息能夠反映糧面的平整性，故選用數(shù)據(jù)點z軸方向的高度標準差來作為糧面平整性的判別依據(jù)，數(shù)據(jù)的標準差計算方式如下：

式中：H—表示糧面的高度平均值；m、n分別表示數(shù)據(jù)點集合在x、y軸方向上的總數(shù)目；H（i，j）表示在坐標（i， j）處數(shù)據(jù)點z軸方向上的高度；σ表示糧面的高度標準差。

高度標準差σ很好地反映了組內(nèi)個體間的離散程度，其數(shù)值越大，則表明糧面平整效果越差；反之糧面平整效果越好。根據(jù)實際測試數(shù)據(jù)可知，當σ超過8mm這一指標時，意味著糧面的平整效果比較差，無法滿足平倉要求。因此，將糧面平整性指標σ_standard設(shè)為8mm，若當前標準差σgt;σ_standard，則需要后續(xù)平整工作來完善糧面，使其達到審核標準。

1.2 平糧方案設(shè)計

為實現(xiàn)糧面的快速平整以及保障平糧質(zhì)量，本文采用的平糧方案分為粗平操作和細平操作兩部分，總體平糧方案如圖2所示。粗平操作的主要目的是實現(xiàn)糧面的快速平整，其采取的總體策略是“削峰填谷”。為加快“削峰填谷”的速度，應(yīng)先確定糧堆峰和谷的具體位置以及相應(yīng)的體積大小，然后規(guī)劃“峰”和“谷”之間的平糧路線。最后進行逐個峰依次銷毀來實現(xiàn)糧面的粗平操作。粗平操作完成后，糧面的平整效果一般不滿足審核要求，需執(zhí)行細平操作進行完善。細平操作主要進行全區(qū)域的修整作業(yè)，以保證平糧質(zhì)量滿足審核要求。

1.3 路徑規(guī)劃

1）基于蟻群算法和多運輸調(diào)度的粗平操作

粗平操作采取“削峰填谷”的策略，其中涉及峰和谷之間及峰和峰之間的路徑規(guī)劃。規(guī)劃過程如下。

a）確定糧堆峰和谷的具體位置

首先通過采集的數(shù)據(jù)信息計算糧倉的總體積V_z，由于糧面平整后糧層高度近似一致，此時糧倉內(nèi)糧食的分布呈現(xiàn)為一個實體矩形。矩形體積的計算公式如下：

式中：a、b均為已知量，分別表示糧倉的長和寬，則平整后糧層高度的計算公式如下：

由式（4）可知糧面平整后的高度平均值，然后以Z=h繪制等高平面，根據(jù)與等高面之間的相對位置關(guān)系來確定峰和谷的分布情況，并計算它們的體積。

b）多運輸調(diào)度規(guī)劃

本文采用多運輸調(diào)度算法來建立數(shù)學(xué)模型，求解峰和谷之間最優(yōu)的平糧路線。建立的數(shù)學(xué)模型關(guān)系如表1所示。

表1中：A_i表示第i個峰；a_i表示高于等高面的體積；B_j表示第j個谷；b_j表示低于等高面的體積；C_ij表示A_i和B_j之間的曼哈頓距離，計算公式如下：

式中：（A_ix，A_iy）表示第i個峰的平面坐標；（B_ix，B_iy）表示第j個谷的平面坐標。

因為峰的總體積等于谷的總體積，故粗平操作的平糧過程等價于平衡運輸問題。其中將峰和谷分別比作生產(chǎn)地、銷售地；峰和谷的體積分別比作生產(chǎn)量、銷售量。平糧效率與規(guī)劃路線的總長度有關(guān)，其總路徑越長，效率則越低；反之，效率則越高。因此，將兩點之間的曼哈頓距離比作兩地之間的調(diào)用費用。設(shè)峰A_i運到谷B_j的體積為V_ij個單位，則線性規(guī)劃模型如下：

由式（6）和式（7）可知，T為路徑規(guī)劃的目標值。T值越小，則表明規(guī)劃效果越好；反之，效果越差。求解步驟是：①確定初始基可行解；②判斷當前解是否為最優(yōu)解；③調(diào)整方案，繼續(xù)求解；④重復(fù)②和③，直到得到最優(yōu)解為止。

c）基于蟻群算法的路徑規(guī)劃

由于采用逐個峰依次銷毀的策略來實現(xiàn)糧面的粗平操作，因此峰和峰之間也存在路徑規(guī)劃問題。本文采取基于蟻群算法來求解峰和峰之間的最優(yōu)路徑。蟻群算法^[6]的實現(xiàn)過程如下：

①初始化，假設(shè)有m只螞蟻從最大峰的位置出發(fā)，并將每只螞蟻的禁忌表Table（i，1）設(shè)為當前位置，表示該位置當前已訪問，后續(xù)則不能再訪問，初始化最大迭代次數(shù)n及初始次數(shù)i；

②根據(jù)各路徑上的信息素選擇下一個落腳點，并將該點的位置加入禁忌表中；

③當禁忌表中的元素總數(shù)量等于峰的總數(shù)時，表示該路徑是一個可行解，然后將迭代次數(shù)i加1及更新路徑信息素，再繼續(xù)從起點出發(fā)，重新搜索路徑；

④當?shù)螖?shù)i大于最大迭代次數(shù)n時，則結(jié)束搜索。

2）全區(qū)域的細平操作

當粗平操作結(jié)束后，糧面總體的平整度未達到審核標準，需要后期的細平整操作來完善糧面的平整度。根據(jù)實際情況分析，細平操作規(guī)劃的路線需滿足以下要求：

①行進路線需要遍及整個糧倉區(qū)域，從而完成整個區(qū)域的糧面精修；

②為提升平糧效率，全區(qū)域的行進路線應(yīng)盡量減少路線交叉。

考慮到以上兩點要求及糧倉的內(nèi)部形狀，因此平糧機器人在進行細平操作時，主要由橫向行走和縱向轉(zhuǎn)彎兩個行為組成，故采用全區(qū)域“S”型算法來規(guī)劃細平操作路徑，規(guī)劃路線如圖3所示。

2 仿真實驗與分析

2.1 實驗?zāi)Ｐ蜆?gòu)建

經(jīng)典的地圖建模方法有柵格法、幾何法、可視圖法^[7]等，柵格法相較于其他幾種方法，表達更為簡單且易于實現(xiàn)，故采用柵格法^[8]來構(gòu)建環(huán)境。本文的實驗環(huán)境為9×7的二維柵格地圖，如圖4所示。整個區(qū)域被劃分為若干個小方格，其中每個小方格表示峰或谷，機器人被簡化為一個質(zhì)點，用圓點表示。

2.2 仿真結(jié)果

根據(jù)采集的糧面數(shù)據(jù)，繪制出相應(yīng)的糧面形貌，如圖5所示。

由圖5可知，糧堆表面明顯存在凸起和凹陷區(qū)域，因此需制定平倉策略來實現(xiàn)糧面平整。先根據(jù)式（4）求解糧面平整后的高度h，然后以Z = h繪制等高面，如圖6所示。再通過比較小方塊與等高面的相對位置，從而確定峰和谷的位置。求解結(jié)果如圖7所示，其中深色區(qū)域表示峰，淺色區(qū)域表示谷。

由圖7可知，糧倉內(nèi)峰和谷的分布情況。通過計算求解獲取最大峰的坐標信息，并將其作為起始點，再利用蟻群算法進行路徑規(guī)劃，求解結(jié)果如圖8、圖9所示。

由圖8可知，機器人沿著規(guī)劃路線行進，可逐個銷毀糧倉內(nèi)的所有峰，從而實現(xiàn)糧倉的粗平操作，結(jié)果證實了規(guī)劃路線的有效性和正確性；同時根據(jù)圖9可知，本文算法迭代至18次時達到收斂，規(guī)劃路線的總距離為33.657，結(jié)果證明了規(guī)劃路徑的最優(yōu)性。

3 結(jié)語

本文介紹了糧面平整性的評價模型，該評價模型可代替人工來檢測糧面的平整狀態(tài)，有效避免糧面平整性受主觀意識影響且有利于提高糧面平整質(zhì)量，是一種比較好的判別方法；同時提出了由粗平操作和細平操作所組成的總體平糧方案，可有效地提高工作效率及平糧質(zhì)量。其中采用基于蟻群算法和多運輸調(diào)度的粗平算法及全區(qū)域“S”型細平路徑規(guī)劃算法來完成糧倉的平整工作。最后通過仿真驗證了所提出平糧方法的正確性和合理性，為實現(xiàn)糧面的快速平整提供了重要的理論支持。

參考文獻：

[1] 蔣林，劉曉磊，趙慧，等. 基于遺傳改進人工勢場法的全區(qū)域平糧機器人路徑規(guī)劃[J]. 中國農(nóng)機化學(xué)報，2015，36（5）：220-226，243.

[2] 許亞. 基于改進的人工勢能場的移動機器人路徑規(guī)劃研究[J]. 科技展望，2016，26（33）：77-78.

[3] 張?zhí)烊?，吳寶庫，周福? 面向機器人全局路徑規(guī)劃的改進蟻群算法研究[J]. 計算機工程與應(yīng)用，2022，58（1）： 282-291.

[4] 曹如月，張振乾，李世超，等.基于改進A^*算法和Bezier曲線的多機協(xié)同全局路徑規(guī)劃[J].農(nóng)業(yè)機械學(xué)報，2021，52（增刊1）：548-554.

[5] 陳冬冬. 基于三維建模的精確拋糧方法研究[D]. 成都：電子科技大學(xué)，2022.

[6] ZHANG Y W，LI H，HAN X Z. A heuristic path planning method based on the potential field using probability theory[J]. Journal of Computational and Theoretical Nanoscience，2016，13（11）：8088-8100.

[7] SONGB Y，WANG Z D，SHENG L. A new genetic algorithm approach to smooth path planning for mobile robots[J]. Assembly Automation，2016，36（2）：138-145.

[8] 楊萍，趙珍，鄭海霞. 基于改進蟻群算法的移動機器人全局路徑規(guī)劃方法研究[J]. 機械制造與自動化，2017，46（6）： 155-157，192.

收稿日期：2022-12-14