[发明专利]基于改进蚁群算法的收获机器人作业路径规划方法

权利要求书

1.基于改进蚁群算法的收获机器人作业路径规划方法，其特征在于，包括如下步骤：

步骤1、建立农田模型：

设农田的四个顶点为A、B、C和D，已知四点的坐标，解出边界的数学表达式，完成对农田的初步建模，以转弯次数最少、作业行与边界的垂直程度最大为条件确定作业方向，分别以四边形的边和对角线为作业方向，求解各自所需的转弯次数；

当以AD为作业方向时，设收获机的割幅为l_{cut_width}，则一系列平行的作业行为

其中，k_AD为AD边的斜率，b_AD为AD边的截距，i为作业行的序号；

分别求解该组平行线与四边形边界的交点，如果有两个交点，则将转弯次数加一，直到没有交点，则保留当前的转弯次数作为此作业方向的结果；

同理，再分别以AB、BC、CD、AC和BD为作业方向，求解相应的转弯次数，通过对比，转弯次数最少的作业方向即为所求，如果有多组作业方向均满足转弯次数最少，则对比作业方向与边界的夹角，由于垂直情况下转弯复杂度与转弯距离较小，所以选择夹角接近90°的作业方向，最终，求解得到每个作业行的数学表示式，完善农田模型；

步骤2、将农田全覆盖路径规划抽象为车辆路线问题，并根据不同的卸粮位置分布，建立相应的VRP模型；

步骤3、根据收获机容量、总行驶距离、满载行驶距离和卸粮位置分布约束条件，采用改进的蚁群算法设计最优的作业行遍历顺序；

步骤4、根据作业行遍历顺序和农田模型，求解各个路径的表达式，生成农田全覆盖路径，为收获机的路径跟踪提供参考。

2.根据权利要求1所述的基于改进蚁群算法的收获机器人作业路径规划方法，其特征在于，所述步骤2将农田全覆盖路径规划抽象为车辆路线问题，并根据不同的卸粮位置分布，建立相应的VRP模型，包括如下步骤：

(2.1)定义五种卸粮位置分布情况：

基于间歇式卸粮方式进行研究，且运粮车不能在农田里行驶，需停靠在路边，按照卸粮的位置和数目分为以下五种情况：

“a”：只有一个卸粮位置S₁，在作业行的首部或尾部；

“b”：只有一个卸粮位置S₁，在与作业行平行的一侧道路上；

“c”：有两个卸粮位置S₁、S₂，分别在作业行的首部、尾部；

“d”：有两个卸粮位置S₁、S₂，分别在与作业行平行的两侧道路上；

“e”：有两个卸粮位置S₁、S₂，一个在作业行的首部或尾部，一个在与作业行平行的道路上；

(2.2)建立VRP模型：

农田全覆盖路径规划是指通过规划收获机的作业路径，使其遍历整块农田，且每个作业行只经过一次，收获机的装载量不能超过其自身容量，当满载或者接近满载时，需到卸粮位置进行卸粮，设路径点集合为E，其中包括每个作业行的首端点i_up、尾端点i_down，卸粮位置S₁、S₂，每个作业行具有长度l_i和能够收获的粮食体积V_i两个属性，收获机从卸粮位置出发，通过一定顺序遍历各个作业行，最终回到卸粮位置，设收获机容量为V_granary，作业行序号为i、j，其中i,j∈[1,n_line]，卸粮点S₁到作业行首端的距离为到作业行尾端的距离为卸粮点S₂到作业行首端的距离为到作业行尾端的距离为作业行之间的转弯距离为根据五种卸粮位置分布情况，分别建立作业行与卸粮位置间的距离模型如下：

(2.2.1)收获机在作业行首端卸载：

其中，l_i为第i个作业行的长度；

(2.2.2)收获机在与作业行平行的一侧卸载：

其中，w为作业行宽度，θ_up为上边界与作业行的夹角，θ_down为下边界与作业行的夹角；

(2.2.3)收获机在作业行的首端和尾端均可卸载：

(2.2.4)收获机在与作业行平行的两侧均可卸载：

其中，n_line为作业行数目；

(2.2.5)收获机在作业行首端和左侧卸载：

作业行之间的转弯距离为为

其中，S_T为T型转弯方式的转弯距离，S_Ω为Ω型转弯方式的转弯距离，S_U为U型转弯方式的转弯距离。