從這里開始看，這些工作是為了尋找更優(yōu)的路徑規(guī)劃算法做的準備，算法過程正在寫。
第1章 路徑規(guī)劃 1.評判全覆蓋算法優(yōu)劣指標： 除草機器人要實現(xiàn)其除草的功能就必須要對整個除草區(qū)域進行完全遍歷的除草，故為了指導(dǎo)除草機器人成功地完成除草任務(wù)，需要一定的評判標準來評價這種功能的好壞。鑒于除草機器人的工作環(huán)境和功能的特殊性，全區(qū)域范圍內(nèi)完全覆蓋的路徑規(guī)劃的評價標準主要有4個： 定義有效割草面積與總面積的比值為覆蓋率，Seff代表有效割草面積，Stot代表總的需要割草面積，λ代表覆蓋率。  (1)
定義實際遍歷的割草面積和有效面積的差值與有效面積的比值為重復(fù)率，其中Sact代表實際遍歷的割草面積，Seff代表有效面積，γ代表重復(fù)率，γ越小，表明算法執(zhí)行效果越好。  (2)
定義除草機器人完成整個工作區(qū)域除草工作花費時間T，T越小，表明效率越高，下文中假定每經(jīng)過一個柵格耗費1個單位的時間。 定義除草機器人完成整個工作區(qū)域除草工作所消耗的能量E，E越小，表明節(jié)能效果越好，下文中假定每經(jīng)過一個柵格消耗1個單位的能量。 定義除草機器人不改變原有既定路線為一次遍歷，重新規(guī)劃新路線，出現(xiàn)重復(fù)，則遍歷次數(shù)加1。 （1）隨機式路徑規(guī)劃 隨機式路徑是將割草機器人放置在指定區(qū)域的某一任意位置作為起點，朝著某一方向按直線或曲線的軌跡前進，當遇到工作區(qū)域的界線或障礙物時，它將以一個固定的角度（比如90o）原地旋轉(zhuǎn)，轉(zhuǎn)彎后繼續(xù)以原先的方式前進，通過上述的方式不斷重復(fù)割草，直到把整個區(qū)域完全覆蓋。 隨機式規(guī)劃在控制上相對容易，但這種方法規(guī)劃路徑具有較高的隨機性，實現(xiàn)全區(qū)域的覆蓋往往需要耗費更多的時間，消耗更多的能量，出現(xiàn)較高的重復(fù)率。故隨機式路徑規(guī)劃難以滿足低重復(fù)率、低能耗、高效的要求。 圖1 隨機式路徑規(guī)劃 （2）梨田式路徑規(guī)劃 犁田式的路徑規(guī)劃是指除草機器人從某一點出發(fā)，沿一個具體的方向以直線的形式移動。當除草過程中遇到邊界或障礙時，它就會停止前進并在當前位置先將機身旋轉(zhuǎn)90度，然后向前移動一個機身的位置，接著同樣保持原地不動再將機身旋轉(zhuǎn)90度，最后繼續(xù)向前移動。依照這個方法反復(fù)迂回，直到把整個區(qū)域都遍歷過，如圖 2 所示。 犁田式路徑規(guī)劃在控制上比較易于通過編程實現(xiàn)，相比隨機式路徑規(guī)劃，此方法具有更高的效率和更低的能量消耗。但當障礙物過多過大時，被障礙物遮擋的一側(cè)難以有效達到除草目的，致使覆蓋率會明顯降低，此時只可通過人為干預(yù)以達到正常除草目的。
圖2 梨田式路徑規(guī)劃 （3）螺旋式路徑規(guī)劃 螺旋式路徑規(guī)劃是指除草機器人在工作區(qū)域里先挨著這個區(qū)域的里面的邊界移動一周（即按螺旋“回”字方式），接著依次逐漸地以減小的形式朝這一個區(qū)域中心處移動，當除草機器人到達中心位置處的時候，就實現(xiàn)了對這個區(qū)域的完全覆蓋，如圖 3 所示。 螺旋式路徑規(guī)劃與梨田式路徑規(guī)劃具有相似的缺陷，當目標區(qū)域存在較多障礙物時，控制的復(fù)雜性上升，同時，為了更好的遍歷除草區(qū)域，重復(fù)率也會有所上升，故螺旋式路徑規(guī)劃僅適用于平整的工作區(qū)域。
圖 3 螺旋式路徑規(guī)劃 3.1 柵格地圖 柵格地圖的基本思想是把除草機器人的工作區(qū)域分割成相同的網(wǎng)格，每個網(wǎng)格都對應(yīng)著環(huán)境中一個特定的小區(qū)域，每當傳感器探知到外界環(huán)境出現(xiàn)了些許改變時，柵格地圖就會及時地更改維護。在采用這個方法對環(huán)境地圖建立模型時，對于同一個工作環(huán)境，劃分的網(wǎng)格數(shù)量愈高，網(wǎng)格就會愈小，地圖的精度就會愈高。當網(wǎng)格劃分的比較大時，精確度就會比較低，會出現(xiàn)把非障礙區(qū)錯記為障礙區(qū)的情況；當網(wǎng)格劃分的過小時，就會使得所需存儲的地圖信息比較多，以至于運算就會變得復(fù)雜。故當采用柵格法對環(huán)境地圖進行建模時，要兼顧覆蓋率和運算的復(fù)雜度來確定網(wǎng)格的大小。 3.2 沿邊學(xué)習過程 沿邊學(xué)習是指除草機器人由一個特定的地方開始沿著草坪的邊界或著與邊界緊挨著的障礙的邊界按某一特定方向轉(zhuǎn)一周，在運動的過程中實時地記錄除草機器人的位置坐標，然后通過簡單的算法就大體上獲知除草環(huán)境的輪廓及靠邊界的障礙物的分布情況，沿邊學(xué)習的方式如圖 4所示，圖中橘黃色代表的是障礙，空白部分則代表的是除草機器人需要除草的區(qū)域范圍，箭頭表示的是沿邊學(xué)習的一個方向。 圖 4 沿邊學(xué)習過程
通過沿邊學(xué)習得到工作區(qū)域具體坐標數(shù)據(jù)，據(jù)此建立工作區(qū)域數(shù)學(xué)模型如圖5所示，以除草機器人大小為標準將區(qū)域進行柵格化，每一個柵格化后的區(qū)域都有一個精準的坐標數(shù)據(jù)（Xi,Yi），將除草機器人放置到起始點（X1,Y1），除草機器人工作過程算法PREC（Precise coverage）描述如下： 1. 除草機器人初始位置（Xi,Yi），完成初始位置的除草并記錄下除草位置坐標。 2. 首先判斷除草機器人下方柵格（Xi,Yi-1），若該區(qū)域為未除草區(qū)域，則除草機器人往下運動除草；若該區(qū)域為除草完成區(qū)域或障礙區(qū)域，則判斷左側(cè)相鄰柵格，若左側(cè)柵格為未除草區(qū)域，則除草機器人往左側(cè)運動除草；若該區(qū)域為除草完成區(qū)域或障礙區(qū)域，則判斷上側(cè)相鄰柵格，即除草優(yōu)先依次為（Xi,Yi-1）、（Xi-1,Yi）、（Xi,Yi+1）、（Xi+1,Yi），移動除草后記錄完成除草的位置坐標。 3. 若與（Xi,Yi）直接相鄰的柵格區(qū)域均已經(jīng)除草完成或為障礙區(qū)域，則擴大所需判斷的搜索范圍，依次為（Xi,Yi-2）、（Xi-2,Yi）、（Xi,Yi+2）、（Xi+2,Yi），若依然沒有可除草區(qū)域，則繼續(xù)擴大搜索范圍，依次為（Xi,Yi-j）、（Xi-j,Yi）、（Xi,Yi+j）、（Xi+j,Yi），此時j≥3，直到搜索至可除草柵格，以最短路徑移動至可除草柵格，返回步驟2。 4. 進入到下一個柵格的同時記錄已經(jīng)除草的柵格坐標，重復(fù)第2，3步驟，直到遍歷完成整個工作區(qū)域。 圖 5 PREC數(shù)學(xué)模型 隨機設(shè)置工作環(huán)境為12*13的柵格區(qū)域，且在區(qū)域內(nèi)布置兩個不同形狀、不同大小的障礙區(qū)域，柵格總數(shù)為156個，其中障礙區(qū)域所占柵格面積為15個，需要除草的區(qū)域柵格個數(shù)為141個。從圖6可以看出，梨田式路徑規(guī)劃方式經(jīng)過2輪路徑再規(guī)劃，即實現(xiàn)了對整個區(qū)域的遍歷，且重復(fù)遍歷的柵格個數(shù)為10個。 圖6 梨田式路徑規(guī)劃 圖7為螺旋式路徑規(guī)劃邏輯圖，可以看出，螺旋式路徑規(guī)劃方式經(jīng)過4輪路徑再規(guī)劃，才達到對整個區(qū)域的遍歷，且重復(fù)遍歷的柵格個數(shù)為13個。說明障礙區(qū)域存在的情況下，螺旋式路徑規(guī)劃不能很好地實現(xiàn)流暢的工作過程。 圖 7 螺旋式路徑規(guī)劃 圖8位PREC路徑規(guī)劃，可以看出，PREC路徑規(guī)劃方式僅需2輪路徑再規(guī)劃，即可對整個區(qū)域?qū)崿F(xiàn)遍歷，且重復(fù)遍歷的柵格個數(shù)僅僅為3個。說明障礙區(qū)域存在的情況下，PREC路徑規(guī)劃能很好地遍歷工作區(qū)域，并有很高的工作效率。 圖 8 PREC 路徑規(guī)劃 通過對上述幾種路徑規(guī)劃邏輯圖的比較，各路徑規(guī)劃的評價指標參數(shù)如表1所示，從表中可以明顯的看出，在重復(fù)率、能量消耗、時間等方面，PECN路徑規(guī)劃方式均優(yōu)于其他幾種路徑規(guī)劃方式，尤其的，重復(fù)率相較于梨田式降低了5個百分點，相較于螺旋式降低了7.1個百分點，時間和能量消耗相較于梨田式和螺旋式分別降低了4.6和6.5個百分點。表明本文提出的PECN路徑規(guī)劃算法在實現(xiàn)智能機器人除草過程中具有顯著的優(yōu)勢，為智能除草機器人的路徑規(guī)劃注入了新鮮血液。 表 1 幾種路徑規(guī)劃比較
以上的Word格式文檔51黑下載地址：
智能割草機控制系統(tǒng).docx
(333.26 KB, 下載次數(shù): 24)
2019-8-8 17:31 上傳
點擊文件名下載附件
下載積分: 黑幣 -5
| 
QQ好友和群
QQ空間
騰訊微博
騰訊朋友
收藏
淘帖
頂
踩
