CN105526929A - 一种成熟果实智能采集车 - Google Patents
一种成熟果实智能采集车 Download PDFInfo
- Publication number
- CN105526929A CN105526929A CN201510860819.XA CN201510860819A CN105526929A CN 105526929 A CN105526929 A CN 105526929A CN 201510860819 A CN201510860819 A CN 201510860819A CN 105526929 A CN105526929 A CN 105526929A
- Authority
- CN
- China
- Prior art keywords
- car
- module
- node
- destination
- sigma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种成熟果实智能采集车,其包括采集车和安装在采集车上的导航仪;导航仪具体包括信号模块、处理模块和生成模块。本发明采用优化的路径算法,考虑了采集过程中的各种成本因素,寻优效果好、求解效率高、性能稳定,增强了全局搜索能力,能最大限度地节省采集的运行成本,能起到很好的节能效果。
Description
技术领域
本发明涉及果园采集领域,具体涉及一种成熟果实智能采集车。
背景技术
现在的果园占地面积往往很大,当人们采集果实时,往往需要在不同的地方采集。由于果实采集工作的各个采集点往往散落在相互距离较远的区域,因此采集车是果实采集工作一个很重要的工具。
如何根据不同的采集目的地和到达各个目的地的要求时间来选择一条能最大限度节约采集车运行成本的路径,是一个亟需解决的问题。
发明内容
针对上述问题,本发明提供一种成熟果实智能采集车。
本发明的目的采用以下技术方案来实现:
一种成熟果实智能采集车,用于远距离多个目的地的果实采集,包括采集车和安装在采集车上的导航仪,其特征是,导航仪具体包括信号模块、处理模块和生成模块;
信号模块,用于接收用户输入的本轮次的多个采集目的地以及到达各个目的地的预计要求时间;
处理模块,用于根据本轮次的采集目的地和事先输入的地理环境信息选择最优路径,具体包括:
模拟模块:
其中,minS为采集过程中的最低成本;m为当前采集车的总数;U为目的地数量;b0为单位距离碳排放成本;ω0为碳排放系数;Ф0为空载时单位距离燃料消耗量;fij为目的地i(i=1,2,…,U)到目的地j(j=1,2,…,U)之间的距离;c为采集车的载重量;H为采集车的
最大载重量;Ф*为满载时单位距离燃料消耗量;
T1为采集车提前到达损失系数,为于时刻G提前到达目的地i时的成本损失,T2为采集车迟到损失系数,为延迟至时刻O到达目的地i时的成本损失,提前到达损失系数和迟到损失系数用于考量采集车到达每一个目的地的准点情况,T1和T2为人为设定的系数;
机会模块:假设共有R个节点,γij(t)表示t时刻节点i与节点j之间的跟踪素强度,γij(0)=K(K为数值较小的常数),采集车在运动过程中根据跟踪素强度选择转移方向,则采集车k(k=1,2,...,m)从节点i转移到节点j的概率为:
其中,g∈Ak;Ak={0,1,…,R-1}-Bk表示采集车k下一步允许选择的点的集合,随时间呈动态变化,Bk(k=1,2,…,m)为第k辆采集车的禁忌表,用来记录采集车k已采集过的点;为启发式因子,表示t时刻由节点i到节点j的期望程度,一般取ψ为信息启发式因子,μ为期望启发因子;α(i,j)为下一个目的地的时间度;为下一个目的地的时间度相对重要性;
更新模块:引入优化变量Xij(t),其满足Xij(t+1)=σX(t)[1-Xij(t)],其中σ为控制变量,得出优化的跟踪素更新规则:
γij(t+1)=(1-ζ)γij(t)+Δγij(t)+чXij(t)
其中,
Fk为第k辆采集车在本次循环中所走路径长度,I为跟踪素强度的常数,表示在本次循环中第k辆采集车在路径(i,j)上留下的跟踪素强度;ζ为跟踪素全局挥发因子,ζ∈[0,1],且ζ为根据如下公式动态调整的参数:其中ζmin是人为设定的最小值;Δγij(t)表示本次循环中所有采集车在路径(i,j)上留下的跟踪素强度的总和;ч为可调节系数;
初始模块:令迭代次数DD=0,进行参数初始化,调整各路径跟踪素;产生一个范围为[0,1]的随机数p,若p<给定常数p0,按照下式选择下一个节点j: 其中l∈Ak;否则根据机会模块中的概率公式选择下一个节点j,将j加入数组Bk中,重复直至所有的节点任务完成,得到模拟算法的初始集Si;
最优解模块:从当前的初始集中生成一组新的可行解Sj,目标值变化量ΔS=Sj-Si,若ΔS<0,则接受新的可行解Sj为最优解;否则考虑偏差的影响:r=exp(-ΔS/N(t)),其中N为随时间变化的量,若r>1,则接受Sj为最优解,否则不接受新的可行解,最优解仍为Si;
判断模块:找出最优解后,判断新的路径是否存在超载现象,若超载则重新产生可行解,若不超载则接受新可行解为最优解;当前最优解小于某一特定值时,进行跟踪素更新;如果本轮列表Bk中无数据更新,则产生一个[0,1]范围的随机数u,若e1+e2+,…,ei-1<u<e1+e2+,…,ei,则选择概率为ei的候选采集车作为下一个目标节点;
生成模块:用于输出计算出的最优路径,令迭代次数DD=DD+1,若DD<DDmax,根据跟踪素更新规则,按照公式N(t+1)=N(t).v进行清空Bk列表,其中v∈[0,1],回到初始模块,重新产生随机数p;若DD=DDmax,则输出最优解作为最优路径。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构框图。
附图标记:信号模块-1;模拟模块-3;机会模块-5;更新模块-7;初始模块-9;最优解模块-11;判断模块-13;生成模块-15。
具体实施方式
结合以下实施例对本发明作进一步描述。
如图1所示的一种成熟果实智能采集车,用于远距离多个目的地的果实采集,包括采集车和安装在采集车上的导航仪,导航仪具体包括信号模块1、处理模块和生成模块15;
信号模块1,用于接收用户输入的本轮次的多个采集目的地以及到达各个目的地的预计要求时间;
处理模块,用于根据本轮次的采集目的地和事先输入的地理环境信息选择最优路径,具体包括:
模拟模块3:
其中,minS为采集过程中的最低成本;m为当前采集车的总数,如果只有一辆采集车工作,那么m=1;U为目的地数量;b0为单位距离碳排放成本;ω0为碳排放系数;Ф0为空载时单位距离燃料消耗量;fij为目的地i(i=1,2,…,U)到目的地j(j=1,2,…,U)之间的距离;c为采集车的载重量;H为采集车的最大载重量;Ф*为满载时单位距离燃料消耗量;
T1为采集车提前到达损失系数,为于时刻G提前到达目的地i时的成本损失,T2为采集车迟到损失系数,为延迟至时刻O到达目的地i时的成本损失,提前到达损失系数和迟到损失系数用于考量采集车到达每一个目的地的准点情况,T1和T2为人为设定的系数;
机会模块5:假设共有R个节点,γij(t)表示t时刻节点i与节点j之间的跟踪素强度,γij(0)=K(K为数值较小的常数),采集车在运动过程中根据跟踪素强度选择转移方向,则采集车k(k=1,2,...,m)从节点i转移到节点j的概率为:
其中,g∈Ak;Ak={0,1,…,R-1}-Bk表示采集车k下一步允许选择的点的集合,随时间呈动态变化,Bk(k=1,2,…,m)为第k辆采集车的禁忌表,用来记录采集车k已采集过的点;为启发式因子,表示t时刻由节点i到节点j的期望程度,一般取ψ为信息启发式因子,μ为期望启发因子;α(i,j)为下一个目的地的时间度;为下一个目的地的时间度相对重要性;
更新模块7:引入优化变量Xij(t),其满足Xij(t+1)=σX(t)[1-Xij(t)],其中σ为控制变量,得出优化的跟踪素更新规则:
γij(t+1)=(1-ζ)γij(t)+Δγij(t)+чXij(t)
其中,
Fk为第k辆采集车在本次循环中所走路径长度,I为跟踪素强度的常数,表示在本次循环中第k辆采集车在路径(i,j)上留下的跟踪素强度;ζ为跟踪素全局挥发因子,ζ∈[0,1],且ζ为根据如下公式动态调整的参数:其中ζmin是人为设定的最小值;Δγij(t)表示本次循环中所有采集车在路径(i,j)上留下的跟踪素强度的总和;ч为可调节系数;
初始模块9:令迭代次数DD=0,进行参数初始化,调整各路径跟踪素;产生一个范围为[0,1]的随机数p,若p<给定常数p0,按照下式选择下一个节点j: 其中l∈Ak;否则根据机会模块5中的概率公式选择下一个节点j,将j加入数组Bk中,重复直至所有的节点任务完成,得到模拟算法的初始集Si;
最优解模块11:从当前的初始集中生成一组新的可行解Sj,目标值变化量ΔS=Sj-Si,若ΔS<0,则接受新的可行解Sj为最优解;否则考虑偏差的影响:r=exp(-ΔS/N(t)),其中N为随时间变化的量,若r>1,则接受Sj为最优解,否则不接受新的可行解,最优解仍为Si;
判断模块13:找出最优解后,判断新的路径是否存在超载现象,若超载则重新产生可行解,若不超载则接受新可行解为最优解;当前最优解小于某一特定值时,进行跟踪素更新;如果本轮列表Bk中无数据更新,则产生一个[0,1]范围的随机数u,若e1+e2+,…,ei-1<u<e1+e2+,…,ei,则选择概率为ei的候选采集车作为下一个目标节点;
生成模块15:用于输出计算出的最优路径,令迭代次数DD=DD+1,若DD<DDmax,根据跟踪素更新规则,按照公式N(t+1)=N(t).v进行清空Bk列表,其中v∈[0,1],回到初始模块9,重新产生随机数p;若DD=DDmax,则输出最优解作为最优路径。
本发明采用优化的路径算法,考虑了采集过程中的各种成本因素,寻优效果好、求解效率高、性能稳定,增强了全局搜索能力,能最大限度地节省采集的运行成本,能起到很好的节能效果。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (1)
1.一种成熟果实智能采集车,用于远距离多个目的地的果实采集,包括采集车和安装在采集车上的导航仪,其特征是,导航仪具体包括信号模块、处理模块和生成模块;
信号模块,用于接收用户输入的本轮次的多个采集目的地以及到达各个目的地的预计要求时间;
处理模块,用于根据本轮次的采集目的地和事先输入的地理环境信息选择最优路径,具体包括:
模拟模块:
其中,minS为采集过程中的最低成本;m为当前采集车的总数;U为目的地数量;b0为单位距离碳排放成本;ω0为碳排放系数;Ф0为空载时单位距离燃料消耗量;fij为目的地i(i=1,2,…,U)到目的地j(j=1,2,…,U)之间的距离;c为采集车的载重量;H为采集车的最大载重量;Ф*为满载时单位距离燃料消耗量;
T1为采集车提前到达损失系数,为于时刻G提前到达目的地i时的成本损失,T2为采集车迟到损失系数,为延迟至时刻O到达目的地i时的成本损失,提前到达损失系数和迟到损失系数用于考量采集车到达每一个目的地的准点情况,T1和T2为人为设定的系数;
机会模块:假设共有R个节点,γij(t)表示t时刻节点i与节点j之间的跟踪素强度,γij(0)=K(K为数值较小的常数),采集车在运动过程中根据跟踪素强度选择转移方向,则采集车k(k=1,2,...,m)从节点i转移到节点j的概率为:
其中,g∈Ak;Ak={0,1,…,R-1}-Bk表示采集车k下一步允许选择的点的集合,随时间呈动态变化,Bk(k=1,2,…,m)为第k辆采集车的禁忌表,用来记录采集车k已采集过的点;为启发式因子,表示t时刻由节点i到节点j的期望程度,一般取ψ为信息启发式因子,μ为期望启发因子;α(i,j)为下一个目的地的时间度;为下一个目的地的时间度相对重要性;
更新模块:引入优化变量Xij(t),其满足Xij(t+1)=σX(t)[1-Xij(t)],其中σ为控制变量,得出优化的跟踪素更新规则:
γij(t+1)=(1-ζ)γij(t)+Δγij(t)+чXij(t)
其中,
Fk为第k辆采集车在本次循环中所走路径长度,I为跟踪素强度的常数,表示在本次循环中第k辆采集车在路径(i,j)上留下的跟踪素强度;ζ为跟踪素全局挥发因子,ζ∈[0,1],且ζ为根据如下公式动态调整的参数:其中ζmin是人为设定的最小值;Δγij(t)表示本次循环中所有采集车在路径(i,j)上留下的跟踪素强度的总和;ч为可调节系数;
初始模块:令迭代次数DD=0,进行参数初始化,调整各路径跟踪素;产生一个范围为[0,1]的随机数p,若p<给定常数p0,按照下式选择下一个节点j: 其中l∈Ak;否则根据机会模块中的概率公式选择下一个节点j,将j加入数组Bk中,重复直至所有的节点任务完成,得到模拟算法的初始集Si;
最优解模块:从当前的初始集中生成一组新的可行解Sj,目标值变化量ΔS=Sj-Si,若ΔS<0,则接受新的可行解Sj为最优解;否则考虑偏差的影响:r=exp(-ΔS/N(t)),其中N为随时间变化的量,若r>1,则接受Sj为最优解,否则不接受新的可行解,最优解仍为Si;
判断模块:找出最优解后,判断新的路径是否存在超载现象,若超载则重新产生可行解,若不超载则接受新可行解为最优解;当前最优解小于某一特定值时,进行跟踪素更新;如果本轮列表Bk中无数据更新,则产生一个[0,1]范围的随机数u,若e1+e2+,…,ei-1<u<e1+e2+,…,ei,则选择概率为ei的候选采集车作为下一个目标节点;
生成模块:用于输出计算出的最优路径,令迭代次数DD=DD+1,若DD<DDmax,根据跟踪素更新规则,按照公式N(t+1)=N(t).v进行清空Bk列表,其中v∈[0,1],回到初始模块,重新产生随机数p;若DD=DDmax,则输出最优解作为最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510860819.XA CN105526929A (zh) | 2015-12-01 | 2015-12-01 | 一种成熟果实智能采集车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510860819.XA CN105526929A (zh) | 2015-12-01 | 2015-12-01 | 一种成熟果实智能采集车 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105526929A true CN105526929A (zh) | 2016-04-27 |
Family
ID=55769303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510860819.XA Pending CN105526929A (zh) | 2015-12-01 | 2015-12-01 | 一种成熟果实智能采集车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105526929A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136080A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于满意决策蚁群智能无人作战飞机自适应航路规划方法 |
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
US20120203457A1 (en) * | 2011-02-04 | 2012-08-09 | The Casey Group | Systems and methods for visualizing events together with points of interest on a map and routes there between |
CN103413209A (zh) * | 2013-07-17 | 2013-11-27 | 西南交通大学 | 多客户多仓库物流配送路径选择方法 |
CN104656667A (zh) * | 2013-11-22 | 2015-05-27 | 中国科学院地质与地球物理研究所 | 自动行走地震采集站 |
CN104700251A (zh) * | 2015-03-16 | 2015-06-10 | 华南师范大学 | 一种车辆调度问题的改进最大-最小蚁群优化方法及系统 |
CN104992242A (zh) * | 2015-07-01 | 2015-10-21 | 广东工业大学 | 一种求解带软时间窗物流运输车辆路径问题的方法 |
-
2015
- 2015-12-01 CN CN201510860819.XA patent/CN105526929A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136080A (zh) * | 2007-09-13 | 2008-03-05 | 北京航空航天大学 | 基于满意决策蚁群智能无人作战飞机自适应航路规划方法 |
US20120203457A1 (en) * | 2011-02-04 | 2012-08-09 | The Casey Group | Systems and methods for visualizing events together with points of interest on a map and routes there between |
CN102289712A (zh) * | 2011-08-10 | 2011-12-21 | 天津商业大学 | 基于鱼群蚁群算法的时间最短应急物流路径的优化方法 |
CN103413209A (zh) * | 2013-07-17 | 2013-11-27 | 西南交通大学 | 多客户多仓库物流配送路径选择方法 |
CN104656667A (zh) * | 2013-11-22 | 2015-05-27 | 中国科学院地质与地球物理研究所 | 自动行走地震采集站 |
CN104700251A (zh) * | 2015-03-16 | 2015-06-10 | 华南师范大学 | 一种车辆调度问题的改进最大-最小蚁群优化方法及系统 |
CN104992242A (zh) * | 2015-07-01 | 2015-10-21 | 广东工业大学 | 一种求解带软时间窗物流运输车辆路径问题的方法 |
Non-Patent Citations (5)
Title |
---|
于佳等: "改进蚁群算法在配电网规划中的应用", 《沈阳农业大学学报》 * |
张立毅等: "混沌扰动模拟退火蚁群算法低碳物流路径优化", 《计算机工程与应用》 * |
王会颖: "基于蚁群算法求解最大团问题", 《计算机应用与软件》 * |
赵吉东: "蚁群优化算法及其改进", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
黄震等: "一种带时间窗车辆路径问题的混合蚁群算法", 《中山大学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113316808B (zh) | 通过交通状态的时空扩展搜索空间控制交通信号 | |
CN107831685B (zh) | 一种群体机器人的控制方法和系统 | |
CN107613480B (zh) | 一种基于树状簇与移动元素的数据收集方法 | |
Harizan et al. | Evolutionary algorithms for coverage and connectivity problems in wireless sensor networks: a study | |
Butzke et al. | Planning for multi-robot exploration with multiple objective utility functions | |
CN113131985B (zh) | 一种基于信息年龄最优路径规划的多无人机数据收集方法 | |
CN105246120A (zh) | 一种数据传输时延和跳数受限的Sink节点移动路径分布式选择方法 | |
KR101859799B1 (ko) | 태양광 어레이 재구성 방법 및 차량용 태양광 시스템 | |
CN107205254A (zh) | 紧时延约束的移动sink节点接入与抗扰方法及系统 | |
CN105444774A (zh) | 一种地质采样车 | |
Pitonakova et al. | Understanding the role of recruitment in collective robot foraging | |
CN105526929A (zh) | 一种成熟果实智能采集车 | |
CN109640359B (zh) | 一种无线传感器网络通信负载均衡方法 | |
CN107493335A (zh) | 一种用于精准农业的农作物监测系统 | |
CN105425796A (zh) | 一种风力发电场巡检车 | |
CN105279583A (zh) | 一种快递包裹收取系统 | |
CN113625772B (zh) | 一种影子跟随的多无人机区域覆盖路径规划方法 | |
CN105571601A (zh) | 一种远距离电力设备巡逻车 | |
Pandiyaraju et al. | An optimal energy utilization model for precision agriculture in WSNs using multi-objective clustering and deep learning | |
CN105512757A (zh) | 一种水利发电站点检系统 | |
CN105550764A (zh) | 一种户外广告点巡查系统 | |
CN105427399A (zh) | 一种建筑物多点巡检系统 | |
CN105512841A (zh) | 一种多点物料输送系统 | |
CN105512756A (zh) | 一种应急物资配送系统 | |
CN105302144A (zh) | 一种变电站智能巡查车 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160427 |
|
RJ01 | Rejection of invention patent application after publication |