MTA-SM:丘陵地区红花采摘中的多机路径规划与时间窗口调度联合优化方法
《Computers and Electronics in Agriculture》:MTA-SM: Multi-machine path planning and time-window scheduling joint optimization method in hilly safflower harvesting
【字体:
大
中
小
】
时间:2026年01月28日
来源:Computers and Electronics in Agriculture 10.3
编辑推荐:
杨立伟|李平|丁中硕|孙超|陈飞|郑一江|葛云中国石河子大学机电工程学院,832003石河子市摘要随着农业智能化的发展,那些采摘周期短且需根据生长规律确定最佳采摘时机的农作物机械化收割,在路径规划与多机协同调度方面面临着双重挑战。为应对丘陵地带红花收割的复杂情况,本文提出了一种多
杨立伟|李平|丁中硕|孙超|陈飞|郑一江|葛云中国石河子大学机电工程学院,832003石河子市摘要随着农业智能化的发展,那些采摘周期短且需根据生长规律确定最佳采摘时机的农作物机械化收割,在路径规划与多机协同调度方面面临着双重挑战。为应对丘陵地带红花收割的复杂情况,本文提出了一种多任务分配与调度机制(MTA-SM),旨在实现全覆盖采摘路径以及多机的时间窗口约束调度。该系统由两个主要模块组成:在路径规划方面,引入地形适应因子来改进覆盖路径规划算法,并优化收割机的转弯策略,以减少无效移动并提高作业覆盖率;在调度方面,构建了带时间窗口的车辆路径问题模型,并采用具有动态信息素更新机制的改进型蚁群优化算法,以实现多机间的协调调度,从而最小化路径冲突和空闲时间。仿真结果表明,MTA-SM系统不仅优化了单台收割机的作业路径,还显著提升了多机协同作业的效率与资源利用率,为那些采摘窗口较短的农作物机械化收割提供了实用且智能的解决方案。引言随着农业自动化的快速发展,机械化作物收割在提高生产效率和降低劳动力成本方面发挥了重要作用(Ye等人,2025)。然而,对于那些采摘周期短且成熟度取决于生长规律的农作物,自动化收割仍然面临诸多挑战(Wang等人,2025a)。以红花为例,尽管其开花期相对集中,但由于个体花朵开放时间的差异以及环境因素的影响,不同植株的最佳采摘时间窗口存在差异。在有限的采摘时间内,准确预测红花的成熟度并合理安排采摘顺序,对于确保收获质量和效率至关重要。此外,红花种植区的复杂地形要求农业机械进行绿色调度和合理的路径规划,以避免不必要的操作和遗漏,进而提高作业效率并降低能耗。在此背景下,如何将红花的生长特性与优化的路径规划及多机调度策略相结合,以推动农业可持续发展并提升收获效率和精确度,仍是一个亟待解决的难题(Liu等人,2023)。路径规划是自主农业作业中的关键问题,尤其是在丘陵地带,规划结果直接影响作业效率与资源消耗。目前的路径规划方法主要包括常规遍历法、基于图的搜索算法以及智能优化技术(Galceran & Carreras,2013)。Chen等人针对异构无人机提出了混合整数线性规划模型来优化飞行路径,并运用基于密度的聚类算法对区域进行划分,从而提高了任务分配和规划效率(Chen等人,2022)。Wang等人着眼于农业机器人在复杂动态环境中的避障问题,提出了一种改进的动态窗口算法。与传统动态窗口算法相比,他们的方法在动态避障方面的成功率超过90%,显著提升了导航的自主性和安全性(Wang等人,2025b)。Wei等人提出了一种新的轨迹规划器,用于解决农业车辆在果园等受限环境中的掉头问题(Wei等人,2025)。通过结合高效的前端算法和高性能的后端优化,他们的方法在空间有限、边界不规则以及存在静态障碍物的情况下提升了安全性和效率。Shangguan等人为自主粮食运输车设计了运动规划和导航算法,将人工势场与模糊逻辑控制相结合,以优化路径规划与避障功能(Shangguan等人,2021)。尽管取得了不少进展,但针对农业车辆的覆盖路径规划方法仍缺乏统一的开源工具和基准测试框架,这阻碍了不同算法之间的有效比较和改进。为弥补这一不足,Mier等人推出了开源的Fields2Cover框架(Mier等人,2023)。多机任务分配与调度对于提升作业效率起着至关重要的作用(Xie等人,2025)。这包括任务分配(Yang等人,2024)、路径优化(Eiffert等人,2022)以及时间调度(Guo等人,2024),但由于其NP难问题特性,寻求精确解在计算上极具挑战性。因此,以其计算效率高著称的启发式和元启发式算法便成为寻找最优或近似最优解的有效手段(Liu等人,2025)。Guo等人提出了一种协作型离散人工蜂群算法,用于解决多台除草机器人的任务分配与调度问题(Guo等人,2024)。他们的改进措施包括启发式初始化、用于避免局部最优的协作型跟随蜂策略、用于增强全局探索的动态策略列表,以及用于精细化局部利用的关键机器人邻域优化。Chen等人将以其在复杂优化问题中的全局搜索能力而闻名的模拟退火算法应用于农业机械的路径优化与调度中(Chen等人,2023)。为了提高收割机和运输车辆的效率并提升资源利用率,Li等人构建了一个多目标智能调度模型,该模型考虑了场地位置、任务数量以及作业时间窗口等约束条件(Li等人,2023)。他们运用NSGA-III算法和改进后的蚁群优化算法来实现多机协同调度与路径优化。农业机械作业中的时间窗口约束也引起了研究人员的关注。Huang等人研究了具有时间窗口约束的农业机械在多区域的成本效益调度问题(Huang等人,2023)。他们利用Voronoi图进行区域划分,并采用混合粒子群优化算法生成解决方案,有效降低了调度成本,为多区域、多机作业提供了实用的方案。Wu等人则解决了农产品配送中的多时间窗口批量交付问题(Wu等人,2022)。通过综合考虑经济成本和客户满意度,他们设计了基于时间依赖的行程时间估算方法、满意度与成本评估函数,并提出了TDSDGVRPMTW模型,该模型是通过VNS-NSGA-II算法求解的。他们的方法有效降低了配送成本,促进了能源节约,并提升了客户满意度。目前,用于自主农业机器人的联合路径规划与任务调度方法大多基于松散耦合的建模架构,这往往导致规划路径与可执行调度之间存在不一致性。在这些方法中,路径成本通常以平面距离或经验性行驶时间的形式纳入调度模型,从而导致路径几何形状、地形带来的运动约束以及调度服务时间或作业时间窗口之间缺乏物理一致性。因此,在复杂地形条件或时间窗口极为紧张的情况下,优化结果虽然理论上可行,但在实际作业中生成的路径却无法实现(Huang等人,2023,Wu等人,2022,Lu等人,2024,Wu和Fang,2025)。在丘陵地带的红花采摘场景中,这种局限性尤为明显,因为地形起伏会显著影响作业速度,且开花期较短,同时成熟度的空间分布也存在较大的异质性。为克服这些挑战,本研究提出了一种MTA-SM框架,该框架将受地形约束的覆盖路径规划所生成的路径成本与收割作业时间以及基于生物特性的时间窗口明确关联起来。由此构建了基于VRPTW的调度模型,在建模层面上实现了路径规划、作业时间与生物时间窗口之间的紧密耦合。这样的设计确保了调度解决方案、三维可执行路径以及红花采摘时间约束之间的一一对应关系,如图1所示。本研究的主要贡献如下:(1)提出了一种面向红花采摘时间窗口一致性的紧密耦合型覆盖路径规划–VRPTW建模机制。将该地形导致的速度衰减、转弯可行性以及有效工作宽度明确映射到VRPTW模型中的服务时间和可行时间窗口范围内。这种建模策略从根本上消除了传统联合调度框架中的不一致性问题,即在优化过程中时间窗口是可行的,但生成的路径在实际操作中却无法实现。(2)为丘陵地带的红花田开发了一种地形适应性覆盖路径规划模块。通过综合考虑作物行间距、田地几何形状以及坡度变化,生成了全覆盖的收割路径。此外,还设计了一种自适应的掉头策略,能够在转弯半径的限制下自动选择鱼尾形或弓形转弯方式,从而减少非生产性行驶并提高覆盖质量。同时,建立了坡度–速度–能耗的耦合模型,为VRPTW调度器提供可在现实中实现的作业时间与能耗估算值。这些改进主要是提升了调度输入的可行性和物理一致性,而非调度算法本身的搜索能力。(3)构建了一种基于启发式增强型蚁群优化的VRPTW调度模块,用于多机协同收割。考虑到路径几何形状与较短生物成熟窗口之间的强关联性,对状态转移规则、信息素更新以及局部搜索结构进行了启发式改进,以提高在时间窗口极为紧张条件下的解决方案效率与收敛质量。这些性能提升主要用于验证所提出的覆盖路径规划–VRPTW紧密耦合建模框架在不同求解器实现下的可解性与工程适用性。问题描述如图2所示,红花的自然开花周期存在明显的阶段性变化。最佳采摘窗口主要集中在第2天到第4天之间,其中在第3天采集的花蕾具有最高的药用价值。过了第4天后,花蕾会逐渐枯萎,其生物活性成分也会急剧下降,这使得采摘作业对时机要求极为严格。此外,红花大约每隔四天就能重新长出新的花蕾。丘陵地形的全覆盖路径规划方法在任务分配过程中,时间成本与路径成本密切相关。准确估算路径成本对于计算时间成本至关重要。在农业场景中,机器作业通常涉及两类路径:地块之间的转移路径以及地块内的作业路径。以下将详细介绍这两类路径的成本计算方法。时间窗口任务调度方法在丘陵农田的VRPTW应用场景中,传统的蚁群优化算法在处理农业特有的约束条件,如严格的时间窗口、坡度导致的速度变化以及车辆载重限制时,往往会出现可行解不足、收敛速度慢以及过早停滞等问题。为解决这些缺陷,本研究提出了三项针对性改进措施:(1)在状态转移规则中加入等待时间和负载因子,以提高算法生成可行解的能力。MTA-SM算法执行流程图9展示了MTA-SM框架的整体工作流程,其中覆盖路径规划模块负责生成可执行的覆盖路径,VRPTW模块负责任务调度,而协调机制则确保多机作业在时空上的可行性。本研究的主要目标是建立这种协同调度架构,而非对比不同启发式求解器的性能。在该框架内,VRPTW求解器被设计为完全实验验证该调度模型是在配备AMD Ryzen 7 5800H处理器(8核,3.2 GHz)和16 GB内存的Windows 10平台上实现的,而改进型的蚁群优化算法则是通过MATLAB运行的。为确保该算法能在实际农业作业中得到应用,通过多轮实验调整对算法参数进行了校准。最终参数设置如下:最大迭代次数=500,种群规模=50,Q0=1000,ρ0=0.45,α=1,β=5,γ=10,δ=1。收割机结论本研究提出了一种专为丘陵地区红花采摘设计的高效农业机械作业方案,成功解决了采摘窗口短、因生长规律导致的成熟度差异,以及复杂地形条件下路径规划与调度效率低等关键问题。在路径规划方面,该方法将覆盖路径规划方法与红花的行间距以及丘陵地形特征相结合,优化了收割路线,减少了……作者贡献声明杨立伟:撰写——初稿,软件,方法论。李平:撰写——初稿,软件,方法论。丁中硕:可视化,监督,形式分析。孙超:撰写——审阅与编辑,监督,方法论。陈飞:验证,资源,调查,数据整理。郑一江:验证,资源,调查,资金获取。葛云:无。利益冲突声明作者声明自己不存在任何可能影响本文研究的已知财务利益或个人关系。致谢本研究得到了新疆工业大学“青年人才培育计划科研启动项目”(2025XQYM060)、新疆红花产业发展基金、国家自然科学基金(52065057;32260430)以及新疆生产建设兵团特色作物机械化工程实验室开放研究项目(KFKT202514)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号