【技术实现步骤摘要】
本专利技术涉及路径规划，具体是指一种农机作业路径规划方法及系统。
技术介绍
1、农机作业路径规划方法是基于机器学习和自主导航技术的应用之一，旨在优化农机在农田或农作物中的行走路径，提高农田作业效率和减少资源浪费；但是一般农机路径规划方法存在鲁棒性差，路径搜素不精准以及避障能力欠缺的问题；一般搜索方法存在欠缺搜索多样性、无法实现局部搜索和全局搜索的平衡从而导致搜索准确性差的问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了一种农机作业路径规划方法及系统，针对一般农机路径规划方法存在鲁棒性差，路径搜素不精准以及避障能力欠缺的问题，本方案将根据不同神经网络空间作为农机运动空间，通过不断地优化外部输入和神经元之间的连接权重，基于神经网络对路径搜索实现并行化处理和自适应调整，以达到路径规划的精准性和提高避障性能；针对一般搜索方法存在欠缺搜索多样性、无法实现局部搜索和全局搜索的平衡从而导致搜索准确性差的问题，本方案基于个体适应度值、全局适应度值和个体历史适应度值设计自适应惯性权重，从而设计自适应参数位置移动策略，实现搜索算法的高效精准。
2、本专利技术采取的技术方案如下：本专利技术提供的一种农机作业路径规划方法，该方法包括以下步骤：
3、步骤s1：数据采集；
4、步骤s2：数据预处理；
5、步骤s3：预定义；
6、步骤s4：路径生成；
7、步骤s5：参数搜索。
8、进一步地，在步骤s
9、进一步地，在步骤s2中，所述数据预处理是对采集的数据进行数据清洗、数据转化、数据标准化和数据平滑处理。
10、进一步地，在步骤s3中，所述预定义具体包括以下步骤：
11、步骤s31：确定农机形状特征，使用39×39的矩阵来描述t形农机的形状特征，其中每个元素代表一个神经元；神经元的值表示农机所占据的位置和自由空间中的位置；农机的前进方向离散为24个方向，通过矩阵旋转建立24个标记为wθ的神经元矩阵，分别对应不同的前进角度；农机的形状与核矩阵的维数对应；
12、步骤s32：建立神经网络空间，通过连接神经活动，以创建一个稳定的三维活动空间；神经元之间的连接表示农机的运动；基本的运动形式包括前进、后退、向左转和向右转；神经网络中的每个神经元代表了一种特定的农机运动；通过调节连接权重控制神经元之间的相互作用；
13、步骤s33：定义农机状态，用三维向量r=（m，n，θ）来表示农机的状态，其中r是神经元，m和n分别是农机的水平位置和垂直位置，θ是农机的运动方向；建立一个三维神经网络；神经元之间的连接反映了农机的运动，农机的运动分为向前移动、向后移动、向左转和向右转四种基本形式；因此在网络中，给定一个神经元，它与其相邻神经元有四种局部连接；农机的运动是可逆的，连接是双向的；
14、步骤s34：定义神经元的状态，根据农机是否与障碍物碰撞，神经元的状态分为两种情况：自由和障碍物；神经元的状态取决于农机的位置、形状、方向和周围的障碍物；
15、步骤s35：加入卷积操作，将从网络中提取农机的形状特征转化为识别网络中神经元的状态；加入卷积计算用于识别神经元的状态，即自由或障碍物；通过在神经网络上进行卷积操作，提取农机形状特征并转化为神经元状态的识别；农机根据神经网络中神经元的状态来避免与障碍物的碰撞；
16、步骤s36：定义激活函数，所用公式如下：
17、；
18、式中，f(·)是激活函数，x是输入。
19、进一步地，在步骤s4中，所述路径生成具体包括以下步骤：
20、步骤s41：输出特征映射，神经网络空间以kernel矩阵作为滤波器，表示如下：
21、；
22、式中，是表示输出特征映射中第(m，n)个神经元的值，θ是当前农机的方向；sp，q是神经网络中位置为(p，q)的神经元的状态，若是障碍物则值为1，否则为0；wθ是kernel矩阵，用于对输入数据进行卷积运算提取特征；是卷积操作，b是偏置；
23、步骤s42：定义外部输入，表示如下：
24、；
25、式中，ii是外部输入，tas是目标状态，obs是障碍状态，otherwise是其他状态，e是外部刺激的强度；
26、步骤s43：定义兴奋性输入，表示如下：
27、；
28、式中，是兴奋性输入；[·]+定义为[a]+=max{a，0}，a是定义用参数；ωij是相邻神经元j到当前神经元i的连接权重，由于农机的平移和旋转是可逆的，权重ωij是对称的，即ωij=ωji；j是相邻神经元的索引，k是相邻神经元的总数，ii和ij是不同神经元的外部输入；
29、步骤s44：定义抑制性输入，抑制性输入<msubsup><mi>s</mi><mi>i</mi><mi>-</mi></msubsup><mi>=</mi><msup><mrow><mi>[</mi><msub><mi>i</mi><mi>i</mi></msub><mi>]</mi></mrow><mi>-</mi></msup>仅来自障碍状态，即仅当输入ii小于等于零，表明当前状态为障碍状态时，才会对变量xi产生抑制性影响；
30、步骤s45：定义路径生成算法，连接权重ωij=(ωi1，ωi2，ωi3，ωi4)分别决定农机向前移动、右转、向后移动和左转的活动强度；通过神经元模型对外部输入进行感知，并根据输入的强度和连接权重来调整神经元的活动，通过调整神经元的活动，农机根据环境的变化实现路径规划和避障，路径生成算法如下所示；
31、；
32、式中，a是控制对输入响应程度的参数，b是偏置项，d是额外偏移量；xi是神经元的活动，t是时间步长，zi和zj是不同神经元的输入影响项；[·]-定义为[a]-=max{-a，0}；
33、步骤s46：路径生成，通过卷积计算和阈值设定，将农机与障碍物的碰撞情况转化为神经元的状态表示，将目标状态和障碍状态的神经元作为神经网络的兴奋性和抑制性输入；基于内部神经连接的定义，生成的神经网络活动空间确保目标状态的神经元保持在峰值处，从而能够全局吸引农机朝向目标状态；同时，保证障碍状态的神经元保持在谷底，以避免碰撞；通过依次选择具有最大活动强度的相邻神经元，生成一条从起本文档来自技高网...
【技术保护点】
1.一种农机作业路径规划方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种农机作业路径规划方法，其特征在于：在步骤S5中，所述参数搜索具体包括以下步骤：
3.根据权利要求1所述的一种农机作业路径规划方法，其特征在于：在步骤S3中，所述预定义具体包括以下步骤：
4.根据权利要求1所述的一种农机作业路径规划方法，其特征在于：在步骤S1中，所述数据采集是采集位置信息、地形信息、障碍物信息和农田信息；所述位置信息包括起始点和目标点的位置；所述障碍物信息包括障碍物的形状、尺寸和位置；所述农田信息包括农田的位置和形状。
5.根据权利要求1所述的一种农机作业路径规划方法，其特征在于：在步骤S2中，所述数据预处理是对采集的数据进行数据清洗、数据转化、数据标准化和数据平滑处理。
6.一种农机作业路径规划系统，用于实现如权利要求1-5中任一项所述的一种农机作业路径规划方法，其特征在于：包括数据采集模块、数据预处理模块、预定义模块、路径生成模块和参数搜索模块。
7.根据权利要求6所述的一种农机作业路径规划系统，其
...【技术特征摘要】
1.一种农机作业路径规划方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种农机作业路径规划方法，其特征在于：在步骤s5中，所述参数搜索具体包括以下步骤：
3.根据权利要求1所述的一种农机作业路径规划方法，其特征在于：在步骤s3中，所述预定义具体包括以下步骤：
4.根据权利要求1所述的一种农机作业路径规划方法，其特征在于：在步骤s1中，所述数据采集是采集位置信息、地形信息、障碍物信息和农田信息；所述位置信息包括起始点和目标点的位置；所述障碍物信息...
【专利技术属性】
技术研发人员：陶伟，潘嗣南，磨键琨，贾士伟，
申请(专利权)人：博创联动科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。