收藏 分销(赏)

基于AGV的集约化智能投喂装备.pdf

上传人:自信****多点 文档编号:628432 上传时间:2024-01-18 格式:PDF 页数:4 大小:2.51MB
下载 相关 举报
基于AGV的集约化智能投喂装备.pdf_第1页
第1页 / 共4页
基于AGV的集约化智能投喂装备.pdf_第2页
第2页 / 共4页
基于AGV的集约化智能投喂装备.pdf_第3页
第3页 / 共4页
亲,该文档总共4页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

1、2023 年 25 期众创空间科技创新与应用Technology Innovation and Application基于 AGV 的集约化智能投喂装备刘建杰,劳睿腾,阮振荣,张志坚,张京玲*(五邑大学 智能制造学部,广东 江门 529020)现今,水产养殖业存在规模化难,人力成本高的现状。大多数的规模化养殖场仍处于半人工型,并且大多单凭经验或者局部观察去解决养殖问题。半人工的饲料投喂,需要在每个养殖塘独立设置送料仓、储存仓,大幅提高了成本。循环水养殖系统方式需要大量的电气设备去维持理想的高密度养殖环境,带来巨大的装备、电力费用,规模化后需要建设多片的粮仓,导致成本、风险大幅度提高。本文将以工

2、业 4.0 的标准围绕着智慧养殖、高密度规模化生产,针对水产养殖业难以工业化和规模化、经济增长缓慢的问题,以投喂装备作为切入点打造现代渔业智能工厂,设计一种基于自动导引运输车(AGV)集约化小车自主导航到投喂点进行自主对接下料,以及配套的送料传动装备,能够实现全过程智能投喂的系统。1系统总览目前,国内外的智慧水产养殖针对问题单一,缺乏系统设计,但是其共同目的是通过“机器换人”的理念,实现精准养殖、彻底解放人力,实现绿色可持续水产养殖。本文在已有的循环水养殖系统的基础上,通过集装箱投喂小车、饲料精准输运投喂系统、数字孪生云平台构建无人规模化高密度养殖系统。其系统架构、概念图如图 1 所示。图 1

3、系统框架图本系统的主要流程为,通过云平台界面预先设置的投喂任务,系统将调度空闲的集装箱投喂小车自主导航移动到指定的信号点,小车到达目标地后,通过视觉引导前往管道对接口下方二维码附近,解算对接口附近的 AR 二维码姿态信息,结合小车自身姿态信息,基金项目:2023 年广东省“攀登计划”大学生创新培育专项资金项目(pdjh2023a0524);2022 年广东省大学生创新创业项目(202211349045X);2022 年广东省大学生创新创业项目(202211349013)*通信作者院张京玲(1978-),女,硕士,讲师。研究方向为信号处理和控制。摘要:现今渔业工业化养殖存在着规模化与机械化率低、

4、人工成本高等主要问题。因此,在该文中,提出一种现代渔业集约化智能投喂装备,基于集装箱 AGV 小车自主导航进行移动式投喂,到达导航点后,通过解算 AR 二维码姿态信息,进行高精度投喂口对接,通过一对多的无人投喂方式有效解决工业化养殖下效率低、成本高、周期长的问题,具有一定的市场应用价值。关键词:集装箱 AGV;集约化智能投喂;自主对接;AR 二维码;局部路径规划中图分类号院TP319文献标志码院A文章编号院2095-2945渊2023冤25-0050-04Abstract:At present,there are some main problems in fishery industrial

5、 culture,such as large-scale,low mechanization rateand high labor cost.Therefore,in this paper,a kind of modern fishery intensive intelligent feeding equipment is proposed,whichcarries out mobile feeding based on the autonomous navigation of container AGV trolley.After arriving at the navigation poi

6、nt,thehigh-precision feeding port docking is carried out by solving the attitude information of AR QR code.Through this pair ofunmanned feeding mode,it can effectively solve the problems of low efficiency,high cost and long cycle in industrial farming,andhas a certain market application value.Keywor

7、ds:container AGV;intensive intelligent feeding;autonomous docking;AR QR code;local path planning 无人养殖系统集装箱投喂小车精准输运投喂系统云平台投喂控制饵料输送管道对接自主导航搅拌传输硬件交互投喂决策数据分析投喂控制投喂计量客户端饵料输送DOI:10.19981/j.CN23-1581/G3.2023.25.01250-众创空间科技创新与应用Technology Innovation and Application2023 年 25 期进行管道口的自主对接,成功后小车内部计量饲料,混合搅拌过后通过

8、鼓风机进行吹送至送料仓。当饵料送到管道时,通过管道内置的赛盘链条进行运输,当饵料运输到投喂智能盒时,打开上阀口使饵料进行内部的计量称重,到达一定量时进行释放,利用斜坡进行大面积投喂。系统场景示意图如图 2 所示。图 2系统场景示意图2系统设计2.1集装箱投喂小车集装箱投喂小车主要由饲料仓、搅拌仓、送料管道和控制系统组成,具有投喂、地图构建、自主导航和多模态控制等核心功能。集装箱投喂小车大体机械结构设计及实物图如图 3 所示。图 3集装箱小车内部机械结构渊左冤及实物图渊右冤集装箱投喂小车通过接收云端命令,根据所要到达的鱼塘管道位置,通过全球导航卫星系统差分实时定位技术(GNSS-RTK)获取当前

9、位置信息,结合惯导以及激光雷达环境信息进行即时定位与地图构建(SLAM)融合定位,组成车体感知定位系统,基于 A*全局规划与基于深度确定性策略梯度算法(DDPG)的局部规划实现整体的路径规划,进行室外高精度定点定位巡航,使小车准确移动到指定位置。如图 4 所示。图 4集装箱小车以指定姿态导航到达投喂点2.2基于 DDPG 的无碰撞路径规划传统的局部路径规划算法,面对越来越复杂的生产环境,存在着路径规划收敛慢,规划路径不平滑等问题。因此,本系统将基于一种深度确定性的策略梯度算法(DDPG)作为 AGV 集装箱小车的局部路径规划器,在复杂的环境中,能够不断进行深度强化学习。其结构图如图 5 所示。

10、图 5集装箱投喂小车主要硬件框图2.2.1Q-learning 强化学习算子Q-learning 是一种迭代更新学习方法,其是一种模型自由学习算法,在没有任何环境先验知识的情况下,通过价值函数逼近目标函数。学习的更新迭代采用以下形式 Q*Q(s,a)=Q(s,a)+琢(r s,a蓸蔀+酌maxa忆缀AQ s忆,a忆蓸蔀-Q(s,a),式中:r 是在状态 s 下采取行动 a 时的收益,s 是下一个状态,a 是学习率表示学习新知识的程度,取 0 到 1之间,a 是在下一个状态 s 下具有最大 Q 值的动作;酌 是折现率,表示考虑未来收益的程度,取 0 到 1之间。饲料运输系统饲料仓及控制系统集装箱

11、饲料送料仓/回收仓循环水系统饲料投喂口鱼池 EnvironmentasActoroptimizercurrent worktarget networkCriticoptimizercurrent worktarget networkExperiencePool51-2023 年 25 期众创空间科技创新与应用Technology Innovation and Application2.2.2运动状态空间设计对机器人环境状态空间进行离散化处理。环境模型由机器人、目标点和障碍物组成,状态定义为s=(Rg,砸园员,砸园圆,砸园猿,砸园源)。描述了机器人要到达的目标点的方向,以及机器人前方障碍物的分布

12、。兹 为导航目标点与 AGV 前进方向的夹角。2.2.3收益函数设计收益函数是对机器人在其状态下采取的行动的估计,表明该行动在给定状态下的好坏。如果收益函数是连续的,即收益值在训练过程中始终存在,则算法可以有效地利用这些信息进行连续学习。因此,根据本AGV 两轮差速小车进行收益函数的确立。2.2.4实现方法依靠激光雷达获取的距离信息、AGV 与检测点的距离及机器人的动作历史,利用神经网络对机器人左右轮的角速度进行决策。检查机器人,构建神经网络的输入输出映射,并利用连续的奖励函数来评估机器人的每个动作,如图 6 所示。根据高评价改变神经网络内部的权重,诱导机器人同时实现检测点穿越和避障的目标。图

13、 6路径规划实现方法2.3基于 AR 二维码的自主对接达到投喂点后,小车通过视觉引导进行管道口追踪校准,移动到管口附近时寻找 AR 二维码,扫描成功后,根据其姿态信息,在相机坐标系下,利用其信息获取 AR 二维码的相对坐标,辅助矫正车体在地图坐标系下的位置信息进行重定位,如图 7 所示。图 7小车扫描 AR 二维码获取姿态信息矫正姿态后,由于远距离解算 AR 二维码姿态信息会存在抖动现象,影响车体的自主对接精度。因此,在本应用场景中,在矫正车体姿态后,会获取 15 000条AR 二维码姿态信息抖动消除,根据晃动的规律以及数据,发现其位置不动,但存在着左右晃动,数据上下浮动不大的情况。因此,采用

14、平均值进行消除,根据消除抖动后的姿态信息与相机的深度图数据解算小车所在位置及到达投喂口的路径规划,使其精准按照特定姿态到达投喂口,精度能够达到亚厘米级,符合多种应用场景。小车导航到 AR 二维码附近后,在相机坐标系下,通过 ar_track_alvar 解算 AR 二维码姿态信息,设 AR二维码的坐标为(xtag,ytag,ztag)。首先,小车通过旋转 兹car,使深度相机正对 AR 二维码,再记录现今 AR 二维码的姿态信息(xgoal,ygoal,zgoal),四元数为(q0,q1,q2,q3)。兹car=atan2(y,x)。其次,通过将四元素(q0,q1,q2,q3)转换成欧拉角准,

15、兹,渍T,获得小车围绕 z 轴旋转角度 渍,使小车姿态与 AR 二维码水平。最后,小车前进 xgoal,再向 AR 二维码 x 轴方向旋12525225803801304130180518013061308078025gRqqqqqqq。AgentAgentEnvironmentEnvironment RewardRewardRtRtStateStateStStActionActionAtAt 准兹鬃杉删山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫越arctan2(q0q1+q2q3)q20-q21-q22+q23arcsin 2(q0q2-q1q3)蓘蓡arctan2(q0q3+q1q2)q

16、20-q21-q22-q23杉删山山山山山山山山山山山山山山山山山山山煽闪衫衫衫衫衫衫衫衫衫衫衫衫衫衫衫衫衫衫衫。reawincolcol-00-o,11r tttr ortr-tr-trrdtdr s ardtddtc dtdtdth 。52-众创空间科技创新与应用Technology Innovation and Application2023 年 25 期转 90毅,使得相机坐标系的 x 轴与 AR 二维码姿态信息的 x 轴正对,车体根据自身情况,在相机坐标系下通过实时识别的 AR 二维码坐标信息(xnow,ynow,znow),前进时调节 xnow的大小使其车体下料口正对管道对接口。如

17、图 8 所示。图 8小车自主对接对接成功后,小车内部的投料控制系统开始工作,储料仓通过爬坡螺杆采用螺旋推进式动力装置,计算蜗杆旋转一圈出料的重量从而实现整个出料的计量。考虑到实际运用场景,需要混合饲料故先设立 2个储料仓,小车内并配备了空气温湿度控制系统保证饵料的存储环境,当计量完成后送入搅拌仓内进行搅拌。当搅拌成功后,关闭下方球阀,准备通过风机输送到送料仓。3结束语本文针对现有 RAS 系统存在着投喂装备落后,以投食机、鼓风机为代表的机械设备不能够满足规模化后的需求,导致养殖业仍以人力为主导,以及饲料利用率低、极高的运营成本、难以成规模化发展等问题,提出设计理念,并搭建出实验可运行场景,构建

18、一套智能投喂系统。以一种集约化移动式投喂系统解决规模化养殖的储料成本问题。随着生产规模的扩大,投喂设备成本将大幅下降。通过饵料输运系统解决饵料量化及传输问题。通过构建数字孪生平台,利用数据模拟真实设备推理现实环境,推理其最大养殖密度实现经济效益最大化。通过大量的实验,集装箱投喂小车能够精准地到达投喂口指定位置并进行自主管道对接下料,其间小车内部的送料装置能够进行前端计量以及出料,分布在养殖塘的饵料输运系统能够高速进行运作并且精准计量下料,相较人工投喂效率更高,投喂质量准确度更高更符合工业化管理,规模化后成本更低。相对于传统投喂装备,其效率更高,无需人工现场操作更加智能化。本系统为以循环水养殖的

19、工业场景提供了一种新的实践思路,并通过实验验证了其可行性。参考文献院1 SARA K,C.A.V W,LUIS R.Dynamic modeling of recircu原lating aquaculture systems:Effect of management strategiesand water quality parameters on fish performanceJ.Aqua原cultural Engineering,2022(99):102294.2 董兴国,景红军,李令国,等.循环水处理系统对规模化水产养殖的影响评价J.农学学报,2020,10(9):60-65.3 NE

20、SAR A,晕耘杂粤砸粤,酝援 郧 栽援 砸藻糟蚤则糟怎造葬贼蚤灶早 葬择怎葬糟怎造贼怎则藻泽赠泽贼藻皂泽(砸粤杂):Environmental solution and climate changeadaptationJ.Journal of Cleaner Production,2021(297):126604.4 BADIOLA M,BASURKO O C,PIEDRAHITA R,et al.En原ergy use in Recirculating Aquaculture Systems(RAS):A re原viewJ.Aquacultural Engineering,2018(81)

21、:57-70.5 SAMWEL M M,N.R M,LARS-FLEMMING P,et al.Evalu原ation of biofilter performance with alternative local biomediain pilot scale recirculating aquaculture systemsJ.Journal ofCleaner Production,2022,366(15):132929.6 AICHN,NAMAS,BISWALA,et al.A review on re原circulating aquaculture systems:challenges

22、 and opportunitiesfor sustainable aquacultureJ援蚤灶灶燥枣葬则皂,圆园圆员,缘(员):园员苑原园圆源援7 HAMMER H S.Recirculating aquaculture systems(砸粤杂)枣燥则zebrafish culture-sciencedirectJ.The Zebrafish in BiomedicalResearch,2020:337-356.8 KRISTINA B,G J P H,SARA H,et al.Recirculating aqua原culture is possible without major ene

23、rgy tradeoff:Life cycleassessment of warmwater fish farming in sweden.J.Environ原mental science&technology,2020,5源(圆源):16062-16070.9 WANG C,LI Z,WANG T,et al.Intelligent fish farm-thefuture of aquacultureJ.Aquaculture International,2021(29):2681-2711.10 HUI G,PENG W,CUI N,et al.Efficient Path Planning forMobile Robot Based on Deep Deterministic Policy GradientJ.Sensors,2园圆圆,圆圆(怨):猿缘苑怨.53-

展开阅读全文
相似文档                                   自信AI助手自信AI助手
猜你喜欢                                   自信AI导航自信AI导航
搜索标签

当前位置:首页 > 学术论文 > 论文指导/设计

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        获赠5币

©2010-2024 宁波自信网络信息技术有限公司  版权所有

客服电话:4008-655-100  投诉/维权电话:4009-655-100

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :gzh.png    weibo.png    LOFTER.png 

客服