شبیه‌سازی برنامه‌ریزی مسیر بهینه آن‌لاین ماشین در مزارع مثلثی شکل با استفاده از الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه محقق اردبیلی، دانشجوی کارشناسی ارشد مکانیزاسیون

2 دانشیار گروه مهندسی بیوسیستم، دانشگاه محقق اردبیلی

چکیده

در سال­های اخیر پیشرفت و توسعه دستگاه­های هدایت خودکار در ماشین­ها، به افزایش علاقه برای برنامه­ریزی مسیر به کمک ابزارهای محاسباتی هوش مصنوعی منجر شده­است. مزارع کشاورزی دارای اشکال و طرح­های مختلف و متنوعی می­باشند. در مزارع مثلثی چون طول مسیرها در تمام مزرعه یکسان نیست، بدست آوردن الگوی مناسب حرکت نسبت به مزارعی که شکل چهار وجهی دارند، مشکل‌تر می‌باشد. هدف این پژوهش، شبیه­سازی برنامه­ریزی مسیر بهینه آن­لاین به‌منظور کاهش مسافت و زمان غیرمفید ماشین می­باشد. در این مقاله با استفاده از الگوریتم ژنتیک و نرم­افزار Matlab 2013، الگویی بهینه برای حرکت ماشین‌های کشاورزی هدایت خودکار در مزارع مثلثی شبیه­سازی، و در نهایت این الگوی بهینه در قالب نمودار با الگوهای سنتی مقایسه گردید. نتایج شبیه‌سازی نشان­ داد که الگوی بهینه با اجتناب از دور زدن­های طولانی، قادر ­است مسافت غیرمفید را تا 51 % و زمان غیرمفید را تا 54 % نسبت به الگوهای تردد مرسوم کاهش دهد.
 


کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Simulation of online optimal path planning of machinery in triangular-shaped fields using genetic algorithm

نویسندگان [English]

  • Tarahom Mesri Gundoshmian 2
  • Gholamhosein Shahgholi 2
1
2 Associate professor, Department of Biosystems, University of Mohaghegh Ardabili
چکیده [English]

In recent years, development of automatic guidance systems in machines led to exceeding enthusiasm for route planning using computational tools for artificial intelligence. Farms have different and various shapes and plans. Since the route length is not equal throughout a triangle-shaped field, it is more difficult to achieve a proper moving pattern in comparison with tetrahedral fields. The aim of this study is to simulate the optimal online route planning to reduce the unhelpful distance and time during performing the operations. In this paper, using genetic algorithms and Matlab 2013 software, an optimal model for moving unmanned farm machinery in rectangular farm simulated and finally this optimal pattern was compared with traditional patterns in the form of diagram. The simulation results showed that the optimal model with avoiding long turning methods is able to save approximately 51% in non-working distance and 54% in wasted time compared to the traditional traffic patterns.

کلیدواژه‌ها [English]

  • Genetic Algorithm
  • optimal pattern
  • auto guidance
  • non-working distance

مراجع

Bakhtiari, A.A., Navid, H. Mehri, J. Bochtis, D.D. (2011). Optimal route planning of agricultural field operations using ant colony optimization. Agricultural Engineering International: CIGR Journal, Vol.13, No.4. Manuscript No.1939.
Bochtis, D.D., Vougioukas, S.G.  Griepentrog, H.W.  Anderson. N.A. (2008). Effect of capacity constrates on the motion pattern of an autonomous orchard sprayer. In proceeding of agricultural and biosystems engineering for asustainable world, EuAgEng, Crete, Greece. 8pp.
Bryant, K . (2000) . Genetic algorithm and the traveling salesman problem.Department of Mathematics. Hervey Mudd college.
Hameed, I.A., Bochtis, D.D., Sørensen, C.G. (2011). Driving angle and track sequence optimization for operational path planning using genetic algorithms. Appl. Eng. Agric, 27 , 1077–1086.
Jeon, H.S. (2013). An efficient area maximizing coverage algorithm for intelligent robot with deadline situation. International Journal of Control and Automation. Vol.6, NO.3.
Jin, J., & Tang, L. (2010). Optimal Coverage Path Planning for Arable Farming on 2D Surfaces. Transactions of the ASABE 53(1):283-295.
Keicher, R., & Seufert, H. (2000). Automatic guidance for agricultural vehicles in Europe.Computers and Electronics in Agriculture, 25, 169–194.
Keyhani Nasab, F., Mesri Gundoshmian, T. Shahgholi, G.H. (2016). Determining the optimal route traffic patterns of machinery in rectangular farms using genetic algorithm. In: Proceedings of 10th  National Congress of Biosystems Eng. (Agr. Machinery and Mechanization), 30 -31 Aug., Ferdowsi University of Mashhad, Mashhad, Iran.
Keyhani Nasab, F., Mesri Gundoshmian, T. Shahgholi, G.H. (2016). Determining the optimal route traffic patterns of machinery in asymmetrical farms using genetic algorithm. In: Proceedings of 10th  National Congress of Biosystems Eng. (Agr. Machinery and Mechanization), 30 -31 Aug., Ferdowsi University of Mashhad, Mashhad, Iran.
Mesri Gundoshmian, T. (2016). Mechanization of agricultural industries (Strategies and approaches in biosystem industries ). University of Mohaghegh Ardabili. Ardabil, Iran.
Noguchi, N., & Terao, H. (1997). Path planning of an agricultural mobile robot by neural network and genetic Algorithm. . Journal of Computers and Electronics in agriculture, 18: 187-204.
Ryerson, A.E., & Zhang, Q. (2006). Vehicle path planning for complete field  coverage using genetic algorithms. In: Proceedings of the Automation Technology for Off-road Equipment (ATOE) , Bonn, Germany, pp. 309–317.
Sivanandam, S.N., & Deepa, S. N. (2008). Introduction to Genetic Algorithm. Publisher: Springer-Verlag. Berlin Heidelberg, Germany.
مهندسی بیوسیستم ایران
دوره 48، شماره 2
مرداد 1396
صفحه 325-332

فایل ها

سابقه مقاله

  • تاریخ دریافت: 26 مهر 1395
  • تاریخ بازنگری: 15 بهمن 1395
  • تاریخ پذیرش: 17 اسفند 1395

هم رسانی

ارجاع به این مقاله

آمار