基于英語文本遙控的采摘集群機器人系統設計

趙 宏

(吉林師范大學，吉林 四平 136000)

0 引言

云計算是一種新的商業計算模型和服務模式，是分布式計算、并行計算、效用計算、網絡存儲、虛擬化及負載均衡等傳統計算機和網絡技術發展融合的產物。并行計算是指同時使用多種計算資源解決計算問題的過程，是提高計算機系統計算速度和處理能力的一種有效手段。隨著云計算和并行計算技術的發展，機器人的集群控制成為可能，如果將機器人集群控制引入到采摘機器人的控制系統中，通過批量采摘機器人的作業控制，并采用基于英語文本遙控的編程技術，將大大提高采摘機器人的作業效率，提高作業質量。

1 英語文本程序遙控和采摘機器人集群系統

英語文本程序是機器人遙控程序中最常用的編程符號，特別是一些英文縮寫，如RF表示射頻，RLC表示在無線遙控系統鏈路中鏈路層的協議，RS一般表示遙感。英語文本在很多控制場合可以作為程序開發語言，特別是英語簡寫，占用內存小，容易實現，如一組PLC程序如下：

LPP

TON T37, 30

LDN Q0.4

TON T60, 30

LD I0.0

利用英語文本程序可以直接對程序中對應的名稱進行定義，然后通過編程對各個功能部位進行控制，以黃瓜采摘機器人為例，圖1為中國農業大學研制的一款黃瓜采摘機器人。

圖1 黃瓜采摘機器人Fig.1 The cucumber picking robot

利用編程技術可以實現黃瓜采摘機器人遠程和自動化控制，而程序采用英文文本編寫，可以占用更少的內存，提高采摘機器人的控制效率，其控制過程如圖2所示。英語文本程序包括英語縮寫和功能代碼，可以實現采摘機器人采摘作業的控制。在采摘機器人實際作業時，如果采用采摘機器人集群的方式，可以大大提高采摘機器人的作業效率。本研究將采用蟻群算法和英語文本編程的方式，測試該設計方案的可行性。

圖2 基于英語文本的采摘機器人控制流程Fig.2 The control flow of picking robot based on English text

2 基于蟻群算法優化的采摘機器人集群系統

蟻群算法利用自適應反饋調節可以找到搜索目標的最佳路徑；此外，蟻群算法還有另外的一些功能，如避開障礙物的能力和對環境的適應能力，即當螞蟻的巢穴和食物之間存在障礙物時，螞蟻群體可以順利地避開障礙物，找到距離食物的最佳距離。在搜索過程中需要借助于多目標優化策略，從而實現群體的最優行為，其行為示意圖如圖3所示。

螞蟻算法原理較為簡單，主要是根據大量螞蟻留下的信息素，選擇避開障礙物又到實物最近的距離，其過程如圖4所示。

圖3 螞蟻群體避障行為Fig.3 The avoiding obstacle behavior of ant colony

圖4 蟻群算法基本流程圖Fig.4 The basic flow chart of ant colony algorithm

該算法是基于自然中蟻群的覓食過程，路徑選擇具有隨機性，每個螞蟻在算法中獨立存在，在進行算法優化時具有并行行為，因此在一定程度上要優于其他一些算法。

在螞蟻尋找食物的過程中，距離食物最近的螞蟻的信息元素多，評價算法效果的好壞可以用適應度函數來表示，如違背函數和資源利用函數。SLA違背函數為

(1)

其中，uCPU表示物理結點的CPU利用率，可以通過改變該值的門限值90%，降低違背率。當超過門限值時，fSLA會迅速地下降，該值越低，CPU的利用率越低，越不利于蟻群算法的實現。另外一個函數是資源利用函數，即

fresource(uCPU,umem,ubw)=uCPU·umem·ubw

(2)

其中，uCPU、umem、ubw表示物理結點上CPU、內存和網絡帶寬的利用率。資源利用函數反映了蟻群算法實現過程中各種資源的利用率，該值越大，說明越有利于蟻群算法的實現。蟻群算法在實現時，每只螞蟻在完成一次循環后會形成信息素軌跡，信息素的濃度會影響螞蟻的搜索路徑。在搜索初期，信息素的濃度是相同的，在每次循環以后，在最優搜索路徑上對信息素進行更新和加強，其更新的規則為

(3)

(4)

其中，allowedk=(1,2，…,n)-tabuk表示螞蟻k下一次允許選擇的虛擬機；α是信息啟發式因子；β是能見度啟發式因子；γiu是虛擬機i上的信息素強度；ηiu為能見度因數，其表達式為

(5)

其中，rCPU、rmem、rbw分別為虛擬機i請求的CPU、內存和網絡帶寬占主機結點u上相應資源的比例；ηiu為螞蟻搜索虛擬機i的啟發程度。為了提高計算資源的利用，提高采摘機器人群的控制效率，可以采用并行控制策略，發揮蟻群算法的集群控制效果。蟻群算法是典型的并行控制策略，在下節中，將采用英文文本編程的方法實現該算法，并對其控制效果進行測試。

3 基于英語文本程序控制的采摘機器人集群控制測試

為了驗證蟻群算法在采摘機器人集群控制中的作用，本次采用文本編程的方法，將蟻群算法嵌入到采摘機器人集群控制系統中。為了簡化實驗，將采摘機器人以載體部分代替，對采摘機器人的群體避障行為進行實驗，如圖5所示。

圖5 采摘機器人集群控制實驗Fig.5 The cluster control experiment of picking robot

在實驗室人為設置了一些障礙物，對采摘機器人群體的避障行為進行了測試，通過測試得到了如圖6所示的測試結果。

圖6 采摘機器人群避礙物測試Fig.6 The crowd obstacle avoidance test of picking machine

由測試結果可以看出：采用蟻群算法可以成功地實現采摘機器人群體的避障行為，且可以搜索得到最佳路徑。表1表示對不同數目的采摘機器人進行測試得到的測試結果。

由測試結果可以看出：隨著采摘機器人數目的增多，其集群的避障效果和最優路徑的搜索準確率也保持較高的水平，從而驗證了算法的可靠性。

表2為對采摘機器人集群的計算時間和計算效率進行了測試的結果。測試結果表明：蟻群算法并行計算時間比串行計算時間效率更高，更節省時間，蟻群算法是一種有效和可靠的采摘機器人集群控制算法。

表1 采摘機器人群避障行為測試Table 1 The obstacle avoidance behavior test of picking machines

表2 采摘機器人群計算機時間和效率測試Table 2 The computer time and efficiency tests of crowds picking machines

4 結論

基于英語文本編程和蟻群算法，設計了一種適用于多采摘機器人控制的群體控制算法，并利用多目標優化算法對采摘機器人的路徑搜索算法進行了設計。為了驗證方案的可行性，以多采摘機器人控制系統為測試對象，對多采摘機器人的避障行為和算法效率進行了測試。測試結果表明：隨著采摘機器人數目的增多，其集群的避障效果和最優路徑的搜索準確率也能保持較高的水平。蟻群算法并行計算時間比串行計算時間效率更高，更節省時間，從而驗證了算法的可行性和可靠性，為采摘機器人集群控制系統的研究提供了較有價值的參考。