基于AGV的设施农业物流递阶智能控制系统设计

摘 要：为了提升农业物流控制系统的可靠性，实现农业物流递阶的合理调度，设计一种基于无人搬运车（Automated Guided Vehicle，AGV）的设施农业物流递阶智能控制系统。该系统选用STM32F407单片机作为主控芯片，采用DHT90数字温湿度传感器采集农业生产环境信息。该系统通过确定AGV开环传递函数，利用自适应律调节控制器的参数，引入A-STAR算法规划设施农业物流运输路径。采用栅格地图模型测试该系统的控制性能，结果表明：基于AGV的设施农业物流递阶智能控制系统在规划AGV作业路径时可以优化路径的转折次数及控制过程中的节点遍历数量，可以有效提升农业物流递阶调度的合理性。

关键词：无人搬运车；设施农业；物流；递阶智能控制系统

中图分类号：F724；TP301 文献标志码：A 文章编号：1674-7909（2023）07-155-4

0 引言

无人搬运车（Automated Guided Vehicle，AGV）的应用能够有效提升我国农业生产效率，但对其进行调度及控制存在一定的难度。当多个AGV同时作业时，时常出现路径拥堵、冲突等状况，在一定程度上限制了其应用［1］。为此，笔者针对设施农业物流递阶智能控制系统的设计展开深入探讨，以期助力我国农业发展。

1 设施农业物流递阶智能控制系统作业流程

为了实现设施农业物流运输自动化，笔者设计了一种基于AGV的设施农业物流递阶智能控制系统。该系统总体结构如图1所示。基于AGV的设施农业物流递阶智能控制系统主要分为3个层次，每个层次分别完成不同规模的任务，并且任务规模由下至上呈递增趋势［2］。当用户对控制系统下达任务请求时，任务规划层接收到请求进行设施农业物流运输任务规划，并将规划好的任务映射至子任务，由任务规划层对子任务进行优化排序，从而生成AGV的控制路径，最后将其传输至行为决策层。行为决策层接收到子任务后将其映射至AGV行为，从而生成一系列的AGV控制行为指令，如起步、转弯、加速、停止等，再将行为指令下达至智能控制层。智能控制层接收到AGV行为控制指令后，将其映射至AGV的动作控制，从而控制AGV完成相应的动作。由此可见，在笔者所设计的基于AGV的设施农业物流递阶智能控制系统中，每一个层次的逻辑方式、时域跨度及对实现控制任务所赋予的指令等各不相同，但是这种递阶合作式的控制结构可以使被控的AGV在不确定环境下拥有良好的适应能力，进而满足设施农业物流运输的高精度、实时性等要求。

2 基于AGV的设施农业物流递阶智能控制系统硬件设计

基于AGV的设施农业物流递阶智能控制系统主要由AGV、主控制器、节点传感器及执行设备配电箱等组件构成。

2.1 主控制器

主控制器是基于AGV的设施农业物流递阶智能控制系统的核心，其性能至关重要。笔者综合考虑AGV的实际结构，选用STM32F407单片机作为主控芯片。该单片机内置32位核心处理器，主要功能特点如表1所示。

STM32F407单片机不仅具有较好的稳定性，而且运算速度较快。应用STM32F407单片机可大大提升AGV控制程序的执行效率，完全能满足设施农业物流递阶智能控制系统对主控制器的需求。

2.2 节点传感器

在基于AGV的设施农业物流递阶智能控制系统中，农业生产环境信息采集主要依靠温湿度传感器来完成。在进行节点传感器选型时，笔者综合考虑传感器的测量精度及抗干扰能力，选用DHT90数字温湿度传感器。该传感器具有多种封装形式，可以适应不同的设施农业物流运输场景。其引脚分布情况如图2所示。

利用DHT90数字温湿度传感器采集设施农业物流运输环境信息时，传感器AO引脚会输出采集的温湿度信息模拟量，经过模拟/数字（Analog /Digital，A/D）转换后显示设施农业物流环境的温湿度数值。

2.3 执行设备配电箱

执行设备配电箱（见图3）主要由9部分构成，即气泵、主动圈、从动圈、承接凸轮、滚轴、主动圈连杆、主动圈叶片、从动圈叶片和从动圈连杆。笔者选用MNS型执行设备配电箱进行设施农业物流递阶智能控制系统配电控制。MNS型执行设备配电箱应装设端正、牢固，固定式配电箱的中心点与地面的垂直距离应为1.4～1.6 m。

3 基于AGV的设施农业物流递阶智能控制系统软件设计

3.1 AGV运动控制模型

笔者设计的基于AGV的设施农业物流递阶智能控制系统的主要被控对象为AGV，因此设计系统软件时需要了解AGV运动控制模型。AGV运动控制模型的控制原理如图4所示［3］。

式（4）中：x表示设施农业物流运输路径中目标点的横坐标，y表示设施农业物流运输路径中目标点的纵坐标，xi表示节点i的横坐标，yi表示节点i的纵坐标。式（4）所示的曼哈顿距离函数可以确保估价函数描述的设施农业物流运输路径起点与终点之间距离更加接近，进而保证控制AGV沿着最优路径向目标终点前进。

4 系统测试

系统测试是验证基于AGV的设施农业物流递阶智能控制系统可行性与可靠性的关键。笔者在MATLAB环境下开展仿真试验，测试该系统的控制性能。首先，搭建一个如图5所示的栅格地图模型作为仿真环境。

由图5可知，此次系统测试所使用的栅格地图模型尺寸为15 cm×15 cm，其中AGV的起始点坐标为（1，1），目标终点坐标为（15，15），地图中的障碍物为随机生成。为客观评价该系统的控制性能，选用基于多因子约束的AGV控制系统、基于自适应控制的AGV控制系统作为对照。测试过程中，分别使用这3个系统控制AGV由起始点走向目标点，每经过一个栅格需要2 s，如果在格内转弯则需要4 s经过栅格，获得测试结果如图6所示。

由图6可知，使用多因子约束系统在该地图中规划的AGV行走路径共转折10次，AGV行走时间为72 s；使用自适应控制系统在该地图中规划的AGV行走路径共转折9次，AGV行走时间为70 s；使用基于AGV的设施农业物流递阶智能控制系统在该地图中规划的AGV行走路径共转折4次（较基于多因子约束的AGV控制系统、基于自适应控制的AGV控制系统分别减少了6次、5次），AGV行走时间为60 s（较基于多因子约束的AGV控制系统、基于自适应控制的AGV控制系统分别缩短了12、10 s）。这说明笔者设计的系统可以寻求到最优AGV行走路径。此外，系统分别统计在不同尺寸栅格地图中这3个系统规划AGV行走路径时所遍历的节点数目，对比结果如图7所示。

由图7可知，随着栅格地图尺寸的增加，系统在控制AGV行走时所遍历的节点数目也在不断增加，而笔者所设计的系统在控制过程中遍历节点的数目一直远远小于对照，有效加快了AGV路径规划算法的计算速度。此次测试结果可以验证基于AGV的设施农业物流递阶智能控制系统是可行且可靠的，具有优越的控制性能。

5 结语

通过系统测试，笔者验证了所设计的系统在规划AGV作业路径时，可以优化路径的转折次数及控制过程中的节点遍历数量。但今后相关学者还需要对更多的复杂细节问题进行综合研究。

参考文献：

［1］韦玉翡，赵建贵，高安琪，等.温室环境参数模糊专家控制系统的设计［J］.江苏农业科学，2021（6）：183-188.

［2］姜光，姜久超，李爱宁，等.基于PLC的农业机器人电气控制系统设计［J］.农机化研究，2022（2）：219-223.

［3］朱龙图，廖庆喜，刘海，等.油菜机械离心式集排器排种量控制系统设计与试验［J］.农业工程学报，2022（10）：19-29.

［4］张军华，陈丹艳，张仲雄，等.多因子约束的卷帘机揭盖被决策方法与控制系统研究［J］.农业机械学报，2022（9）：354-364.

［5］陈娟，姚立健，徐丽君，等.基于无模型自适应控制的设施园艺自动导航车辆路径跟踪［J］.江苏农业科学，2022（8）：187-192.

［6］赵国利，肖涵方.基于因子分析法的四川省农产品冷链物流发展水平研究［J］.现代农业，2022（5）：68-72.

［7］赵海.基于模糊层次分析方法的农产品绿色物流系统的评价［J］.长春工程学院学报（自然科学版），2022（3）：119-124.

［8］谌种华，李美兰.供给侧改革背景下农产品物流系统价值链优化策略［J］.景德镇学院学报，2022（5）：28-32.

［9］贾红.电商时代农村末端物流配送体系优化研究［J］.农业经济，2022（11）：143-144.