CN112668792B - 补给规划方法、作业方法及相关装置 - Google Patents
补给规划方法、作业方法及相关装置 Download PDFInfo
- Publication number
- CN112668792B CN112668792B CN202011627424.2A CN202011627424A CN112668792B CN 112668792 B CN112668792 B CN 112668792B CN 202011627424 A CN202011627424 A CN 202011627424A CN 112668792 B CN112668792 B CN 112668792B
- Authority
- CN
- China
- Prior art keywords
- route
- operated
- section
- road section
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005265 energy consumption Methods 0.000 claims abstract description 84
- 230000005611 electricity Effects 0.000 claims description 29
- 239000013589 supplement Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 239000000463 material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005507 spraying Methods 0.000 description 7
- 230000000306 recurrent effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提出一种补给规划方法、作业方法及相关装置,涉及自动化技术领域。上述补给规划方法包括:根据待作业区域确定待作业路线;确定作业设备在待作业路线中的一架次作业路段,其中,所述一架次作业路段的作业终点为作业设备作业进行时的能量耗尽点;根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点。避免了返回固定能耗供应点而产生与作业无关的路程,节约了作业时间,提高作业效率。
Description
技术领域
本发明涉及自动化技术领域,具体而言,涉及一种补给规划方法、作业方法及相关装置。
背景技术
无人作业是一种自动化的作业方式。由于其能够有效降低作业过程中所需的人力成本,目前已广泛应用于各个领域。特别是农业喷洒领域,应用十分广泛,作业形式多样。
作业设备往往需要多架次作业才能完成针对作业地块的完整喷洒。每架次作业完成后都需要返回固定的能耗供应点进行电量或者喷洒物的补给。然而,一方面,返回固定能耗供应点必然会产生与作业无关的路程;另一方面,补给完成后,从固定能耗供应点前往下一架次作业所对应的作业起点也会产生与作业无关的路程。这些与作业无关的路程,不仅影响作业效率,还会产生额外的能耗。
发明内容
有鉴于此,本发明的目的在于提供一种补给规划方法、作业方法及相关装置。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明提供一种补给规划方法,所述补给规划方法包括:
根据待作业区域确定待作业路线;
确定作业设备在待作业路线中的一架次作业路段,其中,所述一架次作业路段的作业终点为作业设备作业进行时的能量耗尽点;
根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点。
在可选的实施方式中,所述确定作业设备在待作业路线中的一架次作业路段的步骤包括:
从所述待作业路线中获取目标路段;
依据所述目标路段执行作业所需的载物量,利用预设的能耗预测模型,预估基于所述目标路段进行作业的电能需求量;
若所述电能需求量超过作业设备的最大携电量或者所述电能需求量与所述最大携电量之间的差值超过预设值,那么对所述目标路段进行调整,以确定出一架次作业路段。
在可选的实施方式中,所述根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点的步骤包括:
将第一架次作业路段的作业终点确定为第二架次作业对应的能耗供应点;
将所述第一架次作业路段的作业终点作为第二架次作业的作业起点,从所述待作业路线中获取第二架次作业路段;
将所述第二架次作业路段的作业终点确定为下一个架次作业对应的能耗供应点,直至确定出所有架次作业路段。
在可选的实施方式中,所述将所述第一架次作业路段的作业终点作为第二架次作业的作业起点,从所述待作业路线中获取第二架次作业路段,包括:
将所述第一架次作业路段从所述待作业路线中剔除,以得到第二架次作业所对应的待作业路线;
从所述第二架次作业所对应的待作业路线中,获取以所述第一架次作业路段的作业终点为起点的第二目标路段;
重复基于所述第二目标路段,配合预设的能耗预测模型,确定第二架次作业路段。
在可选的实施方式中,所述根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点的步骤包括:
获取一架次作业路段的路程长度;
按照所述路程长度将所述待作业路线划分为多个作业子路线;
将每条所述作业子路线的作业终点确定为所述能耗供应点,以得到所述作业设备的多个能耗供应点。
在可选的实施方式中,所述补给规划方法还包括:
若所述电能需求量不超过携带喷洒物的作业设备的最大携电量且所述电能需求量和所述最大携电量之间的差值不超过预设值,则将所述第一目标路段确定为第一架次作业路段。
在可选的实施方式中,若所述电能需求量超过所述最大携电量或者所述电能需求量与所述最大携电量之间的差值超过预设值,那么对所述第一目标路段进行调整的步骤包括:
若所述电能需求量超过所述最大携电量,则减少所述第一目标路段的条数,以得到新的第一目标路段;
若所述电能需求量不超过所述最大携电量且所述电能需求量与所述最大携电量之间的差值超过预设值,则增加所述第一目标路段的条数,以得到新的第一目标路段;
重复根据所述新的第一目标路段计算对应的电能需求量,并与所述最大携电量进行比较,直至满足所述新的第一目标路段对应的电能需求量不超过所述最大携电量且所述电能需求量与所述最大携电量之间的差值不超过预设值,将所述新的第一目标路段确定为所述第一架次作业路段。
第二方面,本发明提供一种作业方法,所述作业方法包括:
按照前述实施方式任一项所述的补给规划方法,获取待作业路线所对应的多个能耗供应点;
根据所述能耗供应点所对应的架次作业路段,确定所述能耗供应点所对应的补给物量;
根据所述能耗供应点所对应的补给物量对所述作业设备进行能量补给。
第三方面,本发明提供一种补给规划装置,所述补给规划装置包括:
规划模块,用于根据待作业区域确定待作业路线;
确定模块,用于确定作业设备在待作业路线中的一架次作业路段,其中,所述一架次作业路段的作业终点为作业设备作业进行时的能量耗尽点;
所述确定模块,还用于根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点。
第四方面,本发明提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现前述实施方式任一所述的补给规划方法或实现前述实施方式所述的作业方法。
第五方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的补给规划方法或执行实现前述实施方式所述的作业方法。
与相关技术相比,本发明实施例提供的补给规划方法通过根据待作业区域确定待作业路线。确定作业设备在待作业路线中的一架次作业路段,其中,一架次作业路段的作业终点为作业设备作业进行时的能量耗尽点;根据待作业路线和一架次作业路段,在待作业路线上确定作业设备的多个能耗供应点。通过在待作业路线上确定能耗供应点,避免了返回固定能耗供应点而产生与作业无关的路程,节约了作业时间,提高作业效率。此外,无需预留返回固定能耗供应点的电量,从而提高单架次作业的作业量。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的电子设备的示意图。
图2示出了本发明实施例提供的补给规划方法的步骤流程图。
图3示出了本发明实施例提供的步骤S102的子步骤流程图。
图4示出了本发明实施例提供的待作业路线的示例图。
图5示出了本发明实施例提供的得到新的目标路段的示例图。
图6示出了本发明实施例提供的步骤S103的子步骤流程图之一。
图7示出了本发明实施例提供的获取第二目标路段的示例图。
图8示出了本发明实施例提供的步骤S103的子步骤流程图之二。
图9示出了本发明实施例提供的作业方法的步骤流程图。
图10示出了本发明实施例提供的补给规划装置的示意图。
图标:100-电子设备;110-存储器;120-处理器;130-通信模块;400-补给规划装置;401-规划模块;402-确定模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
植保无人机可以用于喷药、施肥或者播种,其都需要电池供能,另外也会携带物资,如药水、肥料或者种子去作业;一架次是指植保无人机装满电池或装满物资后去作业一次,由于电池电量与负载的携带量往往不能完美匹配,很多时候存在电池耗尽,而负载还没作业耗尽,或者物资耗尽了但是电池缺没用完的情况,这时候却都需使无人机到达一个地方进行充电或者补充物资。
现有技术中,无人机一架次的返航点都是通过假设满载的情况下,电池能维持的时间去判断一架次的返航点,无人机到达该返航点后就进行返航,回到一个能耗供应点,进行同时充电和物资补给。为了方便描述,可以将电能和作业物资都称为能量。
待作业地块比较大的情况下,往往一架次并不能实现完成作业需求,需要进行多架次组合实现针对一个作业地块的作业。而现有方法到达固定的能耗供应点时不一定是电池耗尽且物资使用完毕,这时候同时进行补充并不是很理想,如电池还剩一定电量,在此对其进行充电,会导致电池的寿命变短,但若是不同时补充,下一架次又会因为较少的一方而使得需要返航补充。
显然地,多次不必要的返航无疑会产生不必要的飞行路程。不仅将造成不必要的电能浪费,还影响作业效率。
为了解决上述技术问题,本发明实施例提供了一种补给规划方法、作业方法及相关装置。
请参照图1,图1示出了本发明实施例提供的电子设备100的方框示意图。
本发明实施例所提供的能耗供应点位确定方法及装置可以应用于上述电子设备100。在一些实施例中,上述电子设备100可以是与作业设备通信的设备。比如,从功能的角度上看上述电子设备100可以是负责遥控作业设备的设备、管理补给站点的后端设备及补给站点本身。再比如,从硬件类型的角度上看可以是个人电脑(personal computer,PC)、服务器、分布式部署的计算机。可以理解的是,电子设备100也不限于物理设备,还可以是物理设备上布局的虚拟机、基于云平台上构建的虚拟机等能提供与所述服务器或者虚拟机有相同功能的计算机。
在一些实施例中,上述电子设备100还可以是作业设备本身。
请参照图1,是电子设备100的方框示意图。所述电子设备100包括存储器110、处理器120及通信模块130。所述存储器110、处理器120以及通信模块130各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,存储器110用于存储程序或者数据。所述存储器110可以是,但不限于,随机存取存储器110(Random Access Memory,RAM),只读存储器110(Read Only Memory,ROM),可编程只读存储器110(Programmable Read-Only Memory,PROM),可擦除只读存储器110(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器110(ElectricErasable Programmable Read-Only Memory,EEPROM)等。
处理器120用于读/写存储器110中存储的数据或程序,并执行相应地功能。
通信模块130用于通过所述网络建立所述电子设备100与其它通信终端之间的通信连接,并用于通过所述网络收发数据。
应当理解的是,图1所示的结构仅为电子设备100的结构示意图,所述电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参考图2,图2示出了本发明实施例提供的补给规划方法。如图2所示,上述补给规划方法可以包括以下步骤:
步骤S101,根据待作业区域确定待作业路线。
在一些实施例中,可以根据选定的起点,规划作业范围能够覆盖整个待作业区域的待作业路线。也即,作业设备按照待作业路线进行作业,可以完成对整个待作业区域的作业任务。
在一些实施例中,上述选定的起点可以是作业设备在待作业区域中的实际位置点。
在另一些实施例中,上述选定的起点还可以是用户按照历史经验在待作业区域中选择的一个点。
步骤S102,确定作业设备在待作业路线中的一架次作业路段。
可理解地,作业设备按照架次进行作业。一架次作业是指作业设备一次能量补给后到能量耗尽期间的作业过程。也即,上述一架次作业路段的作业终点为作业设备作业进行时的能量耗尽点。如果采用多架次作业的情况下,那么会对应着多架次作业路段,同时作业设备在待作业路线上也会存在多个能量耗尽点。
在一些实施例中,可以根据作业设备的作业负荷能力(受携带的喷洒物和电量的影响),确定一架次作业路段。换句话说,可以根据作业设备的最大携电量及作业所需的载物量,寻找二者之间的最优平衡点,以确定出一架次作业路段,以确保作业设备携带电量消耗完的同时,作业设备所携带的载物也随之喷洒或播撒完毕。
上述载物为作业所需的物质。在不同的作业场景下,载物有所不同。比如,喷药作业时,载物为农药。喷水作业时,载物为水。播种作业时,载物为种子。简单地说,载物可以是喷洒物或播撒物。
步骤S103,根据待作业路线和一架次作业路段,在待作业路线上确定作业设备的多个能耗供应点。
在一些实施例中,可以利用一架次作业路段在待作业路线上确定出多个能量耗尽点。通过将能量耗尽点确定为能耗供应点,实现在作业途中进行能量的补给。避免作业设备返回能耗供应点进行获取能量(电能、载物),节约了作业时间,提高作业效率。此外,无需预留返回固定能耗供应点的电量,从而提高单架次作业的作业量。
下面对本发明实施例的实现细节进行描述:
在一些实施例中,如图3所示,上述步骤S102可以包括以下子步骤:
子步骤S102-1,从待作业路线中获取目标路段。
用于获取目标路段的待作业路线是架次作业所对应的待作业路线。换句话说,待作业路线可以是还未实际作业的路径或者未确定所属架次作业的路径。
上述目标路段为从待作业路线中获取到的路段,也即,上述目标路段属于待作业路线。在一些实施例中,上述目标路段可以包括待作业路线的全部路段。在另一些实施例中,上述目标路段可以包括待作业路线的部分路段。
在一些实施例中,可以先将待作业路线中包含起点的起始路段划入目标路段中,然后将与起始路段依次相连的其他路段也划入目标路段中。例如,在图4所示,待作业路线由路段a、b、c、d、e、f、g、h、j、n、m、z、y组成,故,可以将路段a、b、c、d确定为目标路段。
子步骤S102-2,依据目标路段执行作业所需的载物量,利用预设的能耗预测模型,预估基于目标路段进行作业的电能需求量。
上述所需的载物量为完成目标路段所对应的有效作业区域的作业的喷洒物或播撒物的量。
上述电能需求量为作业设备携带所需的载物量,针对目标路段进行作业过程中所耗费的电量。
上述能耗预测模型为预先训练得到的混合模型。上述能耗预测模型可以依据目标路段的关联信息、电池相关信息及所需的载物量,预估作业设备完成针对目标路段的作业所剩余的电量。
上述目标路段所对应的关联信息(比如,路段长度、规定通过速度及有效作业距离)不仅影响所需的载物的量还决定了电能的消耗量。所需载物的量将增加作业设备的自重,如此,也会影响电能的消耗。故,利用能耗预测模型识别目标路段、电池相关信息、所需的载物量和按照目标路段作业后的剩余电量之间存在的对应关系。并据此得到剩余电量,根据初始电量和剩余电量即可得到电能需求量。也即,利用模型提高对单次作业电能需求量的预判准确性。
可以理解地,上述步骤S102-2实现准确获取到电能需求量的关键在于能耗预测模型。同时,上述能耗预测模型需要通过特定的训练得到。故,在一些实施例中,可以依据历史作业数据及预选的混合模型,训练得到能耗预测模型。
上述混合模型由循环神经网络与普通神经网络串联而成。在一些实施例中,上述循环神经网络的输出侧与普通神经网络的输入侧串联。上述循环神经网络可以用于识别序列数据,如此,解决了目标路径所对应的相关数据无法直接由普通神经网络模型处理的问题。在一些实施例中,在tensorflow框架上建立一个层数为a的LSTM神经网络,第一层的隐藏层为a1,第二层为a2,…第a层为an,激活函数为tanh,在另外一些实施例中,也可以选用sigmoid为激活函数。上述属性的选择和层数以及隐藏层的选择都可以根据需求适当修改。
在一些实施例中,上述普通神经网络可以是反向传播(back propagation,BP)神经网络。
上述历史作业数据可以根据作业设备的作业日志中获取到。每条历史作业数据对应着一架次作业,可以涉及从启动有效作业到停止有效作业期间作业设备的航线信息、电池相关信息及载物相关信息。
上述航线信息也即启动有效作业到停止有效作业期间位移的轨迹及相关信息。上述位移的轨迹可以被划分为多个位移段,每个位移端都对应着一相关信息。上述相关信息可以包括:位移段长度、位移速度、位移加速度。
上述电池相关信息可以是电池实际容量、电池初始容量、电池携带电量等之一或之间的组合。
上述载物相关信息可以是载物初始量、载物剩余量。上述载物初始量为作业前作业设备中的载物的量。上述载物剩余量为作业结束时作业设备中的载物的量。
在一些实施例中,训练上述能耗预估模型的过程可参照如下描述:
S1,从每条历史作业数据中分别获取航线信息对应的多项数据、电池相关信息对应的多项数据及载物相关信息对应的多项数据。
在一些实施例中,首先,可以根据历史作业数据中启动有效作业到停止有效作业期间产生的各位移段所对应的位移段长度、位移速度、位移加速度、实现有效作业的轨迹所对应长度构建4D张量。然后,构建((位移段长度、位移速度、位移加速度、实现有效作业的轨迹所对应长度构建4D张量),n)的2D张量,以作为得到的序列数据。上述2D张量中的n代表该条历史作业数据中所对应的位移段的条数。
在一些实施例中,还可以根据提取到的作业设备的电池相关信息及载物相关信息,构建(电池初始容量、电池实际容量、电池携带电量、载物初始量、载物剩余量)的5D张量,再基于上述5D张量构建针对该条历史作业数据的((电池初始容量、电池实际容量、电池携带电量、载物初始量、载物剩余量),1)2D张量。
S2,将序列数据、电池相关信息及载物相关信息从循环神经网络输入混合模型,以便从普通神经网络获取到预测剩余电量。
在一些实施例中,可以将序列数据和上述电池相关信息、载物相关信息所对应的2D张量输入循环神经网络,即,将2D张量((位移段长度、位移速度、位移加速度、实现有效作业的轨迹所对应长度构建4D张量),n)和2D张量((电池初始容量、电池实际容量、电池携带电量、载物初始量、载物剩余量),1)输入循环神经网络。
S3,根据预测剩余电量和历史作业数据中提取到的实际剩余电量,对所述混合模型的模型参数进行调整,以得到能耗预测模型。
在此基础上,一些实施例中,上述步骤S102-2可以是包括:首先,根据目标路段所对应的相关信息,构建序列数据。其次,根据作业设备的电池相关信息及按照目标路段执行作业所需的载物量构建2D张量((电池初始容量、电池实际容量、电池携带电量、载物初始量、载物剩余量),1),上述载物初始量可以设置为所需的载物量、上述载物剩余量可以设置为0。再次,将上述序列数据和所构建2D张量((电池初始容量、电池实际容量、电池携带电量、载物初始量、载物剩余量),1),输入能耗预测模型,以得到预测剩余电量。最后将电池携带电量与预测剩余电量之间的差值作为电能需求量。
子步骤S102-3,若电能需求量超过作业设备的最大携电量或者电能需求量与最大携电量之间的差值超过预设值,那么对目标路段进行调整,以确定出一架次作业路段。
上述最大携电量为作业设备充满电的情况下的真实电量。也即,作业设备的电池的实际容量。
上述预设值可以是用户预选的一个值,可以是一个较小的数值。
在一些实施例中,通过上述步骤S102-3实现以下两项约束:
约束一:避免电能需求量不超过最大携电量,避免出现载物未喷完,作业设备的电量已耗完的情况。
约束二:电能需求量与最大携电量之间的差异尽可能的小。避免出现载物喷完,而作业设备的电量还有剩余的情况。
在一些实施例中,可以通过上述约束条件确定第一架次作业路段。
在一些实施例中,上述步骤S102-3可以包括以下步骤:
(1)若电能需求量超过最大携电量,则减少目标路段的条数,以得到新的目标路段。
在一些实施例中,待作业路线被划分为多个路段,而目标路段也是由从待作业路线中获取到的路段所组成,故,可以对目标路段所对应的路段条数进行减少。例如图5中,目标路段本由待作业路线中的路段a、b、c和d组成,在进行减少目标路段的条数,可以将路段d减去,得到新的目标路段由路段a、b、c组成。
通过减少目标路段中所包括的路段条数,减少作业设备电量耗尽时载物还未喷洒玩的可能。
(2)若电能需求量不超过最大携电量且电能需求量与最大携电量之间的差值超过预设值,则增加目标路段的条数,以得到新的目标路段。
同理例如图5中,目标路段本由待作业路线中的路段a、b、c和d组成,在进行增加目标路段的条数,可以将路段e也划分为目标路段,得到新的目标路段由路段a、b、c、e组成。
通过增加目标路段中所包括的路段条数,减少载物喷洒完作业设备的电量还有较大剩余的可能。
(3)根据新的目标路段计算对应的电能需求量,并与最大携电量进行比较。
在一些实施例中,上述子步骤(3)的原理可参照上述步骤S102-2,在此不再赘述。
(4)判断是否满足新的目标路段对应的电能需求量不超过最大携电量且电能需求量与最大携电量之间的差值不超过预设值。
在判断满足上述条件的情况下,流程进入子步骤(5),否则流程回到步骤(1)。
(5)将新的目标路段确定为一架次作业路段。
在一些实施例中,确定了架次作业路段后,将架次作业路段的作业终点确定为能耗供应点。该能耗供应点用于为下一架次作业进行能量(载物和电能)的补充。对应的下一架次作业的作业起点也应该是该能耗供应点。
另外,上述步骤S102还可以包括若电能需求量不超过携带喷洒物的作业设备的最大携电量且所述电能需求量和所述最大携电量之间的差值不超过预设值,则将所述目标路段确定为一架次作业路段。
上述步骤S102介绍了一架次作业所对应的一架次作业路段的确定过程,如果针对待作业区域进行作业需要划分为多架次完成时,每一架次作业所对应的架次作业路段均可以按照上述过程确定。当然,不同架次作业用于获取目标路段的待作业路线会有所不同,每一架次作业所对应的待作业路线都是剔除了相邻上一架次作业路段的作业路线。
基于以上,在一些实施例中,如图6所示,上述步骤S103可以包括以下步骤:
子步骤S103-1,将第一架次作业路段的作业终点确定为第二架次作业对应的能耗供应点。
在一些实施例中,按照上述步骤S102确定第一架次所对应的第一架次作业路段。并将第一架次作业路段的作业终点确定为下一架次(也即,第二架次)对应的能耗供应点。
子步骤S103-2,将第一架次作业路段的作业终点作为第二架次作业的作业起点,从待作业路线中获取第二架次作业路段。
在一些实施例中,上述子步骤S103-2可以是:
1)将第一架次作业路段从所述待作业路线中剔除,以得到第二架次作业所对应的待作业路线。
2)从第二架次作业所对应的待作业路线中,获取采用第一架次作业路段的作业终点为起点的第二目标路段。比如图7中,第一架次作业路段包括路段a、b、c,将路段a、b、c从待作业路线中剔除后,可以将路段d、e、f、g选为第二目标路段。
3)重复基于第二目标路段,配合预设的能耗预测模型,确定第二架次作业路段。
在一些实施例中,上述步骤3)的实现可参考步骤S102,在此不再赘述。比如,图7中将路段defg确定为第二架次作业路段,则将路段h的作业终点确定为下一个能耗供应点。
子步骤S103-3,将第二架次作业路段的作业终点确定为下一个架次作业对应的能耗供应点,直至确定出所有架次作业路段。
在一些实施例中,判断是否确定出所有架次作业路段的方式可以是:当一架次作业将所对应的待作业路线均确定为架次作业路段时,表征所有架次作业路段都被确定出。
可见,本发明实施例中通过在待作业路径上评估适合作为能耗供应点的位置,实现快速的能耗供应。不仅提高电能的利用率,还能够提高单架次作业的作业量,提高作业效率。避免返回固定点进行能耗补给而带来的不便。
在另一种实施方式下,如图8所示,上述步骤S103还可以包括:
子步骤S103-4,获取一架次作业路段的路程长度。
在一些实施例中,可以按照步骤S102从待作业路线中获取第一架次作业路段,然后,根据第一架次作业路段,得到对应的路程长度。
子步骤S103-5,按照路程长度将待作业路线划分为多个作业子路线。
在一些实施例中,可以是从待作业路线的起点开始,以路程长度为尺度,对待作业路线进行切分,以得到多条长度等于上述路程长度的作业子路线。
子步骤S103-6,将每条作业子路线的作业终点确定为能耗供应点,以得到作业设备的多个能耗供应点。
请参考图9,图9示出了本发明实施例提供的一种作业方法。如图9所示,上述作业方法包括:
步骤S301,按照前述补给规划方法,获取待作业路线所对应的多个能耗供应点。
每一个能耗供应点都对应着一架次作业路段,通常在能耗供应点补充能量后才开始针对架次作业路段的作业。可理解地,能耗供应点位于对应的架次作业路段的作业起点。
步骤S302,根据所述能耗供应点所对应的架次作业路段,确定所述能耗供应点所对应的补给物量。
具体的,根据每一个能耗供应点所对应的架次作业路段,计算每一个能耗供应点所对应的补给物量。
在一些实施例中,可以先获取架次作业路段所对应的有效作业区域,然后,根据有效作业区域和预设喷洒比例,计算所需的补给物量。上述有效作业区域可以根据架次作业路段中有效作业长度和作业设备的喷幅确定。
步骤S303,根据所述能耗供应点所对应的补给物量对所述作业设备进行能量补给。
具体的,在作业设备抵达一个能耗供应点的情况下,按照能耗供应点对应的补给物量对作业设备进行补给。
在一些实施例中,作业设备按照待作业路线进行作业,会依次抵达能耗供应点,由于能耗供应点也是作业设备的能量耗尽点,因此,需要能耗供应点设置补给站点,由补给站点按照该能耗供应点所对应的补给物量向作业设备补给载物量,并可以同步对作业设备进行充电。
为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种补给规划装置400的实现方式,可选地,该补给规划装置400可以采用上述图1所示的电子设备100的器件结构。进一步地,请参阅图10,图10为本发明实施例提供的一种补给规划装置400的功能模块图。需要说明的是,本实施例所提供的补给规划装置400,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该补给规划装置400包括:规划模块401及确定模块402。
规划模块401,用于根据待作业区域确定待作业路线;
确定模块402,用于确定作业设备在待作业路线中的一架次作业路段,其中,所述一架次作业路段的作业终点为作业设备作业进行时的能量耗尽点;
所述确定模块402,还用于根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点。
可选地,上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(Operating System,OS)中,并可由图1中的处理器120执行。同时,执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器110(ROM,Read-Only Memory)、随机存取存储器110(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种补给规划方法,其特征在于,所述补给规划方法包括:
根据待作业区域确定待作业路线;
确定作业设备在待作业路线中的一架次作业路段,其中,所述一架次作业路段的作业终点为作业设备作业进行时的能量耗尽点;
根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点;
所述确定作业设备在待作业路线中的一架次作业路段的步骤包括:
从所述待作业路线中获取目标路段;
依据所述目标路段执行作业所需的载物量,利用预设的能耗预测模型,预估基于所述目标路段进行作业的电能需求量;
若所述电能需求量超过作业设备的最大携电量或者所述电能需求量与所述最大携电量之间的差值超过预设值,那么对所述目标路段进行调整,以确定出一架次作业路段。
2.根据权利要求1所述的补给规划方法,其特征在于,所述根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点的步骤包括:
将第一架次作业路段的作业终点确定为第二架次作业对应的能耗供应点;
将所述第一架次作业路段的作业终点作为第二架次作业的作业起点,从所述待作业路线中获取第二架次作业路段;
将所述第二架次作业路段的作业终点确定为下一个架次作业对应的能耗供应点,直至确定出所有架次作业路段。
3.根据权利要求2所述的补给规划方法,其特征在于,所述将所述第一架次作业路段的作业终点作为第二架次作业的作业起点,从所述待作业路线中获取第二架次作业路段,包括:
将所述第一架次作业路段从所述待作业路线中剔除,以得到第二架次作业所对应的待作业路线;
从所述第二架次作业所对应的待作业路线中,获取以所述第一架次作业路段的作业终点为起点的第二目标路段;
重复基于所述第二目标路段,配合预设的能耗预测模型,确定第二架次作业路段。
4.根据权利要求1所述的补给规划方法,其特征在于,所述根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点的步骤包括:
获取一架次作业路段的路程长度;
按照所述路程长度将所述待作业路线划分为多个作业子路线;
将每条所述作业子路线的作业终点确定为所述能耗供应点,以得到所述作业设备的多个能耗供应点。
5.根据权利要求1所述的补给规划方法,其特征在于,所述确定作业设备在待作业路线中的一架次作业路段,还包括:
若所述电能需求量不超过携带喷洒物的作业设备的最大携电量且所述电能需求量和所述最大携电量之间的差值不超过预设值,则将所述目标路段确定为一架次作业路段。
6.根据权利要求1所述的补给规划方法,其特征在于,若所述电能需求量超过所述最大携电量或者所述电能需求量与所述最大携电量之间的差值超过预设值,那么对所述目标路段进行调整的步骤包括:
若所述电能需求量超过所述最大携电量,则减少所述目标路段的条数,以得到新的目标路段;
若所述电能需求量不超过所述最大携电量且所述电能需求量与所述最大携电量之间的差值超过预设值,则增加所述目标路段的条数,以得到新的目标路段;
重复根据所述新的目标路段计算对应的电能需求量,并与所述最大携电量进行比较,直至满足所述新的目标路段对应的电能需求量不超过所述最大携电量且所述电能需求量与所述最大携电量之间的差值不超过预设值,将所述新的目标路段确定为所述一架次作业路段。
7.一种作业方法,其特征在于,所述作业方法包括:
按照权利要求1-6任一项所述的补给规划方法,获取待作业路线所对应的多个能耗供应点;
根据所述能耗供应点所对应的架次作业路段,确定所述能耗供应点所对应的补给物量;
根据所述能耗供应点所对应的补给物量对所述作业设备进行能量补给。
8.一种补给规划装置,其特征在于,所述补给规划装置包括:
规划模块,用于根据待作业区域确定待作业路线;
确定模块,用于确定作业设备在待作业路线中的一架次作业路段,其中,所述一架次作业路段的作业终点为作业设备作业进行时的能量耗尽点;
所述确定模块,还用于根据待作业路线和一架次作业路段,在所述待作业路线上确定作业设备的多个能耗供应点;
所述确定模块,还用于:
从所述待作业路线中获取目标路段;
依据所述目标路段执行作业所需的载物量,利用预设的能耗预测模型,预估基于所述目标路段进行作业的电能需求量;
若所述电能需求量超过作业设备的最大携电量或者所述电能需求量与所述最大携电量之间的差值超过预设值,那么对所述目标路段进行调整,以确定出一架次作业路段。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-6任一所述的补给规划方法或实现权利要求7所述的作业方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的补给规划方法或执行实现权利要求7所述的作业方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011627424.2A CN112668792B (zh) | 2020-12-31 | 2020-12-31 | 补给规划方法、作业方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011627424.2A CN112668792B (zh) | 2020-12-31 | 2020-12-31 | 补给规划方法、作业方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112668792A CN112668792A (zh) | 2021-04-16 |
CN112668792B true CN112668792B (zh) | 2022-09-13 |
Family
ID=75412519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011627424.2A Active CN112668792B (zh) | 2020-12-31 | 2020-12-31 | 补给规划方法、作业方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668792B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113970927B (zh) * | 2021-09-30 | 2022-12-27 | 广州极飞科技股份有限公司 | 作业起点的获取方法、装置及电子设备 |
CN114879735B (zh) * | 2022-05-27 | 2025-01-07 | 阳光新能源开发股份有限公司 | 航线规划方法、系统、终端设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1548531A1 (en) * | 2003-12-22 | 2005-06-29 | Deere & Company | Locating harvested material within a work area |
CN106127335A (zh) * | 2016-06-21 | 2016-11-16 | 中南大学 | 电动多旋翼无人机超远距离飞行的电池更换基站布局方法 |
CN110348611A (zh) * | 2019-06-21 | 2019-10-18 | 西安理工大学 | 一种联网无人机预约5g基站充电坪的最优分配方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2564291A (en) * | 2016-02-09 | 2019-01-09 | Ford Global Tech Llc | Taxi of unmanned aerial vehicles during package delivery |
CN109090076B (zh) * | 2018-06-14 | 2020-11-13 | 华南农业大学 | 一种无人机喷施规划方法 |
CN109583665B (zh) * | 2018-12-26 | 2022-03-08 | 武汉烽火凯卓科技有限公司 | 一种无线传感器网络中的无人机充电任务调度方法 |
CN110222907B (zh) * | 2019-06-18 | 2021-10-08 | 国网河北省电力有限公司经济技术研究院 | 电动汽车充电站规划方法及终端设备 |
CN110428111B (zh) * | 2019-08-08 | 2022-12-30 | 西安工业大学 | Uav/ugv协同长时多任务作业轨迹规划方法 |
CN110958619B (zh) * | 2019-11-18 | 2021-05-14 | 北京邮电大学 | 一种基于无线能量传输的无人机辅助网络中资源分配方法 |
CN111752302B (zh) * | 2020-02-26 | 2021-09-10 | 广州极飞科技股份有限公司 | 路径规划方法、装置、电子设备和计算机可读存储介质 |
-
2020
- 2020-12-31 CN CN202011627424.2A patent/CN112668792B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1548531A1 (en) * | 2003-12-22 | 2005-06-29 | Deere & Company | Locating harvested material within a work area |
CN106127335A (zh) * | 2016-06-21 | 2016-11-16 | 中南大学 | 电动多旋翼无人机超远距离飞行的电池更换基站布局方法 |
CN110348611A (zh) * | 2019-06-21 | 2019-10-18 | 西安理工大学 | 一种联网无人机预约5g基站充电坪的最优分配方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112668792A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112666971B (zh) | 一种无人机返航方法、装置、无人机和存储介质 | |
Eddy et al. | Markov decision processes for multi-objective satellite task planning | |
Wu et al. | Ensemble of metaheuristic and exact algorithm based on the divide-and-conquer framework for multisatellite observation scheduling | |
CN112668792B (zh) | 补给规划方法、作业方法及相关装置 | |
CN109253729A (zh) | 一种无人机航线规划方法、装置及电子设备 | |
CN105701273B (zh) | 一种基于主体的组件化物流系统仿真计算方法 | |
CN112665594B (zh) | 作业路径规划方法及相关装置 | |
Holly et al. | Flexibility management and provision of balancing services with battery-electric automated guided vehicles in the Hamburg container terminal Altenwerder | |
Cortés et al. | Hybrid adaptive predictive control for a dynamic pickup and delivery problem | |
CN112783208A (zh) | 一种无人设备返航控制方法、装置及无人设备 | |
Yang et al. | A maximal-reward preliminary planning for multi-debris active removal mission in LEO with a greedy heuristic method | |
CN112668793B (zh) | 补给点位确定方法、作业规划方法及相关装置 | |
US11492111B2 (en) | Replenishment planning device and replenishment planning method | |
Jasim et al. | Guided genetic algorithm for solving capacitated vehicle routing problem with unmanned-aerial-vehicles | |
US20230071293A1 (en) | Learning system, learning method, and learning program | |
Song et al. | Towards real time scheduling for persistent UAV service: A rolling horizon MILP approach, RHTA and the STAH heuristic | |
Karaman et al. | Large-scale task/target assignment for UAV fleets using a distributed branch and price optimization scheme | |
CN110458327A (zh) | 应急物资调度方法及其系统 | |
CN114118441B (zh) | 基于高效搜索策略在不确定性环境下的在线规划方法 | |
Beaumet et al. | Autonomous planning for an agile earth-observing satellite | |
CN112835381B (zh) | 喷洒物携带分析方法、装置、喷洒作业系统及电子设备 | |
Hong et al. | Extensions of receding horizon task assignment for area coverage in dynamic environments | |
Edwards et al. | Coverage planning for capacitated field operations under spatial variability | |
CN114118645A (zh) | 订单分配方法、装置、可读存储介质及电子设备 | |
Braman et al. | Energy management of the Multi-Mission Space Exploration Vehicle using a goal-oriented control system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: XAG Co., Ltd. Address before: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Xaircraft Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |