第49卷第4期林业机械与木工设备Vol49No.4 2021年4月FORESTRY MACHINERY&WOODWORKING EQUIPMENT Apr.2021
研究与设计
韩涛国J谷志新心，涂文宇S车玉J范涛I
(1.东北林业大学信息与计算机工程学院，黑龙江哈尔滨150040；
2.东北林业大学机电工程学院，黑龙江哈尔滨150040)
摘要：针对目前我国农业温室生产需求上升，设计了一种温室巡检机器人。机器人根据事先铺设好的电磁引导线进行自主巡检，采用STM32F429IGT6芯片为主控单元，采集温度、湿度、CO?浓度等信息及巡检图像通过无线传输模块传输给云服务器供种植者通过查看。云服务器根据数据计算并建立灰预测模型，可预测温室环境变化。结果表明：采用云计算的温室巡检机器人能较好地监控和预测温室环境变化，有效解决了温室生产中人工劳动成本高的问题，具有一定的应用价值。
关键词：巡检机器人;PID控制算法；云计算；灰预测模型
中图分类号:TP242文献标识码:A文章编号：2095-2953(2021)04-0040-04
Greenhouse Inspection Robots Based on Cloud Computing
HAN Tao-guo1,GU Zhi-xin1*,TU Wen-yu2,CHE Yu1,FAN Tao1
(1.College of Information and Computer Engineering,Northeast Forestry University,Harbin Heilongjiang150040,China；
2.College of Mechanical and Electrical Engineering,Northeast Forestry University,Harbin Heilongjiang150040,China)
Abstract:In view of the current increasing demand for agricultural greenhouse production in China,a kind of green­house inspection robot has been designed,which can conduct autonomous inspection according to the electromagnetic conductors laid in advance,with STM32F429IGT6chip used as the main control urdt to collect temperature,humidi­ty,C02concentration and other information and patrol inspection images to be transmitted to the cloud server through the wireless transmission module for growers to view through WeChat.The e cloud server calculates and establishes a gray prediction model based on the data to predict changes in the greenhouse environment.The results show that the
greenhouse inspection robot using cloud computing can better monitor and predict changes in the greenhouse environ­ment,effectively solve the problem of high labor costs in greenhouse production, and has certain application value. Key words：patrol inspection robot；PID control algorithm；cloud computing；grey prediction model
随着我国农业的快速发展及人民生活水平的提高，对温室的生产需求逐年上升。而我国温室技术整体水平较低，种植者如果拥有一款智能设备，就能有效降低温室作业的人力成本，提高生产效率，减少监控难度。
曹起武⑴提出了一种农业机器人，可以实时收集环境信息并传输给云平台，借助云计算平台调用蚂蚁算法来实现对机器人行进路径的规划和实时定位，大大提升了计算效率。圣地亚哥大学的乌雷亚0通过云服务器计算并控制不同机器人来完成既定协作任
收稿日期=2020-12-30
基金项目：大学生创新创业训练计划项目(DC2020148)
第一作者简介：韩涛国(1998-)，男，本科生，研究方向为自适应信号处理,E-mail：2393046441@qq o
*通讯作者：谷志新(1977-)，女，副教授，博士，主要研究方向为信息技术应用，E-mail：gzx@nefu.edu o
第4期
韩涛国，等：基于云计算的温室巡检机器人
41
务。此外，中国科学技术大学的秦琳琳等卩刃提出了
一种基于灰预测模型的温室温湿度系统建模与预 测控制方法，采用遗忘因子递推最小二乘法辨识子系 统模型参数，建立温室温度系统模型，将系统预测问
题描述为混合整数二次规划问题，有效预测和控制了
温湿度变化。
基于以上研究本文提出一种温室巡检机器人，其
采用STM32芯片为主控制单元，以可移动机器人为载 体，由摄像机、红外成像仪、环境检测传感器等
设备组 成，通过机器视觉-电磁场-GPS-GIS 的多场信息融合 指导机器人自主移动和巡检。通过自适应鲁棒PID
控制算法实现对设定轨迹的跟踪。借助一些特定传 感器来识别和规划路线，在温室中完成特定的检查任 务。温室内还建立了通信系统可无线上传温室图像
及温湿度等数据至云服务器储存区。云服务器则根 据数据进行分析建模和计算，建立灰预测模型来预
测分析温室环境变化，并设计了程序以供检测人 员通过实时方便地监测温室大棚的变化。
1系统硬件设计
巡检机器人硬件系统分为七大模块，分别是
STM32主控模块、电源模块、巡线模块、外围电路模 块、电机驱动模块、摄像模块、通信模块。整个巡检机器人要能稳定完成巡检任务，实时
传送图像及温室数据，传感器的选择尤为重要。为 了适应全国各地环境，选择DHT11温湿度传感器,
湿度测量范围可达20% -95%，温度测量范围可达 0~50七，且温湿度测量误差均在5%以内。选择 TS832S 视频图传模组来传递图像，该图传模组具有
体积小、质量轻适合巡检机器人携带等优点。传感
器实物图如图1所示。
2系统软件设计
农业巡检机器人系统软件程序主要工作包括以
下几方面：系统初始化、自主寻迹、数据采集、数据传
输。整个程序的编写及调试在Keil 开发环境下完成。
2.1寻迹程序设计
巡检机器人的寻迹程序设计是机器人能够自主
稳定运行的基础，其包括机器人位置计算、转向控制 和速度控制。
(1)位置计算。巡检机器人偏离引导线的位置
由两个水平电感来确定，当电感距离电磁线越近时 电感值越大，反之越小。统计偏离引导线不同距离
得到的不同电感值再经由MATLAB 数据拟合，电感
值与偏离引导线距离关系如图2所示。
la 丿 DHF11kbj  M11-Z19
((-)RC 摄像头
图1传感器实物图
图2
电感值与偏离引导线距离的关系
42林业机械与木工设备第49卷
由拟合曲线可知，电感值与实际偏差有较好的线性度，实际偏差位置可由确定一定系数后通过差比和算法求出。
(2)转向控制。为使巡检机器人稳定适速运行，需要有高效稳定的控制算法对机器人转向进行闭环反馈控制。本设计采用鲁棒性较好的经典PID控制算法，通过理论计算和实际参数调试来补偿，尽量减少各种外界因素对机器人运行的影响。
(3)速度控制。为使农业巡检机器人能够顺利运行在土壤环境或有坡度的路段，需对电机进行闭环以使电机产生足够大的驱动力，因此需要检测机器人运行速度。选择霍尔编码器。程序控制中通过测量一个周期内的脉冲个数便可推算出运行速度。温室巡检机器人行动时全程保证匀速，采用增量式PI算法来闭环电机速度控制。
2.2云服务器与程序架构
服务器不能直接和Wi-Fi网络或者ZigBee 网络进行通讯，因此给Wi-Fi网络和服务器间引进媒介—
—云服务器。云服务器主要负责实现接收并存储Wi-Fi网络传递的数据、与服务器通讯两部分功能。系统软件设计框图如图3所示。
图3系统软件设计框图
(1)云服务器与服务器通信。云服务器与服务器进行通信共有两种情况：建立连接和获取数据。
建立云服务器和服务器，对二者进行配置，设置云服务器为服务器提供接口信息，让二者可以建立连接。之后终端可以通过服务器向云服务器发送请求来获取数据。
(2)云服务器计算。云服务器收到不同消息类型和消息内容后会进行相应的反应。例如对近期的土壤湿度、温度,CO?浓度等数据建立灰模型，可实现对温湿度及二氧化碳浓度等进行较为精准的预测。
3灰系统建模
灰系统建模通过对原始数据的灰处理，用“生成”的方法将原始数据求得规律性显现的新数据得到具有灰指规律的新数列，而其指数增长的特点符合微分方程解的特征，所以可通过建立微分方程建模。其建模步骤如下：
假设原始数据为：
x0=x01，兀02…,x on,#AUTONUM\*Arabic
对％(0)进行AGD运算，使之构成累加数列，对生成数列，建立相应的白化微分方程：
dx1dt+ax x二6,#AUTONUM\*Arabic
求解得a与b即获取灰趋势预测模型为：
x x k+1二％oi-bcte-ak+ba,#AUTONUM\*Arabic
将计算得到的衍M+1)做累减还原得到原始数据：
x o k+l=X1k+l-X1k+1,#AUTONUM\*Arabic
对于灰趋势预测模型，要对预测的数据准确度做检验，这里选择后验差检验:
c二4,#AUTONUMX*Arabic
P=Pq o k-q<Q.6745S2,#AUTONUMX*Arabic
c和P是预测效果的2个重要指标,c值越小越好,P值越大越好。c<0.35,P>0.95良好
。
第4期
韩涛国，等：基于云计算的温室巡检机器人
43
本文以温室温度数据分析，围绕温室温度进行
分析研究。采集8个原始数据见表1，并建立灰趋 势预测模型，首先采集温度的数据值，采集的时间间 隔取10 s，温室温度实测值与灰趋势预测值的曲
线如图4所示。
针对温室温度建立灰趋势预测模型，可得实
测值与预测值残差为0. 051 6，平均相对误差为
0. 319 8% ，由实证分析可以看出灰趋势预测算法
可有效的预测温室温度参数的变化趋势。
表1温度实测值及预测值
时间厶实测值/弋
预测值/弋
022
22
1022. 7522. 652022. 83
22. 85
30
23.323.244023. 1123.355023. 123.35
60
23.6223.5170
23.56
23.61
24.0
23.523.0
22.522.0
21.521.0
10 20
30 40 5060 70
-------灰趋势预测值时间/s
实测值
温室温度实测值与灰趋势预测值曲线图
[5]
图4
4结论
吕一(1) 设计了巡检机器人系统的硬件和软件结构, 采用STM32F429IGT6作为主控芯片，通过电磁导线
进行巡检。
(2) 建立了云系统架构，设计了连接云服务器的 服务器供种植者实时查看温室情况。
(3) 采用云计算平台对温室数据进行处理并建
立灰预测模型，试验证明该模型相对误差仅0. 319 8%能有效预测温室环境变化趋势。
参考文献：[1]
曹起武•基于云计算的农业机器人路径规划与实时定位研
究[J].农机化研究,2019,41(2) ：211 -215.
[2]
Claudio  Urrea, Rodrigo  Matteoda. Development  of  a  virtual  reality
simulator  for  a  strategy  for  coordinating  cooperative  manipulator  ro ­bots  using  cloud  computing  [ J  ]. 2020,126.[3]
秦琳琳，马国旗，储著东，等•基于灰预测模型的温室温湿度
系统建模与控制[J].农业工程学报,2016,32(S1)：233 -241.
[4] 于珊珊，张建军，李为民，等.农业机器人并联视觉云台研
究[J].农业机械学报,2020,51(8):406 -413.
罗党，王小雷，孙德才，等•含时间周期项的离散灰DGM(1,
1,T)模型及其应用[J].系统工程理论与实践,2020,40(10)：
2737 -2746.[6]
李国辉•农业机器人避障路径智能规划研究[J].农机化研究， 2021,43(3) ：236 -239.
[7] 潘力，高伟强，刘建，等•基于云计算的喷涂机器人远程监控
诊断系统的研究[J].组合机床与自动化加工技术,2019(12)：
52-56.
[8] 王飞涛，樊春春，李兆东，等•机器人在设施农业领域应用现状 及发展趋势分析[J].中国农机化学报,2020,41 (3)：93 -98
+ 120.
[9] 卢希珍，彭文文，熊先青，等•定制家具生产过程中机器人的应
用研究[J] •家具,2019,40(1) ：66 -70.
[10]
吕一心，周橙旻.基于数据可视化技术的电商平台教育机器人
市场分析[J] •家具,2019,40(5) ：23 -27.
[11] 吕照民，周革，苗晨•基于自适应主成分分析的化工过程在线
监测[J] •郑州大学学报：工学版,2020,41(1)=44-48.
(责任编辑王琦)