Scientific journal

Advances in current natural sciences

ISSN 1681-7494

"Перечень" ВАК

ИФ РИНЦ = 0,775

В настоящее время относительно обоснованные надежды на сохранение плодородия сельхозугодий связаны с переходом к бесхимическим и не разрушающим структуру почвы агротехнологиям в растениеводстве. Но переход на такие технологии сопряжен с необходимостью выполнения кратно большего количества двигательных действий воздействующих на почву и растения рабочих органов и таким же значительным ростом требований к кинематическим и динамическим характеристикам этих действий. В настоящее время эти задачи решаются за счет усложнения и удорожания техники для обработки посадок традиционными рабочими органами. По мере усложнения применяемых в сельскохозяйственной отрасли технических средств и систем все ощутимее проявляются ограничения в способности человека к управлению энергонасыщенными машинно-тракторными агрегатами с большими захватами и на высоких скоростях движения.

Следующим этапом машинизации выполнения кинематически и динамически сложных двигательных действий по обработке почвы и растений в междурядьях является роботизация производственных операций в виде перехода на безлюдные технологии. Для достижения необходимого кратного снижения количества проходов техники по междурядьям роботизация должна обеспечивать соответственное кратное повышение качества обработки почвы и растений.

Для этого роботизированный агрегат для междурядной обработки посадок должен обладать, во-первых, способностью безошибочного распознавания культурных растений и их вегетативных элементов. Во-вторых, способностью определять признаки поражения культурных и сорных растений болезнями. В-третьих, распознавать признаки наличия в посадках насекомых-вредителей и определять их количество. В-четвертых, определять вид сорных растений для выбора способа их удаления из междурядья. Затем следует способность управления усложнившимися кинематическими и динамическими действиями с рабочими органами для воздействия на почву и растения.

В данной работе оцениваются перспективы роботизации производства растениеводческой продукции в части возделывания пропашных культур. Наш подход основан на разделении задачи роботизации производственных процессов в растениеводстве на решение задачи алгоритмизации действий агротехнического робототехнического устройства, и на решение кинематических и динамических задач осуществления взаимодействия робототехнического устройства с почвой и растениями. Конкретно рассмотрены физико-технические ограничения на эксплуатационные характеристики автономной мобильной агротехнической робототехники для междурядной обработки посадок.

Ограничительные характеристики робототехнического агрегата

Прежде всего, отметим, что в настоящее время определение «робот для междурядной обработки посадок» наиболее часто подразумевает, в сущности, традиционный агрегат для сплошной обработки посадок культиваторами и/или пестицидами, установленный в виде навесного оборудования на несущую транспортную платформу с автопилотом вместо механизатора. Подобный агрегат в лучшем случае является таким же тяжелым, как и обычные культиваторы на пилотируемой механизатором платформе. Соответственно, он вызывает такую же, а зачастую еще большую машинную деградацию почвы. Для существенного уменьшения деградации почвы необходимо использовать новые технологии и рабочие органы, основанные на иных физических принципах воздействия на почву и растения и позволяющие существенно (многократно!) снизить массу агрегатов. Особенно новые технологии обработки востребованы при возделывании пропашных культур, сопровождающемся наиболее интенсивными эрозионными процессами из-за многочисленности проходов агрегатов по полю. Также новые технологии должны быть малоэнерго- и малоресурсоемкими для достижения ощутимого экономического эффекта применения новой достаточно дорогостоящей роботизированной техники.

Наглядные ориентиры в оценке энергоемкости производственных операций представлены в таблице из «Методических указаний» курса лекций «Механизация производственных процессов в растениеводстве и их оптимальное проектирование» [1].

Таблица составлена по результатам практических полевых работ и позволяет сопоставлять сведения о трудо- и энергозатратах на выполнение отдельных операций и объективно отражает трудоемкость различных этапов возделывания подсолнечника. Из таблицы удалены столбцы с указанием длительности выполнения этапов возделывания с нормативными сроками и почасовым расчетом выполнения при различных продолжительностях рабочего дня и количества смен. Оставлены только столбцы со сведениями, необходимыми нам для общих оценок трудоемкости операций и этапов.

Виды работ и нормативы расходов топлива при возделывании подсолнечника

В частности, на подготовку пашни потребовались операции сплошной обработки почвы с общим расходом топлива 18,28 кг/га, на предпосевную культивацию – 9,3 кг/га, на посев и послепосевную обработку – 9,4 кг/га, или более 390 МДж.

Далее последовали междурядные операции – на три междурядные культивации потребовалось топлива 10,2 кг/га, или почти 430 МДж. Соответственно, роботизированный агрегат сравнимой производительности – около 3 га за час работы – должен развивать мощность не более 0,36 МВт, чтобы его энергопотребление не превысило энергопотребление традиционного «пилотируемого» агрегата.

В первом приближении (принимаем энергоэффективность самого культиватора за 100%), коэффициент полезного действия (КПД) культивации как тяговый КПД трактора можно рассчитать как [2–4]:

ηтяг = ηтр× ηδ× ηf,

где ηтр – КПД с учетом механических потерь в трансмиссии; ηδ – КПД с учетом потерь на буксование ведущих колес; ηf – КПД с учетом потерь на качение трактора.

Величина механического КПД ηтр современных тракторных трансмиссий шестеренного типа при близких к расчетным величинам нагрузках равна 0,88–0,93.

КПД буксования ηδ учитывает потери мощности за счет снижения скорости из-за буксования движителей трактора и при возможности пренебречь кинематическим несоответствием в работе движителей определяется по формуле

ηδ = v/vт = 1 – δ,

где v/vт – отношение реальной поступательной скорости движителя к расчетной, δ – коэффициент буксования. Коэффициент буксования зависит от нагрузки на крюке трактора и от свойств почвы, но на практике ограничен допустимым значением, равным для гусеничных тракторов 0,05, а для колесных с двумя ведущими колесами – 0,18. Для полноприводных четырехколесных тракторов коэффициент буксования ограничен значением 0,15.

При работе в тяговом режиме на стерне колосовых для колесных тракторов ηf принимают равным 0,88, а для гусеничных тракторов ηf = 0,92. Окончательно верхний предел значения КПД трактора в системе обрабатываемая почва – трактор примерно равен 0,69 [5].

С учетом КПД двигателей тракторов примерно 33 %, получим результирующий КПД трактора с ДВС не более 23 %.

Соответственно, робототехнический агрегат для междурядной обработки почвы и растений с такой же производительностью, как существующие традиционные агрегаты, должен обладать способностью приложить к выполнению полезной работы мощность около 0,083 МВт.

Таким образом, если при выполнении этого ограничительного требования тяговый КПД транспортной платформы робототехнического агрегата будет выше 23 %, роботизация междурядной обработки будет способствовать снижению ее энергоемкости. Отметим, что одной из наиболее трудоемких для возделывания культур является картофель. Затраты труда на производство 1 ц картофеля составляют примерно 3,5 чел.ч. Наиболее трудоемкими процессами являются подготовка семян к посадке и уборка. Также возделывание картофеля связано с многочисленными обработками плантаций из-за высокой чувствительности картофеля к недостатку любого микроэлемента, высокой поражаемости посадок картофеля различными инфекционными (грибными, бактериальными, вирусными, нематодными и др.) и неинфекционными болезнями и большого количества – более 60 видов насекомых, слизней, грызунов и т.п. вредителей.

Глобальные ограничивающие факторы

Для обоснования дальнейших выводов и предложений совершим небольшое отступление в область глобальных процессов эволюции агроэкосистем.

Мировой опыт развития производства сельскохозяйственной, в частности растениеводческой, продукции свидетельствует о том, что современное сельское хозяйство развивается в условиях обостряющегося противоречия между необходимостью выполнения многочисленных проходов тяжелой агротехники для ухода за посадками и применения пестицидов, с одной стороны, и неизбежной деградацией почвы и отравления ее пестицидами, с другой [6–8]. За последние двести-триста лет развитие производства растениеводческой продукции методом интенсификации производственных процессов средствами механизации традиционных приемов воздействия на почву и растения привело к возникновению глобальных угроз среде обитания человека. В качестве способа выхода из кризисной ситуации все с большей надеждой рассматривается роботизация производственных процессов. Но здесь человечество столкнулось с парадоксом. Суть его в том, что роботизация отрасли невозможна без того, чтобы роботизация приводила к ощутимой экономической эффективности. А экономическая эффективность формируется из снижения себестоимости продукции и/или повышения ее качества. Вследствие этого роботизация воспринимается как осуществление банальной конъюнктурной политики в расчете на экономический эффект от замещения человека с его рабочими орудиями и приемами выполнения производственных операций на робота с теми же орудиями и приемами. Но опыт стран с передовой наукой и технологиями, предпринимающих попытки реализации национальных программ роботизации с подобными целями и задачами, свидетельствует о том, что она приводит к росту ресурсо- и энергопотребления и, естественно, не сопровождается возникновением экономического эффекта. Мы считаем, что это обусловлено не слабостью реализуемых в агротехнологиях инженерных решений, а в том, что традиционные приемы и средства выполнения производственных операций биоморфичны по своей природе и, следовательно, являются элементами диссипативных систем, экспортирующих энтропию в окружающую среду, то есть в экосистему. Соответственно, роботизация сельского хозяйства в ее современном виде с использованием традиционных орудий и воспроизводством традиционных способов взаимодействия с почвой и растениями не только не способна привести к экономическому эффекту в виде результирующего полезного результата, но и неизбежно ускорит деградацию экосистемы в целом. Обострившиеся экологические проблемы обусловили зависимость инвестиционной привлекательности роботизации от ее экономической эффективности и экологического следа в масштабах экосистемы. А поскольку агроэкосистемы являются частью экосистемы, с которой агроэкосистема непрерывно обменивается веществом и энергией и в которой система положительных и отрицательных обратных связей поддерживает динамическое равновесие в виде постоянства своих параметров и энтропии, то возникновение экономического эффекта, в свою очередь, оказалось связанным со снижением экологического давления агроэкосистемы на экосистему, или, точнее, экспорта энтропии агроэкосистемы в экосистему. То есть экономический эффект возникнет только с переходом на обратный по отношению ко всему живому принцип максимизации собственной энтропии агроэкосистемы при минимизации экспорта энтропии в экосистему. Условия энергетического баланса в экосистеме при выполнении такого принципа обусловливают требование снижения энергозатрат на выполнение агротехнических действий с соответствующим снижением себестоимости продукции и одновременно с повышением видового разнообразия и количества трофических цепей агроценоза с соответствующим повышением качества продукции в биоморфологическом отношении.

Для этого следует в первую очередь исключить из производственных процессов человека и его биоморфичные технологии, и орудия производства с их энтропийной расточительностью и, во-вторых, перейти на применение новых, по всей видимости небиоморфичных энтропийно консервативных способов и приемов воздействия на почву и растения. Соответственно, предпосылки развития экологически безопасных агротехнологий могут возникнуть только в виде результатов фундаментальных исследований процессов преобразования вещества и энергии, осуществляемых в агротехнологиях.

Перспективы перехода на альтернативное земледелие

В настоящее время попытки достижения энтропийно консервативного земледелия предпринимают сторонники концепции «альтернативного» земледелия [9, 10]. Суть этой концепции заключается в стремлении к полному отказу от синтетических удобрений, пестицидов, регуляторов роста и кормовых добавок и строгом соблюдении агротехники севооборотов с активным применением посадок бобовых культур, сохранением растительных остатков, использовании навоза, компостов и сидератов, механической культивации, биологических методов защиты растений. Соответственно, энтропия агроландшафта при таком земледелии будет выше, чем при активном применении гербицидов и прочих пестицидов и синтетических удобрений [11, 12]. Но отказ от применения пестицидов приводит к снижению урожайности культур. Помимо этого существенно растет количество агротехнических действий с помощью мощных агрегатов с соответствующим ускорением машинной деградации почв и экспорта энтропии. Таким образом, переход на траекторию оздоровления сельхозугодий за счет широкого внедрения альтернативного земледелия также требует создания и внедрения новых, энтропийно консервативных, агротехнологий. Вероятно, что это будут агротехнологии безлюдного возделывания сельхозугодий на основе выполнения производственных операций автономными робототехническими системами. При этом, как было показано выше, эти операции не могут быть антропоморфичными, как в сложившихся к настоящему времени приемах альтернативного земледелия. Например, в качестве первого необходимого шага к созданию неантропоморфичной агротехнологии роботизированной междурядной обработки посадок пропашных культур следует оптимизировать выполняемые роботами в производственных операциях алгоритмические, кинематические и динамические действия.

Алгоритмические, кинематические и динамические аспекты задачи роботизации

Для алгоритмизации действий агротехнического робототехнического устройства необходимо, во-первых, детальное знание общих агротехнических требований к междурядной обработке пропашных культур. Во-вторых, знание ограничений на кинематические действия и на динамические характеристики робототехнических устройств.

К агротехническим требованиям к междурядной обработке посадок относятся:

1. Своевременность обработки в агротехнически обоснованные сроки их проведения. Допустимые отклонения от оптимальных сроков исчисляются в часах.

2. Соблюдение глубины обработки почвы с учетом назначения обработки, состояния растений, условий погоды. В том числе сообразно степени развития корневой системы растений следует применять различные рабочие органы, установленные на определенную глубину воздействия на почву, обеспечивающую сохранение увлажненности нижних слоев почвы и облегчающую доступ воздуха к корням растений при переувлажнении верхних слоев почвы. При этом среднестатистические отклонения глубины обработки почвы не должны отклоняться от установленной более чем на 15 %.

3. Уничтожение всех сорняков в междурядье. Ясно, что это требование ограничено необходимостью поддержания видового разнообразия биома.

4. Соблюдение защитной зоны вокруг культурного растения для предупреждения повреждений его рабочими органами или заваливания почвой. Ограничения исчисляются в сантиметрах.

5. Соблюдение установленных с учетом фазы развития растений глубины закладки и расстояния от рядков растений или гнезд при внесении удобрений с точностью не хуже ±8 %.

Из этого перечня видно, что алгоритмы действий робототехнического агрегата будут определяться с учетом кинематических и динамических характеристик конструкции агрегата. В настоящее время на полях можно увидеть опытные образцы робототехники самых различных компоновочных и конструктивных решений, реализованных на различных транспортных платформах с различными энергетическими базами. Еще ни одна кинематическая схема не зарекомендовала себя как безусловно перспективная для широкого применения.

Отсутствие даже компоновочных схем устройства робототехнических агрегатов для междурядной обработки посадок не позволяет отталкиваться от их конструктивных особенностей и вынуждает учитывать только ограничения, обусловленные общефизическими законами. Ограничения в соответствии со сведениями из области сопротивления материалов в первом приближении мы также принимаем несущественными, поскольку успехи технологий создания композитных материалов и достижения металлургов в создании сплавов с различными свойствами предоставляют все больше возможностей для решения сложных инженерно-конструкторских задач за счет свойств новых материалов.

В конечном счете в качестве первого шага оценки перспектив роботизации междурядной обработки посадок рассмотрим особенности выполнения глобальных, региональных и локальных перемещений рабочих органов и эффекторов робототехнического устройства для осуществления безлюдной междурядной обработки посадок.

Поскольку локальные и региональные перемещения рабочих органов и эффекторов происходят относительно несущей транспортной платформы робототехнического устройства, задача управления ими сводится к решению обратной задачи кинематики с вычислением известными способами значений состояний кинематических пар манипуляторных органов для обеспечения движения эффектора к заданным сенсорной системой робототехнического устройства параметрам рабочего положения.

К настоящему времени разработано множество методов решения обратной задачи кинематики для многозвенных манипуляторов. Их перечень с подробным анализом особенностей представлен в [13]. Представленный в перечне метод обратных преобразований достаточно просто получает значения положений кинематических пар манипулятора, но не дает однозначных решений [14]. Метод штрафных функций, использующий приемы нелинейного программирования и свойства нейросетей, из-за медлительности не подходит для использования в режиме реального времени [15, 16].

Мощный метод бикватернионного решения кинематической задачи управления не всегда имеет решение [17]. Метод интервалов предназначен для управления манипуляторами с простыми кинематическими схемами [18].

Методы Sequential Monte Carlo Method (SMCM), Style-based Inverse Kinematics и Mesh-based Inverse Kinematics требуют предварительного обучения модели, из-за чего метод малопригоден для условий неструктурированной среды применения манипулятора [19]. Метод трех базовых функций разлагает алгоритмы рабочих движений манипулятора для широкого класса задач управления положением и ориентацией эффектора манипулятора средствами формализма операторов расширения векторной алгебры [20–22]. Близким к нему методом является метод ФАБРИК, использующий построение пересечений осевых линий звеньев постоянной длины, из-за чего принципиально не пригоден для решения обратной задачи кинематики для «дельта-манипуляторов» [23].

Наиболее универсальным и применимым является метод, изложенный в статье [24]. Суть метода в пошаговом моделировании движения отдельной части манипулятора, осуществляющей определенное движение манипулятора. Дробление углов поворота шарниров можно задавать. На каждом шаге решается прямая задача кинематики для отслеживания положения схвата и корректировки выполнения следующего шага. В отличие от ранее разработанных методов пошагового вычисления положений сочленений звеньев манипулятора, в этом методе используются доказанные в теоремах о конечных углах поворота и смещения максимальные значения шага для каждого сочленения. Это позволяет не решать прямую задачу кинематики для корректировки алгоритма. Пошаговое движение прекращается при достижении заданного положения и ориентации эффектора с необходимой точностью.

Сравнение приведенных методов решения обратной задачи управления рабочими органами и эффекторами позволяет ориентироваться на принципиальную выполнимость разработок систем управления манипуляторами различного назначения. Но для этого предварительно следует задать условия обратной задачи управления манипулятором – указать параметры пространственного положения и ориентации рабочих органов/эффекторов манипуляторов. Для этого система управления робототехнической системы должна обладать способностью оперативно распознавать производственную ситуацию и формировать алгоритмическое описание миссии предстоящей производственной операции. Распознавание ситуации, в свою очередь, включает восстановление геометрического образа пространства междурядий, позиционирование элементов конструкции робота в этом пространстве и оценку выполнения указанного выше перечня агротехнических операций в междурядье. При этом оценки части этих операций могут быть сведены к измерениям значений определенных геометрических и/или физических параметров/факторов, а для других потребуется использование быстродействующего искусственного интеллекта.

Окончательно приходим к выводу о ключевом значении успехов в развитии систем искусственного интеллекта для роботизации междурядной обработки посадок.

Заключение

Существующие в настоящее время нейросетевые системы распознавания ситуаций в принципе применимы для обеспечения управления выполнением роботом агротехнических операций при обработке междурядий. Среди зарубежных разработчиков наибольших успехов добились компании CLAAS и John Deere, представившие ряд устройств для выполнения узкоспециализированных операций по обработке почвы на основе компьютерного зрения. Остальные разработчики пока на стадии запуска стартапов и R&D-проектов. В целом обзор лучших мировых разработок в области роботизации полеводства свидетельствует об отсутствии полноценных концепций решения задачи роботизации междурядной обработки посадок [25]. Мы объясняем это главным образом тем, что в разработках не преодолена традиция попыток использования в робототехнике антропоморфичных орудий.

Лидером по эффективности технологии автономной уборки урожая является автопилот для уборочных комбайнов Cognitive Agro Pilot российской компании Cognitive Technologies. Опыт применения автопилота свидетельствует о том, что современный выполнимый и применимый на мобильной технике нейросетевой искусственный интеллект на пределе возможностей способен использовать для распознавания ситуации очень незначительное количество параметров ситуации. Cognitive Agro Pilot отслеживает кромку скошенной полосы поля, появление посторонних объектов в поле зрения камер и положение рулевого механизма шасси комбайна. Для распознавания производственной ситуации в междурядье нейросетевой искусственный интеллект должен будет в динамике отслеживать многократно большие количества параметров, вслед за распознаванием ситуации формировать производственные миссии и вырабатывать управляющие команды для приводов рабочих органов робота. Указанное обстоятельство не позволяет в обозримом будущем рассчитывать на экономически оправданную роботизацию междурядной обработки посадок сельскохозяйственных культур.