基于PLC的水果分拣机器人动作控制优化

随着水果产量的不断扩大,水果分拣带来的劳动力剧增形势也越发严峻。传统水果分拣作业主要依赖人工进行,分拣方式单一,分拣效率低、速度慢,且分拣精度不高。为解决这一难题,设计了一种基于PLC的水果分拣机器人,利用机器人的动力学数学模型,对机器人动作控制进行优化,完成了机器人控制系统的总体方案设计。分别对系统的硬件和软件进行设计,硬件设计主要包括硬件模块选型及确定各执行模块运行参数,并完成了PLC内部I/O地址分配以及梯形图的编制。最后,通过试验验证了该水果分拣机器人动作控制系统的安全性和稳定性,结果表明:机器人可有效地完成水果分拣作业,分拣效率高,速度快,且分拣精度高,具有较大的推广价值。     

基于机器视觉的采摘机器人分拣控制研究

随着自动化技术在农业生产中应用的逐渐推广,农业生产智能化、自动化水平越来越高,采摘机器人在果蔬采摘过程中的应用逐渐广泛。果蔬采摘完成后的分拣作业是较为繁重的工作,为克服传统分拣作业分拣效率低、分拣精度差等问题,在深入研究机器视觉工作原理的基础上,进行了机器视觉系统的数学建模,完成了采摘机器人分拣控制系统总体方案的设计。同时,将机器视觉技术应用到采摘机器人的分拣作业中,完成系统硬件模块的设计、选型及软件流程设计,并对该系统进行了仿真实验。实验结果表明:基于机器视觉的采摘机器人分拣控制系统结构简单,目标识别和分拣精度高,系统安全性和稳定性较高,具有较大的推广价值。     

基于宏微结合的田间作业机器人路径规划

农业机器人对推动农业现代化加速变革和实现智慧农业有重要作用。高精度定位技术是保障机器人安全高效完成各类作业的基础,而作业路径准确规划是实现农业场景下导航的核心。针对田间作业机器人复杂环境下因测绘误差与局部障碍进而造成作物损伤率较大这一问题,本文提出一种基于宏微结合的路径规划算法,该算法首先基于作业区域宏观测绘信息生成全局静态作业路径,同时利用雷达传感器对机器人局部作业环境进行实时动态监测进而生成局部动态最优路径,将全局静态路径与局部动态路径进行有机融合以实现作业路径优化修正,保障田间作业的顺利进行,最终应用MPC算法控制机器人对规划后的路径进行追踪。经试验验证,当机器人田间作业两侧安全距离分别为0.2、0.1 m时,本算法可将作业过程中平均作物损伤率由3.405 8%、1.276 3%降低到0.677 2%、0.188 9%,保证了机器人作业的安全可靠,为大田稳产条件下的高效作业奠定基础。同时,本算法提升了精准农业要求下田间作业精度,对实现农业高产高效高质目标有重要意义。     

除草机器人定位系统设计 —基于跳距修正粒子群优化和WSN

为了实现除草机器人的定位和路径规划,首先介绍了WSN技术,将WSN定位和AOA定位算法结合起来,并利用粒子群对其进行优化,实现了一套基于跳距修正粒子群优化和WSN的除草机器人定位系统。试验结果表明:该除草机器人实现了整个六边形草坪的割草作业,没有留下死角区域,且除草机器人行走路径最短。由此表明,除草机器人定位精度高,具有较高的实时性和可靠性。     

林间作业机器人的定位系统综述与展望

林间作业机器人是一种能够在林间环境下满足人们多样化需求的特种工作机器人,林间环境的复杂性使得林间作业机器人的定位存在难点,这成为亟待优化的问题。林间作业机器人定位技术的研究对提高机器人林间作业质量具有极其重要的意义。课题组综述了国内外林间作业机器人定位技术的前沿发展现状,并对其未来发展方向进行了展望。首先,对林间作业机器人的定位系统进行概述,并根据定位方式的不同对其进行分类叙述;其次,结合丰富具体的文献资料,对林间作业机器人绝对定位技术、相对定位技术以及绝对定位和相对定位结合在林间作业环境下的表现形式进行分析和探讨,并指出林间作业机器人定位系统面临的挑战;最后,探讨了林间作业机器人定位系统的未来发展趋势。本研究能为林间作业机器人定位系统的研究和升级提供一定的参考。     

物料分拣机器人视觉定位系统研究

物料分拣系统是工业化领域生产的一种新型系统,该系统在运作的时候需要着重确定分拣对象的参数、机器人参数等。借助机器人视觉定位系统能解决物料分拣系统运作的难点。为此,文章结合实际就物料分拣机器人视觉定位系统设计问题进行探究。     

基于排球机器人运动规划的农机案例学习决策系统

利用排球机器人进行运动规划,可以模拟人类球员通过经验积累而采取相应动作的行为学习模式,采取案例学习的方式解决球的初始状态微小变化,如发球速度和角度变化时的运动规划问题。如果将排球机器人运动规划方法使用在农机决策系统中,通过案例学习训练可以使农机进行自主作业。为了验证方案的可行性,以采摘机器人的设计为例,将排球机器人运动规划系统引入到了机器人的定位识别系统的设计上,并采用小波神经网络算法对案例库进行训练,以获得较高的学习精度。对采摘机器人定位识别系统进行了测试,结果表明:采用案例学习和小波神经网络算法,可以使采摘机器人定位识别系统具有较高的响应速度和识别精度,满足采摘机器人自主作业的设计需求。     

智能模式识别采摘机器人设计——基于图像聚类和情感模糊计算模型

随着科学技术的不断进步和完善,情感计算对于智能设备设计的重要性也日益显著,将情感计算能力与智能设备进行有机地整合不仅能够较好地整合人机交互,还可以使设备具有类人的作业能力。为了使采摘机器人可以对具体的作业环境做出反应,实现果实的定位和成熟度的判断,采用AML脚本语言,结合模糊c均值聚类算法,设计了采摘机器人智能识别模式模型,并将算法嵌入到采摘机器人机器视觉及控制系统中,最后对算法的可行性和可靠性进行了验证。试验结果表明:采用该方法对农作物颜色识别的准确率较高,并且相对于其他算法具有计算效率更快、计算准确率更高等优点,从而验证了算法的可靠性,为智能采摘机器人的设计提供了一种新的方法。     

基于RFID和WSN的采摘机器人自主定位与导航设计

为了提高采摘机器人自主导航能力和定位精度及对复杂采摘作业环境的自适应能力,提出了一种基于FRID和WSN的自主导航与避障采摘机器人,通过ID识别技术和聚类算法的应用,实现了采摘机器人的高精度导航与路径规划。该机器人在自主导航和避障过程中首先对RFID标签进行阅读,将阅读结果采用WSN进行节点通信,然后调用距离,并对距离进行聚类分析,最后得到规划后的路径。对机器人的导航定位性能进行了测试,测试发现:机器人实际标定位置和定位导航位置曲线吻合程度较高,验证了采摘机器人具有较高的定位精度;进一步测试发现:机器人在各个节点位置的信号通信均正常,没有出现较大的偏差,其定位的最大均方差仅为0.082m,满足高精度采摘作业的需求。     

基于视觉与激光雷达融合的棚内农业机器人定位和检测研究分析

【目的】探究视觉与激光雷达融合在棚内农业机器人中的应用,解决复杂环境下机器人自主导航的关键问题,提高机器人的感知能力和环境适应性。【方法】首先,采用高精度的视觉传感器捕捉棚内农业场景,通过图像处理技术提取关键特征,建立视觉地图以支持机器人的定位。同时,引入激光雷达传感器获取场景的三维点云数据,从而实现对环境深度和形状的准确感知。视觉与激光雷达信息的融合构建了综合感知系统,为机器人提供了更全面、可靠的定位信息。其次,针对棚内农业作业中常见的障碍物,设计了基于深度学习的障碍物检测算法。通过训练神经网络,机器人能够在实时环境中快速而准确地识别障碍物,并进行相应的避障决策。【结果】本研究提出的基于视觉与激光雷达融合的农业机器人定位和障碍物检测系统在不同棚内环境中表现出卓越的性能。【结论】机器人能够实现高精度的定位,并对障碍物做出及时准确的响应,为棚内农业的自动化精准作业奠定了坚实的技术基础。     

基于单目视觉的采摘机器人障碍物检测和路径规划

具有自主作业能力的采摘机器人一直是国际上研究的热点,而障碍物检测躲避能力是其重要的功能,因为在机器人识别作业区域或成熟果实后需要自主的定位和移动。为此,提出了一种基于单目视觉和人工势能场的障碍物检测和避障算法,可以有效采集和检测障碍物的信息,再依据障碍物及目标区域的距离使用人工势能场方法对路径进行优化,实现采摘机器人的自主移动。为了验证障碍物检测和避障方案的可行性,模拟采摘机器人作业环境和自主移动流程,对采摘机器人避障行为进行了测试。测试结果表明:采用单目视觉和人工势场方法可以使机器人成功的避障,并规划出效率最高的到达目标作业区域路径,对采摘机器人自主导航技术的研究具有重要的意义。     

排球运动规划在采摘机器人识别定位中的应用

为对采摘机器人的识别与定位功能进行优化,将排球机器人的运动规划原理与采摘机器人的控制要求相结合进行应用探讨。通过搭建采摘机器人对果实的识别定位理论模型,运用核心图像识别与处理算法,硬件配置动作执行协调及软件系统后台指令控制,实现多功能性传感装置信息数据的合理性采集与传输,达到实时定位目标。进行了采摘机器人的识别与定位试验,结果表明:在排球机器人运动规划与控制机理下,通过目标与定位图像的有效抓取,采摘定位时间可控制在0.6s左右,综合定位准确率保持在93.8%以上,最高定位准确率可达95.7%,满足采摘机器人作业需求,验证了设计理念的可行性,可为类似农业设备定位开发提供思路。     

基于聚类算法对象提取的快速定位采摘机器人设计

为了提高采摘机器人的定位速度,对机器人的机器视觉系统进行了改进,设计了一种基于聚类算法和视频对象提取技术的快速定位机器人。该机器人视频对象图像提取过程中,在完成图像进行滤波后,引入了Lab彩色空间聚类算法,有效地降低了图像的色彩数和噪声,实现了图像对象的量化处理,大大提高了果实定位和采摘的效率。为了验证设计的快速定位采摘机器人的可靠性,对机器人的采摘性能进行了测试,测试项目主要包括图像处理和果实定位。通过测试发现:快速定位机器人可以有效地实现图像聚类中心的提取,并对聚类中心进行编码,每次定位用时少、定位速度高且果实采摘的准确性累计概率较高,符合高精度、高效率果实采摘机器人的设计需求。     

农业机器人声源目标搜寻协作控制系统研究

随着农业现代化技术的不断发展,农业机器人被使用到了农业生产作业过程中。当作业机器人较多时,需要采用控制系统实现机器人之间的协作,通过对不同的机器人发布不同的控制指令,实现多机器人的高效作业。语音信号是最快捷、高效的控制指令,机器人通过对声源目标信号的识别,可以执行远程控制端发出的控制指令,实现自动化协同作业。为此,将DTW算法引入到了声源目标搜寻识别算法的设计上,研制了采摘机器人自动化语音控制系统,并对系统进行了测试。结果表明:采摘机器人语音识别系统可以成功地识别在干扰条件下发布的控制指令,且识别的准确率较高,可以满足多机器人协同自动化作业的需求。     

基于激光SLAM的牛场智能推翻草机器人自主导航系统

为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping, SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。自主导航系统通过激光雷达感知牛场环境,使用加载里程计信息的Cartographer算法构建牛场环境地图,采用未加载里程计信息的自适应蒙特卡洛定位(Adaptive Monte Carlo localization, AMCL)算法实现机器人的定位,并采用迪杰斯特拉算法(Dijkstra)规划机器人推翻草工作路径。试验表明,在构建牛场环境地图时采用机器人加载里程计信息的方式,横纵向偏差最大值低于未加载里程计信息时构建的地图,分别为0.02 m和0.14 m;在实现机器人的定位与导航时采用未加载里程计信息的方式,横纵向偏差最大值及航向偏角最大值分别小于0.04 m、0.10 m和11°,且导航精度高于加载里程计信息时的数值,满足牛场环境中推翻草作业时的导航精度要求。     

应用于茶叶罐分拣的码垛机器人最优关节空间控制

针对茶叶罐分拣生产线的高效率运动控制,提出一种码垛机器人最优关节控制方法。首先,设计茶叶罐分拣码垛机器人生产线的三维模型,根据拉格朗日方程推导出机器人动力学模型,明确模型的输入输出关系。进而,利用萤火虫算法的寻优优势对码垛机器人进行运动学反解,并引入NUBRS曲线平滑处理经五阶多项式插补的轨迹。最后,设计快速连续非奇异终端滑模控制器来实现关节空间内的高精度轨迹跟踪控制。研究结果表明:与滑模控制和反步法控制相比,本文控制器具有更高的控制性能;萤火虫算法能在0.37 s内求解机器人反向运动学,结合五阶多项式插补法与NUBRS曲线能获得光滑柔顺的参考关节轨迹;本文控制器能有效抑制集总干扰力矩影响,保证机器人关节空间内轨迹跟踪精度。     

基于多跳无线网络和机器视觉的新式采摘机器人设计

针对农田作业环境下传感器定位节点的数量较多、覆盖范围要求广及农作物作业场地很多都没有局域网覆盖的问题,提出一种面向多跳无线网络的采摘机器人节点定位方法,并将其应用在待采摘区域的精确定位上,从而提高了采摘机器人定位和目标识别的整体性能,降低了采摘机器人总体的能源损耗。在新式采摘机器人的设计过程中,采用无线多跳网络通过多个无线路由对接收的定位数据进行转发,其部署简单,可以使定位节点进行周期性的休眠,能源消耗低,从而保证了采摘机器人能源的供应;采用机器视觉辅助目标果实定位识别系统,实现了待采摘果实的准确定位。对采摘机器人多跳无线网络定位系统进行了抗干扰能力测试,结果表明:噪声干扰的环境下,采摘机器人依然具有较好的通信能力,可以对待采摘区域实现较为精确定位。     

协同关系下多媒体运动与采摘机器人匹配设计研究

基于编码器的采摘机器人控制方法主要是通过机器视觉技术划分各机械臂的作业区间,利用编码器完成多机械臂的协同作业,此方法对图像边缘提取过程中模糊区域的边缘提取效果较差,导致采摘效率低。为此,提出协同关系下多媒体运动与采摘机器人匹配控制方法,将多媒体运动与采摘机器人图像边缘检测相匹配,采用梯度算法,通过滤波、增强、检测和定位等过程实现采摘机器人采摘目标的精确定位。在此基础上,采用基于约束的采摘机器人运动控制算法,通过采摘机器人双臂运动中位置、姿态及各关节速度间的约束关系,实现采摘机器人精确的双臂协同运动。实验表明:所提方法的图像识别和定位准确率平均值分别为98.35%和98.44%,采摘时间与其他两种方法相比分别降低12.07s和16.48s,说明此方法具有较高的识别精度和采摘效率。     

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

基于RSSI信号强度定位的夜间采摘作业机器人设计

为了提高果实采摘机器人在夜间作业的工作效率,提出了一种适用于果实采摘机器人夜间果实定位识别的方法,引入了RSSI信号强度定位技术,并在此基础上提出了一种泰勒级数展开的高精度定位方法。夜间采摘作业机器人采用接收到的RSSI信号强度对待采摘的果树进行定位,为了满足机器人移动时的实时定位,采用多次信道扫描的方式,提高了机器人定位的实时性。为了验证机器人夜间定位方法的有效性和可靠性,在夜间采摘环境下,对机器人的性能进行了测试。通过测试发现:机器人的定位精度较高,错误识别率较低,并且通过多次校正,可以有效提高作业精度,满足夜间作业的设计需求。