全自动草坪修剪机器人设计

本文设计的全自动草坪修剪机器人是集环境自动感知、路径自主规划、系统控制于一体的全自动智能四驱割草器。通过树莓派控制搭载ROS系统完成机器人的应用开发,机器人系统中利用传感器和摄像头进行数据信息采集,采用SLAM技术构建地图控制小车路径和轨迹规划;底层采用嵌入式系统控制机器人的运动和航迹推演,底盘采用四轮差分驱动结构,辅加PID算法和控制策略对机器人底层进行控制,安装超声波传感器使得机器人完成避障功能。     

全自动草坪修剪机器人

本课题设计的全自动草坪修剪机器人是集环境自动感知、路径自主规划、系统控制于一体的全自动智能四驱割草器。通过树莓派控制搭载ROS系统完成机器人的应用开发,机器人系统中利用传感器和摄像头进行数据信息采集,采用SLAM技术构建地图以控制小车路径和轨迹规划;底层采用嵌入式系统,控制机器人的运动和行迹推演;底盘采用四轮差分驱动结构,辅加PID算法和控制策略,对机器人底层进行控制;安装超声波传感器使得机器人具备避障功能。     

割草机器人的导航系统控制仿真研究

为进一步优化割草机器人的导航系统控制的精度与效率,以智能化的导航融合技术及核心控制算法为导向,对其导航系统展开深入仿真研究。以割草机器人的构件组成和运动原理为平台,结合当前符合实际的运动学理论与PID实时调控机理,建立了割草机器人的导航控制理论模型,同时对导航系统的硬件接口及核心配置进行合理选型,对系统的图像信息识别与处理进行软件程序关键步骤调整与智能导航算法融入,并展开导航系统的控制仿真试验。试验结果表明:在一定的基准站参考坐标下进行导航数据的获取与实时输出,得到割草机器人行驶路程与平均跟踪误差间的关系曲线,误差可控制在±0.15m范围内;导航仿真过程可实现最大横向控制误差为0.133 8m的良好效果,价值平均运行稳定率保持在90.54%以上,整体运行稳定可靠。该研究对于农用其他装备的导航控制板块改善具有一定的参考意义。     

采摘机器人动力学建模及动作规划仿真研究——基于SolidWorks

为了提高采摘机器人的自动化采摘效率和质量,将机器人动力学建模和仿真模拟方法引入到了采摘机器人的设计过程中,基于SolidWorksv软件建立了采摘机器人机械手的三维模型,并将其导入到ADAMS软件中进行了仿真模拟计算,得到了机械手动作的轨迹,通过对轨迹数据的分析可以实现机械手动作的优化。在机器人动作控制精度的优化上采用了神经网络PID算法,并对优化前后的动作精度进行了对比,结果表明:采用神经网络PID算法可以明显提高动作的精度,对于采摘机器人的优化设计具有重要作用。     

割草机器人路径规划的研究——基于机器视觉和人工势场算法

首先建立了割草机器人环境模型和传感器系统,然后利用OTSU算法和Faster R-cnn对图像进行分割和障碍物识别,最后根据割草机器人和周边环境搭建了一个人工势场,实现了对割草机器人路径规划。试验结果表明:割草机器人能够自行躲避障碍物目标,对预设路径进行局部重新规划,证明了该系统的可靠性和可行性。     

基于神经网络PID的拖拉机空调温控系统优化设计

为了提高拖拉机空调温控系统的调节精度和效率,提升驾驶室内的环境舒适程度,将PID控制器引入到了拖拉机空调控制系统的设计上,采用温度误差反馈调节的方式,提高温控的精确性。在PID控制器的优化上采用了神经网络算法,通过神经网络训练和权值的修改,实现了PID控制器的3个参数的优化,进而提高了控制系统的效率和精度。为了验证神经网络算法对PID控制器的优化作用,以拖拉机的温控误差和调节时间为研究对象,对单独采用PID控制器和采用神经网络PID控制器时的控制结果进行了测试,结果表明:神经网络算法使PID控制器具有更快的响应速度和更高的控制精度。     

割草机器人路径规划研究 ——基于改进蚁群算法和计算机视觉

首先,从设计需求、结构体系和控制系统设计了割草机器人总体方案;然后,设计了草坪边界提取算法和割草机器人路径规划系统,实现了一套基于改进蚁群算法和计算机视觉的割草机器人路径规划系统.试验结果表明:割草机器人能够实现草坪边界提取和规划出最优路径,割草机器人路径规划具有一定的可行性.     

刚柔耦合空间闭链机器人轨迹跟踪与振动抑制研究

针对含多变量高维度空间刚柔耦合闭链机器人的轨迹跟踪和振动抑制问题,提出了一种基于前馈补偿的PD控制方法。首先,采用有限元法对柔性空间构件进行离散,基于浮动坐标系描述柔性构件位移场矢量,并根据Lagrange方程建立考虑刚性末端执行器微小位移的刚柔耦合空间并联机器人动力学模型;然后,利用前馈控制对预先求出的含耦合效应的控制力矩进行补偿,提高刚柔耦合控制系统的响应速度及跟踪性能,同时通过PD控制律保证空间闭链机器人的轨迹精度,并对不同末端载荷作用下的轨迹跟踪精度进行分析;最后,与位置PID算法进行了比较。结果表明:与位置PID算法相比,基于控制算法作用下的刚性末端执行器轨迹精度得到提高,其中,X方向误差降低了89.7%,Y方向误差降低了4.3%,Z方向误差降低了12.9%,柔性空间构件产生的振动得到了有效抑制。     

神经网络与计算力矩复合的机器人运动轨迹跟踪控制

为了实现机器人精密运动控制,在其关节系统引入计算力矩法(CTC)与神经网络复合的控制器,旨在通过CTC实现系统的初步控制并利用神经网络补偿机器人的不确定动力学特性所带来的运动误差.首先,建立了机器人的动力学模型并对其不确定性动力学量进行了描述;然后,为机器人构建了双闭环控制系统,并依据机器人标称模型规划出CTC控制律;进而,引入函数链神经网络(FLNN)对不确定性动力学量进行估值,并推导出FLNN的学习律;最后,对系统进行了仿真,结果显示,该复合控制器可将关节位置和速度跟踪误差控制在±0.001 rad和士0.001 rad/s之内,且其对机器人的参数变化及外部扰动具有较强的自适应性与鲁棒性.     

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VR技术的采摘机器人采摘环境仿真研究

为了提高采摘机器人采摘果实的准确率,提升机器人的作业效率,将VR虚拟现实技术引入到了采摘机器人的设计上,提出了基于小波神经网络的机器人PID控制器优化算法,并通过对采摘虚拟环境的创建和机器人的虚拟建模,验证机器人的作业性能.以黄瓜真实生长环境为研究对象,创建了采摘机器人的作业环境,并对采摘机器人的采摘准确率进行了对比,...     

基于RBF网络的果蔬采摘机器人运动轨迹控制研究

为了提高果蔬采摘机器人机械手运动的精确性,提高机器人移动的效率,提出了一种基于遗传算法和RBF网络的机器人运动轨迹控制方法,并对果蔬机器人机械手的活动和整体的移动轨迹进行优化,有效地提高了果蔬采摘机器人的工作精度和作业效率。为了验证设计的采摘机器人的可靠性,在大棚内对机器人的采摘性能进行了测试,包括机器人移动路径规划和机械手路径规划。通过测试发现:使用RBF神经网络算法可以有效地控制机械手在三维空间内的运动;在遗传算法控制下,机器人可以通过较少的计算次数利用神经网络算法搜索得到最优路径,计算精度达到了99%以上。其计算精度及效率高,为高效果蔬采摘机器人的设计提供了较有价值的参考。     

武术飞脚启发作用在采摘机器人智能化设计中的应用

为了提高采摘机器人的智能化水平,基于武术飞脚动作的连续性,参考飞脚动作的前馈特征,在智能化控制系统的设计上引入了神经网络前馈算法和PID控制算法.通过对误差的修正和期望与实际输出结果的反馈,提升了机器人的智能化水平和采摘作业动作的精确性,实现了采摘机器人的类人化设计.为了验证该方法的可行性,模仿生菜采摘机器人的作业环境...     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

温室机器人驱动控制系统的算法研究

为了使机器人的行动能适应温室的复杂情况,提高机器人的运动控制精度,将模拟PID控制算法离散化,对编码反馈误差进行归一化处理,并将其输入3层的BP神经网络,研究了隐含层加权系数的计算方法,完成并验证了模糊BP神经网络PID控制系统的算法。结果证明,在同一指令时间内,模糊神经网络控制器能够很好地完成角度指令的零误差调节,与常规PID控制器相比较,模糊神经网络控制器的超调量显著减小。     

基于遗传PID的播种机排种器数控加工误差优化研究

为了提高排种机排种器的排种盘的加工质量,在排种盘的加工工艺设计过程中引入了遗传和PID算法,通过遗传算法对PID参数的整定,提高了PID控制器的控制精度,并利用遗传PID算法对加工误差进行反馈,降低了排种盘的加工误差.为了验证加工工艺的优化效果,采用仿真模拟的方法对PID控制器的响应速度和精度、加工实时误差进行了计算,...     

农业机器人轨迹优化自动控制研究——基于BP神经网络与计算力矩

以农业机器人精密轨迹优化自动控制为目标,在优化算法中引入BP神经网络与计算力矩法结合的自动控制器,旨在减少作业过程中的运动误差,提高其工作效率。首先,建立农业机器人数学模型,分析其运动学和动力学原理;然后,设计了农业机器人运动控制系统,引入BP神经网络对不确定动力学因素进行判断,并提出解决该因素的自适应学习法;最后,对该系统运用Mat Lab进行了仿真。试验表明:以BP神经网络与计算力矩法结合的自动控制器可以有效优化机器人运动路径,提高机器人整体作业效率,系统运行稳定、可靠性强,且对外部环境的干扰因素具有较强的自适应学习能力。     

基于蝙蝠优化BP-PID算法的精准施肥控制系统研究

水肥一体化技术在棉花、小麦、番茄等大田农作物种植场景中的应用逐渐增多。当前能够快速有效调整大田农作物水肥一体化系统中肥料流量的控制算法研究较为有限。由于水肥一体化系统存在时变性、滞后性与非线性的特点,常见的PID与BP-PID控制算法无法获得预期的控制效果。为此设计一种基于蝙蝠算法（BA）优化的BP神经网络PID控制器。通过采用BA对BP神经网络的初始权值进行优化,加快了BP神经网络的自学习速度,实现对水肥一体化系统中肥料流量的快速精准控制,从而降低了超调量、提高了响应速度。同时,基于STM32单片机搭建了水肥一体化流量调节测试平台,并对该控制器的性能进行了试验验证。结果表明,与常规PID控制器和基于BP神经网络的PID控制器相比,所设计的控制器具有较高的控制精度和鲁棒性,降低了由时滞性、非线性等因素引起的影响。平均最大超调量为4.78%,平均调节时间为41.24s。特别是在施肥流量为0.6m3/h时,控制器表现出最佳的综合控制性能,达到了精准施肥的效果。