采摘机械手的路径规划——基于相似矢量矩免疫遗传算法

为了提高果蔬采摘机器人机械手采摘路径规划决策的效率,降低数据分析的冗余性,在分析生物免疫系统功能、作用机理及特点的基础上,提出了一种基于相似性矢量距的免疫遗传算法,并将其植入到了机械手躲避障碍物的决策系统中。该算法利用相似矢量矩方法将选择概率的局部搜索和整体搜索有机地结合起来,使算法保留了最优抗体,保证了计算不陷入局部最优解,并使抗体的计算具有了多样性。为了验证算法的有效性和可靠性,设计了果实采摘机器人的测试样机。通过测试发现:机器人机械手动作过程中可以有效地躲避障碍物,到达指定的目标采摘区域,在相似矢量矩免疫遗传算法、免疫遗传算法和相似矢量矩3种算法的测试结果中,相似矢量矩免疫遗传算法的收敛性最好,优化路径最优。     

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。     

基于遗传算法和EDA技术的果蔬采摘机器人设计

为了提高果蔬采摘机器人的避障和路径规划能力,实现机器人智能化和轻量化的设计,将嵌入式系统引入到果蔬采摘机器人的控制系统中,并利用EDA技术对控制系统进行了封装,植入了机器人路径规划的遗传算法。对果蔬采摘机器人的机械手进行了改进,通过机械手结构设计实现了采摘机器人执行末端的避障功能,利用遗传算法智能控制设计实现了复杂环境中的路径搜索功能。对果蔬采摘机器人的性能进行了测试,结果表明:障碍物识别率高达99%以上,路径规划的准确率也在95%以上,满足智能化采摘机器人的设计需求,为现代化采摘机器人的设计提供了较有价值的参考。     

基于迭代学习PID算法的苹果采摘机器人设计

为了提高采摘机器人机械手控制系统的精准性和采摘机器人的移动效率,设计出基于迭代学习PID算法的苹果采摘机器人。借助MatLab软件平台进行模型搭建及控制系统仿真测试,实验室条件下进行硬件结构设计,并完成采摘过程测试、路径规划避障测试和采摘果实破损率统计分析。实验验证表明:基于迭代学习PID算法设计的采摘机器人可准确锁定采摘目标,迅速实施稳定的采摘动作,以最佳采摘角度最大程度地保证采摘果实完整性。基于迭代学习PID算法设计的苹果采摘机器人有效提高了采摘的精度和效率,使苹果整体完好率达到98.3%以上,最大限度保证了采摘苹果的质量。     

苹果采摘六自由度机械手设计——基于迭代学习和智能轨迹规划

为了提高苹果的采摘效率、降低采摘过程的漏采率和破碎率,设计了一种新的六自由度的采摘机械手。该机械手可以完成夹紧、旋转、俯仰、摇摆及回转动作,通过神经网络迭代学习算法,可以有效地控制机械手的运动轨迹,提高采摘过程的自动化程度。为了验证六自由度机械手对苹果采摘的有效性和可靠性,对机械手进行了苹果采摘测试,并使用脉冲神经网络PID调节的方式调节轨迹控制误差。通过测试发现:该机械手的误差较小,可以有效地完成采摘作业,且漏采率和破碎率都很低,是一种高效的苹果采摘机械手,可以在其他果蔬采摘作业中进行设计和推广。     

基于粗糙集与遗传算法的采摘机器人路径规划

为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。     

一种多机械手编码控制系统的果蔬采摘机器人设计

为了提高果蔬的采摘效率,对果蔬采摘机器人进行了改进,设计了一种新的多机械手的编码控制采摘机器人。通过对机器人功能和结构的设计,使机器人具有了利用机器视觉技术的图像边缘提取来划分每个机械手的作业区间的功能,并可以利用编码器对每个机械手进行编码,从而完成多机械手的协同作业。对机器人的采摘作业性能进行了测试,首先利用机器视觉模块完成了苹果采摘区间的划分,并预设了每个机械手的采摘作业轨迹,利用编码器对预设轨迹进行了追踪。通过测试发现:机器人多机械手的实际追踪轨迹和预设轨迹的误差很小,满足设计需求,多机械手的协同采摘平均速度可以达到80个/min以上,具有高效的果蔬采摘性能。     

采摘机器人智能监控和路径规划设计研究

为了提高采摘机器人自主导航和自动化定位能力,提升机器视觉的路径规划精度,基于 TI 公司的MSP430 F149 单片机,设计了一款具有监控终端和GPS导航功能的自动采摘机器人,实现了机器人路径规划实时处理、通讯、定位、报警一体化和自动化控制功能. 通过测试发现,MSP430F149 单片机具有功耗低、体积小、操作简单,便于系统管理维护等优点. 对机器人5 种路径规划的总体行驶精度路、径规划的移动时间利用率、路径规划的漏采率进行了测试,通过测试发现:5 种路径规划中套行法的各种指标测试效果最好. 同时,结合MSP430 F149 单片机和PID算法,实现了采摘机器人高效自动化采摘功能,提高了机器人的采摘精度,为采摘机器人的智能化设计提供了较有价值的参考 .     

基于PLC和粒子群算法的采摘机械手电气控制系统

为了提高采摘机械手电气控制系统的控制效率,基于PLC控制器,结合计算机图像处理技术,提出了一种基于粒子群的控制系统优化算法。通过对待采摘果实图像的识别和定位,利用粒子群算法规划出最佳的采摘顺序,缩短采摘机械手的末端移动距离,提高作业效率。为了验证该方案的可行性,以真实的青椒采摘生长环境为图像采集的对象,对采用和不采用粒子群算法时机械手移动末端的距离和采摘精度进行了测试。结果表明:采用粒子群算法可以有效性地提高果实采摘的定位识别精度,缩短了移动距离,对于提高作业效率具有明显的作用。     

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。     

基于模糊控制系统的采摘机器人避障系统研究分析

针对目前使用的采摘设备落后、工作量大、稳定性差等问题,为了提高采摘机器人的环境适应能力,对采摘机器人的避障控制系统进行了分析,拟采用模糊控制系统的方法,来加强采摘机器人避障系统的能力和效率,减少采摘机器人避开障碍物及规划出适当路径所用时间。模糊控制使用超声波检测前方障碍物距离,以控制转轮速度和方向作为输入量,速比作为输出量,控制移动的速度和方向。为使采摘机器人避障路径规划尽可能短,采用改进的遗传算法和模糊控制系统建立基本模型。对采摘机器人的避障性能进行仿真试验,结果表明:基于模糊控制的采摘机器人的避障系统可以成功地避开障碍物及规划出最短行走路径,且能够快速定位树上的果实和准确地完成采摘任务,具有效率高、易操作、采摘成功率高等特点。     

基于模糊逻辑控制的自主导航采摘机器人避障设计

为了提高采摘机器人自主导航的环境适应能力,提出了一种基于改进的遗传算法的模糊学习逻辑控制方法,提高了机器人路径规划的能力和效率,缩短了路径规划所用时间。该方法以传感器测得的障碍物距离、轮转速和目标地点方向作为输入量,左右驱动轮的速比作为输出量,控制机器人的移动路径和方向。为了使机器人规划的路径尽量短,达到节能的目的,引入了改进的遗传算法,使用修正项对遗传算法进行改进,建立了适应度函数的基本模型。最后,对采摘机器人的性能进行了测试,通过测试发现:机器人可以成功地躲避障碍物,且能够完成最短路径规划,规划反应时间短、可靠性高。     

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,结果发现,采用神经网络算法可以明显地提高采摘机器人的采摘准确率。     

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对机器人的性能进行了仿真,结果表明:采用神经网络PID算法可以提高机器人控制系统的精确性,并可加快收敛速度,对提升机器人的智能化水平具有重要的意义。     

基于UG和ADAMS的采摘机器人动力学仿真分析

为了提高采摘机器人机械手设计的速度,缩短开发周期和时间,并提高设计的准确性,采用UG和ADAMS软件联合仿真的方法 ,对采摘机器人进行了设计优化。首先利用UG软件对六自由度的采摘机械手进行了三维实体建模,然后采用UG和ADAMS的兼容性接口将模型导入到了ADAMS软件中,根据实际设计需求添加了约束,最后对机械手进行了动力学仿真。通过仿真计算,得到了机械手各关节的位移-时间曲线和力学分析曲线,通过观察结构的运动轨迹和受力情况,可以对初始设计阶段的机械手进行优化设计,从而提高了设计的效率。