排序方式: 共有64条查询结果,搜索用时 187 毫秒
51.
针对如何实现快速、高效的采摘,提出机器人智能采摘实验平台系统,该采摘机器人依靠视觉反馈控制来识别采摘物的位置。研究机器人手臂的运动控制,构建机器人的运动学模型。分析机械手的视觉伺服控制问题,直接将图像位置误差矢量映射到所需的末端执行器速度矢量。对机器人智能采摘进行试验分析,试验任务进行171次,准确率94.67%。试验结果验证该视觉伺服控制方法在实际场景中对采摘物识别效率,提高视觉伺服系统的鲁棒性和有效性。 相似文献
52.
利用模式识别中的图像处理技术,采用TI公司Sitara系列的AM5728处理器,通过视觉系统和舵机驱动方法,实现了一套采摘机械手控制系统。试验结果表明:该采摘机械手控制系统,能够实现对目标果实的准确采摘,正确采摘率为89%,采摘一个苹果耗时9s,系统具有速度快、准确性高和可行性强等特点,能够满足一般的果实采摘,具有很好的实用性。 相似文献
53.
对采摘机器人进行了运动学分析,介绍了机器学习算法与应用,并基于Q-learning算法设计了采摘机器人路径规划系统,实现了对采摘机器人的运动控制。MatLab仿真实验表明:采摘机器人搭载Q-learning算法机器学习算法后,能够自主完成路径规划,并能成功避开环境中的障碍物,规划路径最优,平滑度较好,证明了该算法的有效性和可行性。 相似文献
54.
为满足高频次获取西瓜植株种植土壤中湿度和其他养分含量的需求,同时解决西瓜温室大棚内由于盆栽种植密集、空间狭小所带来的人工采集数据劳动强度大、作业环境恶劣等问题,设计了一种电动自走式土壤信息采集装置。该装置的移动平台可沿预设轨道到达盆栽相应位置,多关节机械手模拟人工检测方式伸至西瓜盆栽土壤中,对湿度数据自动采集。利用设计的采集装置整体结构以及多关节机械臂机构、传感器检测部件的结构,构建了该装置的控制系统和通信系统,并进行了西瓜盆栽土壤湿度采集试验。结果表明,该采集装置稳定行走的最大速度为0.24 m/s,多关节机械臂搭载传感器能精确插入盆栽土壤中,其水平方向定位误差最大值为11 mm,装置检测盆栽的漏检率为0.92%,采集土壤信息的效率为3.2盆/min,作业流畅、性能稳定,采用循环轮检方式可替代人工完成所有盆栽土壤信息的自动采集工作。研究表明,该采集装置相比人工采集提高了盆栽信息采集的效率,也实现了高频次、高通量采集盆栽土壤信息的要求。 相似文献
55.
针对当前禽蛋加工生产线中分段处置过程工序多、生产线长、累计破损率大、设备成本高等问题,采用一种基于机器视觉的Delta并联机器人,实现在生产线上将合格禽蛋捡拾到标准蛋盘并按照一定的顺序逐层整齐摆放的高速智能捡拾。通过基于视觉的动态禽蛋个体进行定位,确定不同搬运路径的智能轨迹规划,对实现智能捡拾的机器人控制程序进行设计并对禽蛋智能捡拾进行测试。结果表明,采用基于视觉的Delta并联机器人可以实现禽蛋智能捡拾和装盘工作目标,机器人运行速度达1 250 mm/s,捡拾效率为0.414 2~0.447 8枚/s,漏捡率小于3.33%。 相似文献
56.
提出了一种基于计算机并行口的运动控制系统的设计方案。该方案采用了基于计算机并行口EPP协议的多功能控制板Y3002,极大地简化了控制系统的结构,并能够有效降低系统的成本。以Visual C++6.0编写的控制系统软件为前后台结构模式,并运行于以RTX为实时扩展的Win2000操作系统。该软件还具有G代码解释功能,并实现了运动控制系统的实时、精确控制。 相似文献
57.
为实现四冲程自由活塞发电机的连续稳定运行,提出并研究了基于直线发电机工作状态切换和冲程终点预测的自由活塞往复运动控制方法.在混杂系统范畴内,完成了运动控制系统仿真模型的建立,结合自由活塞发电机仿真模型和循环燃烧波动仿真模型,对控制过程进行了仿真研究.基于高性能数字信号处理器建立了四冲程自由活塞发电机的电控系统,对所设计的运动控制方法进行了实验验证,分析了失火对活塞往复运动的影响.研究结果表明:该运动控制方法稳定可靠、算法简单,满足了四冲程自由活塞发电机对活塞运动控制的要求. 相似文献
58.
59.
60.
随着信息与控制理论的发展,自动化控制技术在农业装备领域广泛应用,促进农业生产的智能化、现代化与规模化。运动控制和作业控制是智能农机自动控制技术的两大核心内容,为无人农机在复杂环境下的高精度自主导航安全行驶和精准作业提供保障。速度控制与转向控制是智能农机运动控制的基础,导航跟踪控制是智能农机运动控制的主要内容。本文阐述了智能农机速度控制与转向控制的研究进展,总结归纳了基于几何模型、基于运动学模型和不依赖于模型的自动导航跟踪运动控制方法。然后,着重分析了智能农机在耕、种、管、收等各环节的作业机构控制以及多机协同作业控制方法。最后,指出构建更加精准的农机数学模型,研究面向复杂场景的先进底盘运动控制技术,发展人工智能与控制理论深度融合的农机控制技术以及提升农机农艺相结合的多机协同控制技术是未来智能农机自动控制技术的发展方向。 相似文献