排序方式: 共有13条查询结果,搜索用时 0 毫秒
11.
在SolidWorks平台上进行了压力机双曲柄多杆机构的建模与运动仿真分析,从而使多杆机构的运动分析及优化设计直观、简单和精确,大大提高了多杆机构的设计精度和效率. 相似文献
12.
由于香蕉果串的结果高度和果形尺寸较大,且采摘过程极易发生损伤,给其采摘带来极高难度,目前仍停留在比较落后的人工采摘方式上,劳动强度大。为此,提出了一种香蕉采摘与吊运作业机器人,可将香蕉果柄的切割、夹持和香蕉果串的吊放作业整体性完成,其机械系统主要由伺服连杆机械臂、夹持与切割末端执行器和液压履带行走动力单元等部分组成。工作时,末端执行器夹持与切割香蕉果柄的直径范围为40~150mm,液压履带车行走的最大行走速度为1.07m/s。通过基于ADAMS的机械系统运动和动力学仿真分析获得了伺服连杆机械臂的作业范围,以香蕉按照宽窄行宜机化种植模式为基础,对接近实际情况的伺服驱动作业流程进行了仿真研究,验证了各伺服电机的驱动能力。 相似文献
13.
当前菠萝催花作业以人工喷洒为主,生产效率低、劳动强度大。菠萝苗心位置的精准识别和定位是实现机械化、智能化菠萝催花的核心问题。该研究在YOLOv4目标识别算法的基础上,选择GhostNet作为主干特征提取网络,构建了一种混合网络模型,并在颈部网络中融合深度可分离卷积与轻量级的注意力模块。改进后的模型相较于YOLOv4模型的总参数量减少70%。与YOLOv4、Faster R-CNN和CenterNet 3个模型进行检测对比试验,结果可得:改进模型在菠萝植株种植密集与稀疏的条件下识别精度分别为94.7%和95.5%,实时识别速度可达27帧/s,每张图像平均检测时间为72 ms,相比常规YOLOv4模型用时缩短23%。总体性能表现均优于对比组的目标检测模型。总的来说,改进模型YOLOv4-GHDW在一定程度上实现了检测速度、识别精度和模型体量三者之间平衡,能够在实际种植环境下对菠萝苗心有较好的识别效果。研究结果可为智能化菠萝精准催花设备研发提供视觉技术支持。 相似文献