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DSP和μC/OS-Ⅱ的采摘机器人视觉系统设计

近年来,国内机器视觉发展速度较快,应用广泛。由于视觉系统需要处理视频图像信息,计算量较大,因此当前该系统多采用计算机系统进行搭建。为此,提出将嵌入式与视觉系统结合应用的思想,并利用视觉系统和嵌入式智能系统易于信息集成的特点,设计了一种基于DSP和uC/OS-Ⅱ的视觉系统。该方案主要包括硬件软件及操作系统的设计,大大提高了生产的效率和自动化程度,对实现视觉系统在采摘机器人中的应用具有重要意义。     

项目教学法在《供配电技术》课程中的应用

介绍了为适应高职教育的发展,以培养学生的实践动手能力为目标,对课程内容进行模块化整合,采用项目教学法的应用过程。     

水果采摘机器人自主寻径避障轨迹优化研究—基于启发式智能算法

寻径避障是水果采摘机器人中一个重要的经典问题。随着我国机械自动化、计算机控制系统和测试计量行业突飞猛进的发展,对水果采摘机器人自主寻径避障有了更高的要求。为了更好地满足现代农业种植生产的需要,启发式智能学习型寻径避障成为采摘机器人研究的热点。为此,基于启发性智能轨迹优化算法,采用传感器检测系统,设计和研究了水果采摘机器人自主寻径避障系统,并利用Mat Lab仿真软件进行了验证分析。结果表明:在复杂路况环境下,针对不同目标和路径要求,该采摘机器人能灵活避开作业途径中障碍物,具有很强的学习和适应能力,且系统运行稳定、可靠性强。     

基于FPA控制系统的多指多关节采摘机械手设计

针对传统机械手爪存在抓持动作单一、自由度少及通用性较差等缺点,设计了一种新型的由FPA直接驱动的多指多关节采摘机械手,有效地提高了机械手的灵活性和对不同果实采摘的自适应能力。从静力学的角度,建立了弯曲关节的转角及输出力的静态模型,并利用多目标优化方法对各个关键受力的均匀性进行了优化设计,分析了三自由度手指的输出力特性。最后,通过实验方法建立了机械手的苹果抓持实验,分析了气压值与抓持能力之间的关系。实验结果表明:随着待采摘果实目标半径的增大,机械手抓取关节角度有所减小,机械手抓取关节手指内腔的压力有所降低,为新型采摘机械手的研究提供了理论借鉴和技术参考。