基于改进人工势场的苹果采摘机器人机械手避障方法

针对非结构化环境下的采摘机器人机械手实时避障问题,提出一种改进人工势场法的避障路径规划方法。根据自行研制的5自由度苹果采摘机器人机械手具体结构和障碍物特征,进行机械手运动学分析和障碍物建模;在保留传统人工势场法易于实现、结构简单等优点的基础上,针对其存在的局部极小点、陷进区等问题,结合果树生长环境中障碍物的特点,通过引入虚拟目标点使搜索过程跳出局部最优的极小点,从而实现机械手避开障碍物到达目标的灵活避障;将该方法应用于机械手末端位置、障碍物位置和目标位置已知条件下的采摘机器人机械手实时避障任务中,仿真和实验研究结果表明此方法简单,实时性好,能够有效地避开障碍物,成功到达目标位置,适合自然生长状态下苹果的自动采摘。     

基于终端滑模和扰动观测的Buck型变换器复合控制技术

目前功率变换器的控制方法以纯状态反馈为主,当干扰较大时一般需要通过较大的增益来抑制干扰的影响,而高增益控制器通常会影响闭环系统的动态或稳态性能。为进一步提高Buck型变换器控制系统的动态和稳态性能,提出了一种基于非奇异终端滑模控制方法和扰动观测技术的复合控制方案。首先,考虑外界干扰、系统不确定以及参数变化的影响,建立Buck型功率变换器的平均状态模型;其次,基于非奇异终端滑模控制方法,设计滑模控制器,实现Buck型变换器的基本电压调节功能;最后,利用扰动观测技术,构造非线性扰动观测器实现对扰动的观测,并将扰动观测值作为前馈与状态反馈结合形成复合控制,进一步改善了系统的性能。仿真和实验验证了所提方法的有效性。     

机器手采摘苹果抓取损伤机理有限元分析及验证

为了减少机器人自动采摘过程中夹持器抓取苹果时的碰撞、挤压损伤,对抓取过程中苹果与不同指面类型夹持器手指接触时果实内部的应力变化进行研究。通过压缩试验后计算得到了苹果果皮、果肉和果核3个不同部分的力学参数,建立了单个苹果的3层实体力学模型。将苹果果皮、果肉和果核3部分弹性模量分别取多次试验的平均值,通过ANSYS软件建立了苹果所对应的有限元模型,模拟苹果与平面和弧面手指的接触过程,进而得到苹果果皮、果肉和果核3部分的节点Von Mises应力云图。结果显示,加载过程中,果皮处的应力最大,果肉处的应力次之,但由于果肉破坏应力较小,果肉最易受到损伤;同时,当加载力相同时,弧面手指比平面手指对苹果各部分的作用应力要小,苹果的形变也较小,当加载力分别为5、20、35、50 N时,平面手指对苹果所造成的形变量分别比弧面手指大6.7%、12.1%、12.4%、14.5%,因此,弧面手指对果皮内部造成机械损伤的概率相对较小。最后,利用自行研制的采摘机器人2弧面手指夹持器苹果实物抓取损伤试验验证了所研究方法的有效性。该研究结果可以实现苹果损伤的较准确预测和评估,并为采摘机器人末端夹持器减损结构优化设计提供了一定参考依据。     

基于CLAHE的苹果树树枝迭代阈值分割方法研究

针对农业采摘机器人自主导航和采摘过程中的障碍物树枝识别问题,为解决迭代阈值分割算法在目标与背景图像灰度差别不明显情况下的分割缺陷,提出了基于对比度受限自适应直方图均衡化基础上的果树树枝迭代阈值分割方法。首先,通过颜色空间变换,将RGB颜色空间的果树树枝图像转换到XYZ和I1I2I3颜色空间,并提取出X-Y色差因子和I2颜色因子,对其进行灰度差别分析;然后,对灰度差别不明显的图像进行对比度受限直方图均衡化处理后,再进行迭代阈值分割,从而剥离出树枝区域。实验结果显示,采用本文方法,树枝图像分割成功率为92%。     

Buck变换器扰动补偿控制算法及实现

农业装备中普遍存在多种扰动,这些扰动对Buck变换器的输出电压影响很大,传统的比例积分PI(proportional integral)控制方法较难取得满意的控制效果。针对这一问题,该文基于扰动观测理论,提出了一种抗扰动控制方法。首先,采用变参数PI控制器代替传统PI控制器,作为改进的PI控制器。该变参数PI控制器不仅具有传统PI稳定简便的特点,而且通过实时调整PI参数可使系统在不同阶段都具有较高的性能。然后,设计扰动观测器(disturbance observer,DOB)观测出参数摄动与负载变化所带来的系统扰动,将其作为补偿量补偿到前馈通道,形成复合控制器,提高系统的收敛速度与抗扰动能力。最后,通过仿真和试验,分别验证了该算法的有效性。试验证明,采用这种基于扰动补偿的复合控制器可使Buck变换器在负载突变时,恢复时间缩短了71.4%,输出电压误差减小了20.8%。在输入突变时,恢复时间缩短了58.3%,输出电压误差减小了30.0%,有效地提高了Buck变换器的稳定性和抗扰动性。该研究为提高Buck变换器的控制性能提供了参考。     

苹果采摘机器人夜间图像边缘保持的Retinex增强算法

为了提高采摘机器人的适用性和工作效率,保证成熟苹果果实的及时采摘,需要机器人具有夜间连续识别、采摘作业的能力。针对夜间苹果图像的特点,该文提出一种基于引导滤波的具有边缘保持特性的Retinex图像增强算法。利用颜色特征分量采用具有边缘保持功能的引导滤波来估计出照度分量;进而利用单尺度Retinex算法对图像进行对数变换获得仅包含物体本身特性的反射分量图像;分别对照度分量和反射分量图像增强后,再合成为新的夜间苹果的增强图像。文中选取30幅荧光灯辅助照明下采集到的夜间苹果图像进行试验的结果显示,该文增强算法处理后的30幅图像的平均灰度值,分别比原始图像、直方图均衡算法、同态滤波算法和双边滤波Retinex算法处理后的图像平均提高230.34%、251.16%、14.56%、7.75%,标准差平均提高36.90%、-23.95%、53.37%、28.00%,信息熵平均提高65.88%、99.68%、66.85%、17.53%,平均梯度提高161.70%、64.71%、139.89%、17.70%。且该文算法较双边滤波Retinex方法的运行时间平均减少74.56%。表明该文算法在夜间图像增强效果和运行时间效率上有明显的提高,为后续夜间图像的分割和目标识别提供了保障。     

Buck型功率变换器无抖振滑模控制器设计

针对传统比例积分微分(PID)控制方法运用于直流Buck变换器时,在干扰较大的情况下,很难取得满意的控制效果问题,利用二阶滑模控制技术,提出了一种无抖振的滑模控制方法,以改善大扰动条件下Buck变换器的鲁棒性。将占空比变量的导数看作虚拟控制器,设计非连续的二阶滑模控制器;实际控制器则为非连续控制器的积分,从而避免了控制器的抖振。在此基础上,采用PWM定频控制方式将该算法运用在Buck电路上。通过和PID控制算法进行仿真和实验对比,验证了该滑模控制器的可靠性与优越性。结果表明:系统启动时间缩短了近50%;当突变负载和输入电压改变时,系统输出电压变化幅度明显减小。