智能堆垛叉车三向属具的运动学建模和验证

为优化智能堆垛叉车的三向属具的控制方法,对三向属具进行运动学建模及仿真分析。搭建三向属具的实验平台,基于D-H建模方法,建立了三向属具的数学模型,运用Robotics Toolbox作为分析工具,通过仿真和实验开展平台的正、逆运动学分析及验证。实验结果表明:逆运动学结果与正运动学设定的关节变量中垂直方向的移动关节变量误差为0.1%、水平方向的移动关节变量误差为1.5%、转动变量误差为1.1%,验证了所建的三向属具平台数学模型的正确性。该研究为智能叉车三向属具准确有效控制提供了参考。     

基于动态识别区和B样条曲线的智能叉车避障路径规划

为降低干果仓储智能叉车自主避障误警率,提高仓储空间有效利用率,结合叉车运行环境特点,基于激光传感器,设立探测范围随车速、等效转向角变化的动态识别区,有效探测叉车行进方向上的障碍物;将获得的障碍物特征控制点作为分割点,采用四次五阶准均匀B样条曲线,分前后段合并生成满足叉车最小转弯半径、曲率连续、最大转向轮角速度等多约束条件下的避障路径;对仓库中的直行路段和转弯路段进行避障路径规划试验,结果表明所得避障路径满足各项约束,曲率不大于1. 06×10-3mm-1,等效转向角不大于60°,等效转向轮角速度不大于1. 05 rad/s,验证了算法的可行性。     

基于激光扫描区域动态变化的智能叉车障碍物检测

为了解决干果仓储过程中智能叉车行驶过程的障碍物误检问题,该文提出一种基于车速与转向角的智能叉车障碍物动态检测方法。智能叉车通过车载激光传感器实时获取车身位姿和周围环境信息,并结合所建立的叉车运动几何模型,形成基于水平和倾斜激光测距传感器扫描面的双面融合障碍物动态检测方式,使得智能叉车的障碍物检测区域随车速及转向角动态变化。试验结果表明:水平扫描测距传感器的试验中,该文方法未出现误检情况,而扇形方法误检率为50.00%,矩形方法误检率为10.00%;倾斜扫描测距传感器的试验中,该文方法未出现误检情况,而扇形方法误检率为30.77%,矩形方法误检率为69.23%。该文方法的警情预测与实际相符,以水平扫描测距传感器为主,倾斜扫描测距传感器为辅,能够检测到的障碍物最低高度约为31mm,有效解决了智能叉车在仓库中的障碍物误检问题,较传统障碍物检测方法更适用于仓储运输,提高了智能叉车在仓库中的机动性和安全性。该研究可为体型较大的仓储智能运输车辆的障碍物检测方法提供参考。     

温室环境监测机器人路径跟踪算法与试验

为了实现温室环境与作物信息的采集与监测,设计了可实现环境全方位移动监测的机器人。以机器人为研究对象,通过对机器人结构分析,建立了运动学模型;提出了基于航向角误差算法的路径跟踪控制方法,以实现对机器人转向和速度控制,使其按照期望路径运动,达到路径跟踪目的。仿真结果表明:所提出的路径跟踪控制算法,能使机器人较稳定快速地收敛于期望路径。试验结果表明:当机器人跟踪稳定后,直线路径跟踪横向误差范围为±8mm,圆弧路径跟踪横向误差范围为±11mm。本研究可为温室环境监测机器人路径跟踪控制提供参考。