液压外骨骼机器人非线性模糊滑模控制方法

针对液压外骨骼机器人系统建模困难的问题,提出一种利用自适应模糊逼近方法来实现对滑模等效控制的逼近,不需要对机器人的未知参数进行预先估计,同时设计可调参数的自适应调节律,增强系统的鲁棒性,引入一种类势能函数设计具有非线性积分项的滑模面,当误差较大时,积分效应适当减弱,防止产生较大的超调量;当误差较小时,积分效应适当增强,减小稳态误差。利用李雅普诺夫方法论证了该闭环控制系统的稳定性,并使用模糊切换方法来消除滑模控制抖振。最后,对液压助力外骨骼机器人系统进行轨迹跟踪及外干扰实验,结果验证了该方法的有效性,控制输出能快速平稳地跟随参考位置信号,且具有一定抗干扰能力。     

压电微定位系统自适应鲁棒有限时间跟踪控制

针对压电微定位系统中存在外界扰动、迟滞等时变不确定、非线性因素影响其定位精度的问题,提出了一种基于函数逼近的自适应鲁棒有限时间控制策略。通过引入具有连续、非奇异,且有限时间收敛特性的终端滑模面,设计了满足压电微定位系统的轨迹跟踪控制律。为了克服该控制器依赖于系统不确定量的边界信息,采用傅里叶级数进行动态逼近,并针对其逼近误差,利用模糊逻辑系统实现在线补偿。最后,应用Lyapunov函数获得傅里叶系数及模糊调节参数的自适应律,并证明了该控制器的有限时间稳定性。仿真分析与实验结果验证了控制策略的鲁棒性与有效性。     

采桑机械手的动态自适应逆控制研究

为了稳定地实现对采桑机械手系统的控制,应用了人工神经模糊动态控制原理及其控制器的设计方法,建立了采桑机械手的动力学方程;介绍了神经模糊系统的学习算法,并进行了系统的稳定性分析,解决了采桑机械手的慢动力学及采桑机械手慢子系统的逆自适应控制问题.     

静液传动系统自适应模糊滑模控制

针对静液传动系统的速度控制问题,提出一种带有摩擦力矩补偿的自适应模糊滑模的设计方案.引入摩擦力矩动态补偿的方法,对摩擦力矩进行动态实时补偿,提高系统的响应速度和稳态误差.采用自适应模糊滑模控制解决因系统的不确定性及干扰的存在而不能准确控制的问题,使控制器的设计不依赖于被控对象的精确数学模型.基于李雅普诺夫函数推导出规则参数调整的自适应率,保证闭环控制系统的稳定性,并削弱了高频抖振.仿真结果表明该方案可以提高稳态误差,增强系统的鲁棒性,削弱控制信号中的高频抖振现象.     

移动机械手主动防碰撞控制系统研究——基于多传感信息融合

通过研究采摘机器人移动机械手的避障策略及对多传感信息融合算法,针对移动机械手在作业中,容易和非采摘目标发生碰撞现象,设计了基于多传感信息融合的移动机械手主动防碰撞控制系统,并利用MatLab搭建了移动机械手的仿真系统,进行了实际的性能测试实验。实验结果表明:移动机械手在不同速度的情况下,都可以主动避开障碍物,当移动机械手移动速度越大时,轨迹控制误差也会增加,移动机械手的移动路径也会增加,验证了系统的实时性、稳定性和可靠性。     

基于模糊PI控制的变量施药系统设计与试验

针对国内现有农田喷药机的定量施药方式,设计了一套基于模糊PI控制的变量施药系统。该系统采用多传感器实时采集喷药机车速、流量、压力等参数,并以此为控制依据,通过改变比例阀开度实时调整管道内药液流量,同时控制多组喷头的开闭。该系统采用主路流量调节方案,5组开关电磁阀控制多组喷头。喷药机喷头流量控制试验与田间喷药试验结果表明,单个喷头流量误差＜2.5%,模糊PI控制优于传统PI控制,田间喷药误差＜2.2%。      

苹果采摘六自由度机械手设计——基于迭代学习和智能轨迹规划

为了提高苹果的采摘效率、降低采摘过程的漏采率和破碎率,设计了一种新的六自由度的采摘机械手。该机械手可以完成夹紧、旋转、俯仰、摇摆及回转动作,通过神经网络迭代学习算法,可以有效地控制机械手的运动轨迹,提高采摘过程的自动化程度。为了验证六自由度机械手对苹果采摘的有效性和可靠性,对机械手进行了苹果采摘测试,并使用脉冲神经网络PID调节的方式调节轨迹控制误差。通过测试发现:该机械手的误差较小,可以有效地完成采摘作业,且漏采率和破碎率都很低,是一种高效的苹果采摘机械手,可以在其他果蔬采摘作业中进行设计和推广。     

机械臂神经网络非奇异快速终端滑模控制

针对多自由度机械臂轨迹跟踪控制系统存在收敛速度慢、跟踪精度低的问题,提出了一种基于径向基神经网络(RBFNN)的非奇异快速终端滑模(NFTSM)自适应轨迹跟踪控制方法。首先,该方法采用非奇异快速终端滑模超曲面,切换控制项引入连续终端吸引子,使得系统能在有限的时间内收敛到平衡点。其次,采用RBFNN逼近系统未知非线性动力学,并结合逼近误差的自适应补偿机制,实现无模型控制。利用Lyapunov理论证明闭环系统的全局渐进稳定性和有限时间收敛性。最后,将该控制方法应用于Denso串联机械臂进行实验验证,并分析系统传输延时对实验结果的影响,提出解决方法。仿真和实验结果表明,该控制方法能有效地提高系统收敛速度和跟踪精度,增强对外部扰动的鲁棒性,削弱系统抖振。     

植物工厂栽培板自动搬运装置设计及试验

针对植物工厂采用多层栽培架培育果蔬、人工工作难度较大及自动化水平不高的问题,开发了植物工厂栽培板自动搬运物流系统装置。该系统采用一种带吊环的栽培板,导轨和机械手安装位移传感器,通过PLC实时采集位移传感器发出的脉冲信息控制导轨和机械手进行坐标定位,完成叉板和放板动作。对搬运机构进行了定位误差试验,通过F检验证明速度对试验误差有显著影响,同时根据试验结果预测了搬运的最佳速度区间范围。     

西瓜移栽机的自动送苗装置研究

为了提高西瓜移栽成功率,实现自动化移栽,设计了瓜苗自动转移系统,主要包括育苗盘移动系统和取苗机械手。建立了不同含水量土壤从育苗盘提取瓜苗时夹持力和竖直提取力的模型,为机械手提取瓜苗提供实验基础。为育苗盘移动系统实现竖直和水平方向移动,采用模糊PID方式,实现驱动电机控制,防止发生冲击。建立系统工作流程,实现育苗盘移动系统和取苗机械手逻辑控制。对系统进行测试,结果表明:苗盘移动系统和取苗机械手均具有良好精度。     

基于模糊PID的采摘机器人机械手控制系统设计

为了提高采摘机器人机械手果实的定位精度,降低果实采摘过程的破损率,将模糊算法和PID控制引入到了机械手控制系统的设计上,并采用PC上位机编程和嵌入式系统实现控制算法的运行。为了验证算法的可行性和可靠性,以果实采摘真实环境为测试环境,对机械手的定位精度和果实采摘的破损率进行了测试,结果表明:采用模糊PID算法可以明显提高机械手的果实定位精度,降低果实采摘的破损率,对采摘机器人控制系统的优化设计具有重要的参考价值。     

取苗机械手运动控制联合仿真研究及试验

为减少取苗机械手研制过程中投入大量的成本和时间，解决机械手在作业过程中控制精度低、适应性差等问题，采用SolidWorks建立机械手的模型，并导入ADAMS中；采用模糊PID控制算法对机械手夹持角度进行实时动态联合仿真分析，设计模糊PID控制器及模糊规则。利用MATLAB/Simulink和ADAMS建立联合仿真模型，以阶跃信号为激励，模糊PID控制和PID控制仿真结果表明：PID控制的响应时间为1.1 s，模糊PID的响应时间为0.33 s且响应速度更快，说明模糊PID优于经典PID控制，设计的取苗机械手具有良好的动态响应和轨迹跟踪特性，理论上能够满足实际作业要求。取苗试验结果表明：在取苗频率为50、60和70株/min时，采用PID算法和模糊PID算法取苗成功率分别为9609%、93.75%、92.96%和98.43%、95.31%、93.75%，采用模糊PID算法的取苗成功率更高，能够满足实际作业要求。     

现代农业生产中可再生能源供电系统逆变电源的优化设计

介绍一种经过优化设计的逆变电源,适用于现代农业可再生能源供电系统。针对经典PI调节无法解决跟踪静差的问题,提出使用模糊准PR调节用于控制环对逆变电源进行闭环调节,在实现无静差跟踪的同时由模糊算法整定参数,增加系统抗干扰和模型不确定性的能力。采用SVPWM控制算法进行调制,提高直流侧电压利用率。仿真和实验结果表明,使用该优化设计逆变电源后供电系统运行稳定,跟踪误差问题得到解决。     

一种多机械手编码控制系统的果蔬采摘机器人设计

为了提高果蔬的采摘效率,对果蔬采摘机器人进行了改进,设计了一种新的多机械手的编码控制采摘机器人。通过对机器人功能和结构的设计,使机器人具有了利用机器视觉技术的图像边缘提取来划分每个机械手的作业区间的功能,并可以利用编码器对每个机械手进行编码,从而完成多机械手的协同作业。对机器人的采摘作业性能进行了测试,首先利用机器视觉模块完成了苹果采摘区间的划分,并预设了每个机械手的采摘作业轨迹,利用编码器对预设轨迹进行了追踪。通过测试发现:机器人多机械手的实际追踪轨迹和预设轨迹的误差很小,满足设计需求,多机械手的协同采摘平均速度可以达到80个/min以上,具有高效的果蔬采摘性能。     

基于嵌入式PLC的运动控制系统的设计与应用分析

为了深入探究运动控制系统设计方法,以棉花采摘运动控制为例,选取嵌入式PLC作为核心控制器,提出运动控制系统设计研究。该系统运用超声波测距,利用编码器设计棉花采摘行程控制方案,通过驱动步进电机,实现机械手运动控制。系统应用测试结果表明,本棉花采摘控制系统的运动坐标误差控制在±0.7 mm以内,符合运动控制精度标准。     

一种三自由度气动机械手结构设计

文章利用SolidWorks完成了一种三自由度气动机械手的三维模型,阐述了其机械结构和运动动作,并且设计了控制机械手运动的气压系统以及气压系统的原理图。该机械手主要用于自动送料、自动取件,实现搬运功能。     

基于神经网络控制的知识表示获取新方法

提出了基于神经网络控制的人工智能知识表示，获取及训练的一种新方法，以输出误差及其变化率为两个基本状态向量来反映系统输出动力学特性，用ＣＭＡＣ作为神经网络控制的方案，进行了知识获取及在线训练等研究；再通过仿真对比了本方法与常用的ＰＤ控制及模糊控制的控制效果；最后将基于ＣＭＡＣ模糊控制器及其知识表示、获取、训练方法应用于两关节机械手的控制系统，在不同条件下进行实验研究。研究结果表明，本方法有显著的优越     

基于图像识别的流水线炭疽病青枣分拣机械手系统设计

为了对优质青枣进行分拣,解决人为分拣青枣准确度低、效率差等问题,提出了基于图像识别的由Arduino控制的多自由度机械手,实现在流水线上对炭疽病青枣的分拣。该系统以Arduino控制板作为主控制器,结合Pixy图像识别传感器、MG995舵机和图像识别算法组成自动分拣机械手系统。通过Pixy图像识别传感器对传送线上的青枣图像进行采集,并分析获取获得青枣的大小、颜色等特征量,得出青枣的品质信息。然后由Arduino控制器控制分拣机械手动作对青枣进行分拣。实验结果表明,通过该方法对炭疽病青枣进行分拣,准确率可达80%以上。     

采摘机械手结构和控制系统优化——基于神经网络武术套路训练

采摘机器手在农业生产中具有广阔的应用前景,其采摘效率和采摘质量主要受机械手结构的影响。为了提高采摘机器人的作业性能,将武术套路训练的勾拳动作引入到了采摘机器人的机械手结构设计中,根据勾拳手形对采摘机器人的动作进行了优化,并结合神经网络武术动作误差训练方法,对机械手控制系统进行了改进,从而有效地提高了机械手作业的灵活性。为了验证该方案的可行性和可靠性,对采摘机械手进行了实验验证。结果表明:对机械手进行结构和控制系统进行优化后,其采摘范围较大,可以满足三维空间作业需求,采摘机械手动作响应较快,误差较小,满足高精度快速采摘的需求。     

智能码垛机械手控制系统的设计

随着科技的进步,机器人的应用越来越广泛,基于传感器、PLC和伺服技术,机器人在各行各业中发挥重要的作用。本文从码垛机械手系统的基本组成和基于PLC的控制系统2大模块对智能码垛机械手进行介绍。在软件设计中,重点强调了伺服电机的控制要点,最后,对智能码垛机械手控制系统进行调试和分析。该设计对智能码垛机械手的后续开发工作奠定了良好的理论基础,起到了一定的指导作用。