番茄采摘机器人机械臂避障路径规划

以关节型机械臂避开垂直茎秆或撑杆采摘番茄为研究对象,提出了一种基于构形空间的关节型机械臂避障路径规划方法.利用空间映射原理,将关节型机械臂工作空间的三维避障问题转换为平面R-R机械臂避开障碍圆的问题,用临界碰撞关节角建立C-障碍空间的映射计算模型,将工作空间的位置避障转换为构形空间连杆关节角的计算.以能量最优函数优选避障规划的关节终点角度,利用A*算法计算平面R-R机械臂的避障关节角路径,获得一系列表示空间连杆位置的相交竖直面,并在竖直面内进行其余关节角的规划.避障采摘番茄的试验表明,机械臂带动夹持器能成功绕过直线状障碍物,引导夹持器到达果实目标位置,证明对平面R-R机械臂的空间映射建模是正确的,验证了提出的避障路径规划方法是可行的,可以应用于番茄的自动收获.     

基于STM32体感交互式仿上肢采摘机械臂设计

农业采摘机械臂是提高农业自动化程度和生产效率的重要手段,针对传统农业采摘机械臂控制方式单一、与用户的交互性和控制效率较低的问题,提出并设计一种基于仿生学,能够实时模仿上肢采摘行为的体感交互式仿上肢机械臂系统。系统采用STM32微处理器作为主控芯片,采用6个舵机构建六轴仿生机械臂结构。采集端MUP6050加速度计获取人体手臂姿态信息,通过无线收发芯片SI4432实现手臂姿态的无线传输;机械臂接收端完成手臂姿态的无线接收及解析,从而控制机械臂模仿人体上肢的动作。试验结果表明,系统对仿人体机械臂动作的平均识别率为96%以上,动作跟随的平均响应时间为2～3 s,能够按照人体手臂的运动轨迹做出相应的模拟动作,跟随人体手臂完成各种抓握、屈伸、旋转等动作,较好地实现仿上肢采摘机械臂的功能。     

六自由度水果采摘机械臂结构设计与试验

首先从数学模型建立、正运动学和逆运动学几个方面对水果采摘机械臂总体设计状况进行分析,随后重点分析六自由度水果采摘机械臂的主要结构及参数设计计算,对六自由度水果采摘机械臂的运动和任务进行设计规划,最后分析机具的实际效果及创新点,通过搭建采摘试验平台,对规划设计结果进行综合分析。研究中选取3kg六自由度机械臂作为研究对象,构建机械臂采摘运动模型,随后使用第五关节分离法解决机械臂自适应调整问题,并计算验证机械臂运动中的轨迹,最后使用试验分析方法对采摘效果和时间进行验证分析,采摘机械臂可以直接利用双目识别以及定位系统所提供的坐标,实现运动规划并完成果实采摘。采摘试验分析发现,单果采摘时间为25.5s/个,多果实采摘中使用关节角加权最小设定连续采摘任务,能够促进果实采摘时间的逐渐降低,提升采摘效率,降低生产成本与能耗。     

柑橘采摘机械臂控制算法研究

对3自由度柑橘采摘机械臂控制算法进行研究。调用OpenGL相关函数建立3D仿真模型,利用DH参数法与雅克比矩阵求逆法对机械臂进行运动学正解与逆解建模,并使用robotic toolbox对所获得的运动学逆解结果进行验证。利用拉格朗日法进行动力学计算,并模拟机械臂实际工作中的受力情况。结果表明,控制算法控制效果良好,能满足柑橘采摘机械臂运动控制的要求。     

基于ADAMS的果树采摘机械臂的运动仿真分析

根据对苹果园区的实地考察,利用Inventor软件建立了GY-1型果树采摘机器人机械臂的实体模型,完成装配。利用Inventor、Pro/E、ADAMS 2005这3种软件之间的接口技术,把机械臂模型导入ADAMS/View模块中。经过有效简化结构,对各个关节和液压缸分别添加约束和驱动,最终生成机械臂的虚拟样机。在ADAMS仿真中,通过计算各个液压缸的运动驱动函数,模拟了机械臂的一组采摘动作,得出机械臂上几个关键关节的受力变化曲线。通过对曲线结果的分析可以获得机械臂采摘时各关节的实时运动信息,为后续工作研究奠定了理论基础。     

农业采摘机器人机械臂结构设计

【目的】农业采摘机器人是一种集机械、电子、传感、计算机于一体的多功能农业机械设备,被广泛应用于水果、蔬菜采摘领域。但其在对果实的识别和抓取方面仍存在很大的不足。【方法】机械臂是农业采摘机器人重要的组成部分之一,也是其主要执行机构。笔者根据机械臂结构特点与功能需求,设计了一种六自由度、关节运动灵活且可更换的采摘机器人机械臂,该机械臂通过控制系统调节3个平动关节在工作空间中的位置和角度,从而获得末端执行器能够完成采摘任务所需的最小工作空间,通过六自由度变换得出6个关节在工作空间中坐标系之间运动轨迹关系。该机械臂由视觉模块、驱动模块及控制模块构成。基于D-H参数法对采摘机器人机械臂进行运动学分析,并进行仿真验证。【结果】该机械臂具有较好的定位精度,能够满足农业采摘机器人对果实的抓取要求。     

八自由度机械臂位置运动学模型解析解

采用D-H法建立了八自由度农业机器人机械臂连杆坐标系,得到以关节变量为输入的正运动学方程。在正运动学方程的基础上,根据农业机器人实际工况以及机械臂自身的结构特点,设定了约束条件,进行了逆运动学分析,得到了各关节变量的解析表达式,并对正运动学与逆运动学计算结果进行了相互验证。采用ADAMS仿真软件建立了机械臂的仿真模型,进行了运动学仿真,仿真结果与理论计算相符。搭建实验平台,实验验证了正运动学与逆运动学求解结果的正确性。     

仿人机器人头部设计与目标跟踪运动控制

针对仿人机器人视觉目标跟踪任务需求,设计了一种高精度、灵巧型仿人机器人头部系统,构建了视觉感知模块与3自由度机械臂运动机构。利用虚拟连杆方法对仿人机器人头部进行运动学建模,将目标跟踪问题转换为机械臂的运动学逆解问题,通过计算机构可操作度与条件数,显示机器人头部对目标跟踪任务具有良好的运动学灵活性。在此基础上,基于梯度投影法建立了目标跟踪运动学逆解与规避关节极限位置的同步优化算式,并针对视觉测量系统带宽较窄、容易造成较大跟踪误差的问题,提出了在两次视觉测量间隔内用轨迹预测的方法获得目标位置的估计值,以提高跟踪精度。仿真与实验结果表明,在测量盲区内采用轨迹预测方法,可将跟踪精度提高约80%,实现高精度目标跟踪。所提出的仿人机器人头部及控制方法,对动态目标具有良好的跟踪性能。     

葡萄采摘4-DOF机械臂设计与虚拟样机仿真

为实现篱架式栽培的食用葡萄自动化采摘,设计了一种关节型四自由度(4-DOF)机械臂,并利用DH参数法建立机械臂的连杆坐标系。通过MatLab里的Robotics Toolbox建立机械臂的数学模型,对机械臂的正、逆运动学进行仿真,对末端执行器走直线轨迹进行了轨迹规划。利用ADAMS建立机械臂的虚拟样机,将轨迹规划仿真数据作为驱动,进行动力学仿真,获得夹持2kg葡萄时腰关节、肩关节、肘关节及腕关节所需驱动力矩分别为95、52、48、12N·m,从而为采摘机械臂的物理样机制造与采摘试验提供了技术依据。     

基于农业生产的采摘机械臂节点控制系统研究分析

大规模种植多采用垄作栽培方式,且因多种农作物不定期成熟的生长特点,使得人工进行采摘劳动强度和作业量都非常大,研发出一种代替人工的机械则非常必要。采摘机械人的主要机构是机械臂,采用关节型机械臂可以很好地避开植株的茎干,确保机械臂定位精确,保证采摘成功,因而关节节点的控制至关重要。本研究采用5自由度的关节型机械臂,以气动柔性驱动控制关节,为减少机械臂的操作空间,对机械臂结构参数进行优化。通过试验验证节点控制系统的准确性,结果表明:5自由度控制的关节型机械臂可以灵活避开障碍并可以精确、缓冲地采摘果实。     

采摘机器人作业行为虚拟仿真与样机试验

为开展采摘机器人智能防碰损作业行为及规划算法的仿真试验与验证,设计了一种基于虚拟现实的采摘机器人仿真试验系统。以葡萄采摘机器人为对象,先构建虚拟现实环境下采摘机器人及其作业场景模型,用于模拟设施果园试验环境;然后对虚拟采摘机器人进行运动学建模,运用D-H参数法解算机械臂运动学正解和逆解;再依据葡萄串形状等特性设计一种夹-托-剪式的采摘机器人末端执行器及其采摘过程控制模型;建立机械臂末端连杆与执行器之间的空间位姿变换关系,并对机械臂运动进行轨迹规划;设计并定义仿真系统各模块间的数据接口,最终基于虚拟现实平台EON开发出采摘机器人虚拟仿真系统。基于该系统进行18次葡萄防碰损采摘路径规划及夹剪行为试验,成功率达88.89%;将相关算法移植到物理样机进行43次室内试验,成功率为86.05%。结果表明,开发的仿真系统可为采摘机器人智能行为算法的测试及改进提供虚拟试验平台。     

模块化六自由度机械臂逆运动学解算与验证

针对六自由度模块化串联机械臂,进行了正运动学求解,并提出了该种臂型的运动学逆解计算方法.从机械臂的结构特点出发,采用DH法进行结构建模,得到了正运动学模型.在逆运动学求解过程中,针对纯代数法找不到该种臂型的独立不相关变量方程的问题,采用几何方法求解机械臂前3个关节、后3个关节使用反变换法求解,通过给出解的组合原则,得到了该机械臂逆运动学的完整解析解.为满足机器人系统编程和实际控制需要,基于VC++编制了MFC的运动学算法程序,验证了正逆运动学求解的正确性,为机械臂精确定位和运动规划提供了必要的前提条件.     

六自由度采摘机械臂系统设计

以Atmel公司的Atmega1280芯片为核心控制器,以六自由度关节型果蔬采摘机械臂为研究对象,设计了采摘机械臂的软硬件系统。运用D-H法对六自由度机械臂进行数学建模,并通过Mat Lab构建运动仿真模型,验证了其设计的可行性;通过软件编程实现了采摘机械臂单自由度运动、多自由度协调运动和运动规划等功能模式;同时完成了Labview上位机监控界面的设计;最后通过系统调试,实现了采摘机械臂的单自由度、多自由度及基本的运动规划功能。系统整体运动灵活,协调性较好,在精度和性能上都得到了很大的提高。     

基于强化学习的采摘机器人采摘臂避碰设计

首先介绍了采摘机器人采摘臂避障问题和强化学习理论,并将强化学习方法应用到采摘臂避障问题中,构建了一平面3自由度的采摘机器人采摘臂的多Agent避碰系统。笔者研究目标是通过Agent感知采摘臂连杆与障碍物之间最小距离d和采摘臂姿态偏差角θ两方面信息,然后进行避障规划,在复杂未知环境中使其找到合适路径采摘目标。在NET平台上进行了基于强化学习的采摘臂避障系统平台的开发与仿真,对采摘臂避障系统的避障能力进行了测试分析。仿真实验表明:采摘臂避障避碰系统避障能力比较强,能够在复杂环境中采取避障措施,并准确达到指定位置。     

果蔬采摘机器人机械臂研究现状与展望

农业生产中果蔬采摘是其中的重要环节,且依赖于大量劳动力的参与,采摘机器人的发展与应用将会极大地改善采摘作业的劳动力依赖问题。采摘机械臂是采摘机器人的关键部分,是采摘机器人研究的一大重点。以采摘机械臂自由度进行分类,梳理总结国内外采摘机械臂研究的发展过程和研究现状。针对相同栽培模式下同一果蔬,在采摘机械臂的自由度和构型的选择上缺少标准化方案的问题,提出采摘机械臂研究与农艺的深度结合是未来解决问题的关键。同时,对于刚性本体难适应采摘环境以及关节驱动方式单一的问题,提出采摘机械臂本体的柔性设计以及驱动方式的组合使用将是未来的发展趋势。     

基于改进蚁群算法的机械臂路径规划

针对机械臂在运动过程中的避障问题,提出基于改进蚁群算法对其路径进行规划。首先引入可选节点周围安全因素对蚁群算法中的转移概率进行改进,得到机械臂末端执行器的路径轨迹;其次根据执行器位置,利用伪逆法进行运动学逆解的求解,获得各关节变量;最后进行仿真及利用实物机械臂进行验证,结果表明,与传统的蚁群算法相比,改进的算法在相同的规划环境下具有较快的收敛速度,获得的路径轨迹较为合理,避障效果明显。     

果蔬采摘机械臂结构设计与性能测试

针对作业空间较小的大棚果蔬采摘环境,研制了串联式4自由度关节型果蔬采摘机械臂。采用SolidWorks建立了机械臂的3维模型,在拉格朗日法建立动力学分析模型的基础上,利用ANSYS和ADAMS分析软件,对机械臂进行静态结构分析和运动学、动力学仿真分析。静力学仿真结果表明,机械臂的最大应力为8.181 8 MPa,最大形变为0.000 329 11 m,结构设计合理,强度符合要求;运动学仿真结果表明,机械臂可以精确到达目标位置,运动过程平稳;动力学仿真结果表明,各关节的最大力矩均在安全合理的范围。为进一步验证设计的合理性,对研制的果蔬采摘机械臂进行了性能测试,结果表明机械臂定位精度最大误差±2.5 mm,平均误差±1.1 mm,带载能力3 kg,机械臂运动平稳,可以满足果蔬采摘作业要求。      

数字国画产品设计在采摘机器人动作仿真中的应用

首先,介绍了数字国画的产品设计,并将其应用在采摘机器人动作仿真中;然后,分析了采摘机器人机械臂运动学和动力学模型,对机械臂的驱动控制进行了深入研究;最后,基于Matlab对采摘机器人动作“掰”进行了仿真分析。结果表明：随着姿态角β或γ的增大,苹果与果枝连接处产生的力矩都会发生变化;而使用动作“掰”采摘苹果时,改变姿态角γ更容易采摘到苹果。     

基于Java3D和VRML技术的采摘机械手运动仿真研究

为了实现采摘机器人机械手臂运动虚拟仿真过程的交互性,基于Java3D和VRML虚拟现实技术,提出了一种机械臂交互式三维场景生成及运动仿真系统。为了验证系统的可行性,以采摘机器人机械臂为研究对象,设计了基于采摘机器人机械臂运动仿真系统,并基于网络的特征,通过接口导入机械臂关节的造型文件,实现了采摘机器人机械臂仿真三维虚拟场景创建。对仿真系统进行了实验,结果表明:开发的采摘机器人机械臂三维运动仿真系统可以对采摘路径进行合理的规划,得到和实验基本吻合的轨迹,能够实时地显示关键力矩的变化,为关节结构的优化提供了数据参考。将仿真目标位置和预设位置进行对比发现,最大位置偏差不超过1 mm,从而验证了运动模型和算法的可靠性。     

基于逆运动学降维求解与YOLO v4的果实采摘系统研究

为提高采摘设备的执行效率,采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统,该系统可自动识别不同种类的水果,并实现自动采摘,可通过手机端远程控制采摘设备的起始和停止,并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程,从而避免了大量的矩阵运算,使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真,验证了降维求解的可行性。在果实采摘流程中,为了使机械臂运动轨迹更加稳定与协调,采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位,在Ubuntu 19.10操作系统中使用2000幅图像作为训练集,分别对不同种类的果实进行识别模型训练,在GPU环境下进行测试,结果表明,每种果实识别的准确率均在94%以上,单次果实采摘的时间约为17s。经过实际测试,该系统具有良好的稳定性、实时性以及对果实采摘的准确性。