基于物联网的智能割草机器人运动控制系统研究

以智能割草机器人为研究对象,首先基于物联网技术介绍和实现了割草机器人的定位功能,然后介绍了其运动学模型、控制系统架构和动力牵引装置,最后介绍了智能割草机器人驱动模型,实现了智能割草机器人的运动控制系统。试验结果表明:智能割草机器人能够对障碍物进行自主避障,且路径规划路线最优,实现了目标区域的全区域覆盖割草作业。     

割草机器人路径规划研究 ——基于改进蚁群算法和计算机视觉

首先,从设计需求、结构体系和控制系统设计了割草机器人总体方案;然后,设计了草坪边界提取算法和割草机器人路径规划系统,实现了一套基于改进蚁群算法和计算机视觉的割草机器人路径规划系统.试验结果表明:割草机器人能够实现草坪边界提取和规划出最优路径,割草机器人路径规划具有一定的可行性.     

割草机器人自动控制系统 —基于智能视觉和人工算法

为解决无导航功能的智能割草机割草区域最佳覆盖的问题,将智能视觉和人工智能聚类算法引入到了割草机控制系统的设计上,通过分解目标区域和计算质心位置,实现作业区域的全覆盖识别。机器人控制系统利用智能视觉来判断割草作业区域,代替了以信号和微波等为依据的导航功能,可以有效地提高作业区域的识别效率和精度。为了验证方案的可行性,以割草机器人路径规划为例,对割草机器人的路径规划时间和准确率进行了测试。结果表明:基于智能视觉和人工聚类算法的割草机器人具有较高的路径规划效率,且路径规划的准确率也较高,可以满足割草机器人控制系统的设计需求。     

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

大数据在农业机器人路径规划实时同步定位中的应用

为了使农业机器人能够有效地避开作业过程中的障碍物,设计了基于大数据的农业机器人路径规划与实时同步定位系统。该系统采用大数据云平台,给出了单个小障碍物的避障策略,提出了避障路径规划和实时同步定位算法。实验结果表明:应用云平台大数据进行路径规划和实时定位非常有效,解决了农业机器人在作业过程中的路径规划和实时同步定位问题,可为其他相关领域的避障路径规划提供参考。     

割草机器人避障行为的研究--基于传感器测距及模糊控制技术

针对以往割草机器人避障行为控制过程中存在的问题,并依据割草机器人的智能化工作要求及障碍物的特点,提出了基于测距传感器系统及模糊控制技术的割草机器人避障行为控制方法.试验结果表明,该方法可行且具有灵活性和鲁棒性.     

采摘机器人避障控制系统研究 —基于ARM+DSP和视觉传感器

以采摘机器人移动路径中躲避障碍物为研究对象,首先介绍了视觉系统,接着从系统总体方案、软硬件设计等方面进行了详尽的介绍和设计。系统以防止采摘机器人与障碍物的碰撞为前提,分析了系统躲避障碍物的策略,实现了基于ARM+DSP和视觉传感器的采摘机器人避障控制。利用MatLab 7.0进行了仿真验证,结果表明:避障控制系统可以实现避障和路径规划,且路径最优、耗时最少,证实了整个系统的可靠性和可行性。     

基于混沌控制的采摘机器人防碰撞系统设计

针对采摘机器人在作业过程中遇到障碍物导致路径规划出现混沌现象的问题,基于混沌控制对采摘机器人防碰撞系统进行设计,并采用模糊自适应控制算法和滑模变结构控制算法结构的方式对系统进行控制。为了验证防碰撞系统的有效性,对采摘机器人进行了防碰撞和采摘仿真试验,结果表明：采摘机器人在作业过程中可以避开障碍物,按照规划路线到达预设位置,完成果蔬的采摘。     

卡尔曼滤波在割草机器人路径追踪优化中应用

为了提高割草机器人工作效率与割草效果,设计了草机器人路径追踪系统。系统采用螺旋式路径规划方式,通过中值滤波、阈值分割等图像处理手段,得到了割草边界线。同时,提取该边界线上角点,进行线性拟合,得到系统导航方程,并采用几何追踪方法和递推方式实现导航方程追踪。采用卡尔曼滤波方法,综合考虑系统预测值和检测值,以两者协方差为依据,计算最优解。测试结果表明:该方法可以有效提高追踪精度,减少迭代次数。     

基于模糊控制系统的采摘机器人避障系统研究分析

针对目前使用的采摘设备落后、工作量大、稳定性差等问题,为了提高采摘机器人的环境适应能力,对采摘机器人的避障控制系统进行了分析,拟采用模糊控制系统的方法,来加强采摘机器人避障系统的能力和效率,减少采摘机器人避开障碍物及规划出适当路径所用时间。模糊控制使用超声波检测前方障碍物距离,以控制转轮速度和方向作为输入量,速比作为输出量,控制移动的速度和方向。为使采摘机器人避障路径规划尽可能短,采用改进的遗传算法和模糊控制系统建立基本模型。对采摘机器人的避障性能进行仿真试验,结果表明:基于模糊控制的采摘机器人的避障系统可以成功地避开障碍物及规划出最短行走路径,且能够快速定位树上的果实和准确地完成采摘任务,具有效率高、易操作、采摘成功率高等特点。     

全自动草坪修剪机器人设计

本文设计的全自动草坪修剪机器人是集环境自动感知、路径自主规划、系统控制于一体的全自动智能四驱割草器。通过树莓派控制搭载ROS系统完成机器人的应用开发,机器人系统中利用传感器和摄像头进行数据信息采集,采用SLAM技术构建地图控制小车路径和轨迹规划;底层采用嵌入式系统控制机器人的运动和航迹推演,底盘采用四轮差分驱动结构,辅加PID算法和控制策略对机器人底层进行控制,安装超声波传感器使得机器人完成避障功能。     

全自动草坪修剪机器人

本课题设计的全自动草坪修剪机器人是集环境自动感知、路径自主规划、系统控制于一体的全自动智能四驱割草器。通过树莓派控制搭载ROS系统完成机器人的应用开发,机器人系统中利用传感器和摄像头进行数据信息采集,采用SLAM技术构建地图以控制小车路径和轨迹规划;底层采用嵌入式系统,控制机器人的运动和行迹推演;底盘采用四轮差分驱动结构,辅加PID算法和控制策略,对机器人底层进行控制;安装超声波传感器使得机器人具备避障功能。     

农业割草机器人全区域覆盖路径规划研究——基于计算机视觉技术

首先，采用运动控制、能源、传感器、核心处理器和割草等5个模块设计了农业割草机器人试验平台；然后，利用纹理特征对障碍物图像分割算法进行分析研究；最后，基于CCD^*实现了割草机器人的全区域覆盖作业。实验结果表明：使用研究的CCD^*算法大大提高了割草机器人全区域覆盖作业的能力和作业效率。     

基于模糊逻辑控制的自主导航采摘机器人避障设计

为了提高采摘机器人自主导航的环境适应能力,提出了一种基于改进的遗传算法的模糊学习逻辑控制方法,提高了机器人路径规划的能力和效率,缩短了路径规划所用时间。该方法以传感器测得的障碍物距离、轮转速和目标地点方向作为输入量,左右驱动轮的速比作为输出量,控制机器人的移动路径和方向。为了使机器人规划的路径尽量短,达到节能的目的,引入了改进的遗传算法,使用修正项对遗传算法进行改进,建立了适应度函数的基本模型。最后,对采摘机器人的性能进行了测试,通过测试发现:机器人可以成功地躲避障碍物,且能够完成最短路径规划,规划反应时间短、可靠性高。     

基于改进A*算法和DFS算法的割草机器人遍历路径规划

针对割草机器人大面积作业时遍历路径规划覆盖率低、重复率高、普适性弱的问题,提出一种改进A*算法与DFS算法相结合的遍历路径规划算法。首先,根据已知环境全局信息,通过牛耕式分解法将目标区域划分成多个不含障碍物的子区域;然后,根据子区域的邻接关系构建无向图,使用DFS算法规划子区域的遍历顺序;最后,采用改进A*算法进行跨区域路径转移并且往复式遍历各子区域的内部。仿真试验结果表明：该遍历算法的覆盖率达到100%,遍历重复率为0,改进A*算法所规划的跨区域转移路径长度和转向次数比A*算法分别减少3.26%和62.5%。所提出的遍历算法具有覆盖率高、重复率低、普适性强的特点,改进A*算法通过路径平滑性优化和添加防碰撞安全间距对A*算法进行改进,使之规划的路径更平滑、更安全,路径长度更短。该研究结果旨在为割草机器人遍历路径规划提供理论参考。     

采摘机器人动态路径规划系统研究——基于人工势场法

以采摘机器人为研究对象,首先建立了采摘机器人作业环境及障碍物模型,并利用人工势场法搭建了环境和障碍物运动势场;然后基于人工势场法设计了采摘机器人动态路径规划系统;最后利用Mat Lab进行了仿真实验。结果表明:该系统优化效果明显,具有很好的避障和路径规划能力。实验很好地验证了系统的有效性和实时性。     

基于遗传算法和EDA技术的果蔬采摘机器人设计

为了提高果蔬采摘机器人的避障和路径规划能力,实现机器人智能化和轻量化的设计,将嵌入式系统引入到果蔬采摘机器人的控制系统中,并利用EDA技术对控制系统进行了封装,植入了机器人路径规划的遗传算法。对果蔬采摘机器人的机械手进行了改进,通过机械手结构设计实现了采摘机器人执行末端的避障功能,利用遗传算法智能控制设计实现了复杂环境中的路径搜索功能。对果蔬采摘机器人的性能进行了测试,结果表明:障碍物识别率高达99%以上,路径规划的准确率也在95%以上,满足智能化采摘机器人的设计需求,为现代化采摘机器人的设计提供了较有价值的参考。     

基于遗传改进人工势场法的全区域平粮机器人路径规划

首先介绍基于激光全局定位的平粮机器人定位方法,然后提出一种基于遗传改进人工势场法的全区域移动平粮机器人路径规划方法,该方法能克服平粮机器人在障碍物附近易于震动和障碍物在目标点附近导致目标点不可达等现象。与人工势场法相比,基于遗传改进的人工势场法对平粮机器人的路径规划能使机器人能准确避开障碍物到达目标点,而且在同等条件下,机器人到达目标点步数和路径都相对减少,运动轨迹更为平滑和稳定。最后进行仿真实验,仿真实验结果验证所提出路径规划方法的有效性和正确性;同时提出机器人以横向、纵向行走的平粮策略对工作环境进行全区域平粮。     

基于计算机网络算法的智能采摘机器人设计

为了提高采摘机器人的路径规划能力,基于计算机网络算法设计了智能采摘系统。首先,采摘机器人采集农田图像时,基于PSPNet网络算法,设计改进型计算机网络算法,实现农田环境因素识别;其次,识别获得道路特征图,并进行图像处理,得到道路边缘,拾取道路两边缘中线离散点,进行引导线拟合;最后,采用双目视觉系统实现障碍物定位,进而建立路径规划函数,当路径规划函数取最小值时,道路规划最优。对引导线精度进行测试,结果表明：误差分布范围为-1.2%～5.3%。对障碍物测距进行测试,结果表明：机器人和行人之间的相对偏差分布区间为[-2.2%, 2.8%],和车辆之间的相对误差分布区间为[-2.9%, 3.4%]。