番茄粘弹性参数机器人抓取在线估计

为了使采摘机器人在抓取过程中能够对被抓果蔬的粘弹性力学参数进行快速估计,实时优化抓取过程,减少末端执行器对被抓取对象造成机械损伤,以抓取力、变形量、作用时间为输入,建立了番茄粘弹性参数估计的人工神经网络模型。运用质构仪蠕变试验所测的力、变形和时间,以及粘弹性参数E_1、E_2、η_1、η_2作为训练数据集,确定了人工神经网络的拓扑结构和参数,并测试了网络模型的粘弹性参数估计性能。利用二指机器人末端执行器对随机番茄样本进行抓取试验,并在抓取过程中用此模型来在线估计粘弹性参数。通过与质构仪的实测值进行对比发现,当时间t≥0.2 s时,各参数的估计值与实测值之间的相对误差均在25%以内,并根据0.2 s时得到的粘弹性参数对机器人抓取力范围进行了估计。结果表明,利用此方法在机器人抓取过程中可以对被抓番茄粘弹性特性进行估计,为在线优化抓取力提供了依据。     

基于PLC控制的采摘装置自适应调控研究

为了实现果蔬采摘的无损采摘和果蔬的准确识别,本文基于PLC技术设计了果蔬采摘装置的自适应调控系统。系统主要由信息采集模块、图像处理模块、运动控制模块、运动执行模块和PLC控制器组成。通过机械手进行设计,使其在抓取果蔬时的抓取位置、位移和作用力具有自适应能力;对图像进行自适应均衡化处理,提高图像识别。试验数据表明:采摘装置可以对果蔬精准定位,保证果蔬的无损采摘。     

农业机器人果蔬抓取中滑觉检测研究

利用压敏电阻作为敏感材料制作了一种灵敏的滑觉传感器,构建了滑觉信号观测系统.用短时傅里叶变换方法分析了滑觉信号的频谱特征,并运用离散小波变换结果来区分法向抓取力变化与实际发生的滑动信号,以使滑动信号检测结果不受法向抓取力变化的影响,试验结果表明滑觉检测的稳定性.运用二指平行手爪进行了实际的果蔬抓取试验,验证了基于滑觉检测的抓取力调节效果.     

双指型农业机器人抓取球形果蔬的控制器设计

现阶段针对苹果、番茄这类球形果蔬设计的采摘机器人末端执行器大多采用相似的双指结构,但是这类采摘机器人的抓取控制方法均是一对一的研究,研发成本偏高且产品不具有通用性。阻抗控制是常用的柔顺控制方法,能够将果蔬的受力—形变等效为环境导纳模型,不同的果蔬对应不同的导纳模型,但是基本的阻抗控制框架是一致的。因此,本文分别选取偏软和偏硬的两种球形果实,通过压缩试验模拟抓取过程,得到果实受力及形变数据,并以此计算得到果实等效刚度。接着,使用BP神经网络分别对原始数据进行训练及验证,得到各层权值。然后在Simulink中建立环境导纳模型并根据不同的果实选择不同的权值,并完成阻抗控制系统的搭建。同时,根据环境导纳模型中的等效刚度估计值实现在线调整阻抗控制器刚度参数。最后通过Matlab进行仿真验证,结果表明改进后方法对于抓取苹果和番茄两种果实,期望力超调分别为2.2%和1.5%,位置控制器输出最终分别稳定在0.55 mm和4.02 mm范围内,可验证所提方法在理论上能够实现农业机器人的柔性抓取。     

轨道平移式果蔬采摘机器人作业质量测试方法

基于轨道平移式果蔬采摘机器人作业原理,建立了果蔬柔性采摘机器人作业质量测试方法,确定了采摘效率、果实采摘尺寸范围、最大抓握输出力、抓取成功率及果实破损率等作业指标的测定方法。依据提出的方法对FHR-2型柔性果蔬采摘机器人进行了设施温室大果番茄采收试验,结果表明,采摘效率8个/min,果实采摘尺寸范围30～92 mm,最大抓握输出力22.5 N,抓取成功率72.9%,果实破损率0,能够满足大果番茄的采摘要求。建立的测试方法能够对番茄采摘机器人进行作业质量测试,机器人的图像识别系统参数需进一步优化,以提高作业质量。      

轨道平移式果蔬采摘机器人的作业质量测试方法研究

基于轨道平移式果蔬采摘机器人作业原理,建立了果蔬柔性采摘机器人作业质量测试方法,确定了采摘效率、果实采摘尺寸范围、最大抓握输出力、抓取成功率及果实破损率等作业指标的测定方法。依据提出的方法对FHR-2型柔性果蔬采摘机器人进行了作业质量测试。结果表明：产品的采摘效率为8个/min,果实采摘尺寸范围为30mm～92mm,最大抓握输出力2.3kg,抓取成功率72.9%,果实破损率为0%,能够满足大果番茄的采摘要求。建立的测试方法能够对番茄采摘机器人进行作业质量测试,产品的图像识别系统参数需进一步优化,以提高机器人作业质量。     

气动柔性果蔬采摘机械手运动学分析与实验

采用气动弯曲型柔性驱动器设计了一种带有柔性机械臂的多自由度果蔬采摘机械手。基于分段常曲率理论,根据柔性驱动器形变规律,建立了多关节串并联的采摘机械手运动学模型和抓持力模型,研究了机械手采摘作业时抓取模式、工作空间和手指输出力与气压的关系,并进行了相关实验验证。制作了机械手样机,并在实验室环境下进行了多种果蔬模拟采摘实验,结果表明,该果蔬机械手具有多种抓取模式,且动作灵活、柔顺可靠、易于控制,适用于球形和圆柱形果蔬自动化采摘作业。     

多功能蜓爪式仿生末端执行器设计与试验

为实现利用同一机械手柔顺抓取各种形状果蔬,并且在保证抓取效率的前提下,有效避免末端执行器对果蔬的损害,设计了一种基于仿生原理的多功能蜓爪式末端执行器。首先通过体式显微镜将蜻蜓各爪指的相关物理信息转换为具有指导意义的数据和量化模型,并采用理论分析与数学建模的方法,确定了机械手前后爪腿节、胫节与跗节的长度分别为36、48、31 mm,机械手中爪腿节、胫节与跗节的长度分别为48、48、36 mm;在此基础上,采用D-H法建立了该欠驱动末端执行器的运动模型,绘制了机械手的包络空间区域,进而得到机械手能够完全包络各种形态果蔬的主要抓取部位;最后,应用并联机构平台和串联机构平台开展静态抓取破坏试验,测定了损伤力极限值,并进行了果蔬抓取试验。试验结果表明,仿生机械手对番茄、苹果、柿子椒和茄子的平均抓取成功率分别为90.7%、88.6%、87.9%和87.2%,损伤率分别为4.3%、0.7%、3.6%和2.1%;可见该仿生末端执行器能够较好地实现对各种形态果蔬柔顺、稳定的无损抓取。     

多用途果蔬采摘机械手的研究

文章通过机器人仿生学设计了机械手的结构,根据果蔬的颜色和大小,分析了机械手识别和采摘果蔬的工作原理。采用舵机驱动的方式提高机械手的抓取力大小、驱动器的反应速度。同时为了对果蔬的精确识别,采用了五指安装高精度摄像头进行图像采集、Otsu算法对图像处理以及4个特征量对目标进行识别和分级筛选。     

基于滑觉检测的农业机器人果蔬柔性抓取控制研究

果蔬采摘是水果蔬菜生产种植中最繁琐、最耗时间、最费精力的部分之一,直接影响果蔬日后的价值和销售。随着经济的快速发展、外出务工人员增多及农业劳动力减少,劳动力在果蔬种植成本所占比例越来越大。实现果蔬自动化采摘是降低成本、释放农业劳动力的重要举措。20世纪80年代,美国成功生产了世界上第1台西红柿采摘机器人。近年来,随着信息技术和自动化技术的高速发展,农业采摘机器人的研究和开发取得了很大进步,但对果蔬柔性抓取的研究进展较慢。为此,基于滑觉传感检测技术与果蔬损伤机理,以农业机器人采摘控制系统为研究平台,运用离散小波变换算法,从传感器和抓取力控制着手,深入研究和设计了农业机器人柔性无损采摘控制系统。试验表明:系统运行稳定,可靠性强,对实现果蔬柔性采摘具有十分重要的应用意义。     

果蔬采摘机器手系统设计与控制技术研究现状和发展趋势

鲜食果蔬收获是难以实现机械化作业的生产环节,高效低损采摘也是农业机器人研发领域中的难题,导致目前市场化的自动化果蔬采摘装备生产应用几乎空白。针对鲜食果蔬采摘需求,为改善人工采摘费时费力、效率低下、自动化程度低的问题,近30年来,国内外学者设计了一系列自动化采摘设备,推动了农业机器人技术的发展。在研发鲜食果蔬采摘设备时,首先要确定采收对象和采收场景,针对作物的生长位置、形状和重量、场景的复杂程度、所需自动化程度,通过复杂度预估、力学特性分析、姿态建模等方式,明确农业机器人的设计需求。其次,作为整个采摘动作的核心执行者,采摘机器人的末端执行器设计尤为重要。本文对采摘机器人末端执行器的结构进行了分类,总结了末端执行器的设计流程与方法,阐述了常见的末端执行器驱动方式、切割方案,并对果实收集机构进行了概括。再次,本文概述了采摘机器人的总体控制方案、识别定位方法、避障方法及自适应控制方案、品质分类方法以及人机交互、多机协作方案。为了总体评价采摘机器人的性能,本文还提出了平均采摘效率、长期采摘效率、采收质量、损伤率和漏采率指标。最后,本文对自动化采摘机械的总体发展趋势进行了展望,指明了采摘机器手系统将向着采摘目标场景通用化、结构形式多样化、全自动化、智能化、集群化方向发展的趋势。     

铣削过程的自适应模糊控制器仿真

通过铣削过程的刀具受力分析，利用多元回归方法建立了XHK数控铣床在逆铣过程中的铣削力模型，根据二阶阻尼系统建立了进给伺服系统的动态模型，基于这两个模型对铣削过程的适应控制器进行了计算机仿真实验，仿真结果表明，该模糊控制器具有自适应能力和较好的动态品质，有效地减小了稳态误差。     

变量喷药自适应神经模糊控制器设计与仿真

为了减少除草剂用量,采用变量喷施除草剂方式进行除草.根据分别建立的杂草面积、喷药机械行驶速度与喷药量关系模型,得知杂草面积和喷药机械行驶速度是影响变量喷施效果的主要因素.为了获取喷药量与车速及杂草面积关系试验数据,设计了室内变量喷药试验台,使用DSP处理器及编码器分别得到杂草面积及喷药机械前进速度信息.结合所获试验数据,设计了一种基于自适应神经模糊推理（ANFIS）的双输入、单输出控制器.对控制器设计过程中输入输出变量的选取、隶属函数的选择及控制器的训练等进行了研究,数据经过30次训练后误差为1.47×10^-5.对控制器的速度采集、串行通信、电磁阀驱动等硬件电路及模糊控制软件流程,进行了设计.在Matlab中建立了自适应神经模糊控制仿真模型,仿真结果表明：在喷头打开时间为0.2 s,喷药机械速度为0～1 m/s,杂草面积在0～100 cm^2时,控制器可自动调节喷药量在0～4 mL变化.与采用传统模糊控制方式相比,该控制器自适应性强,具有较好的应用前景.     

基于滑转率的拖拉机自动耕深模糊控制仿真

仿真分析了基于滑转率的拖拉机自动耕深模糊控制算法.首先建立系统的数学模型,并用Matlab/Simulink建立计算机仿真模型.然后设计系统的模糊控制器,进一步根据系统的数学模型进行了仿真分析,观察控制效果.同时用PID控制算法、模糊PID控制算法进行仿真,分别进行响应性、抗干扰、适应性的对比分析,结果表明,模糊PID和模糊控制算法较为合适,两者控制效果近似,但是模糊PID控制算法需要更多的变量,更为复杂.     

基于滑转率的四轮驱动汽车防滑模糊控制仿真

建立了四轮驱动汽车加速过程的数学模型,以滑转率为调节对象,提出一种基于模糊PID控制的驱动防滑控制ASR算法,设计了以发动机油门为控制对象的模糊-PID控制器并讨论了控制器切换参数的选取,并针对均一低附着路面以及分离路面在Simulink仿真环境下进行了动态仿真.对比仿真结果,表明模糊PID控制性能优于单一的模糊控制.     

轮式拖拉机滑转率模糊控制室内模拟研究

为改善轮式拖拉机滑转率控制系统的控制性能，在室内土槽上建立了滑转率控制实验系统，研究了滑转率自调整比例因子模糊控制性能，并与比例微分控制进行了对比实验。实验表明：此模糊控制保证了滑转率阶跃输入响应的快速性和小超调性，具有更好的消扰能力和对系统参数变化更好的自适应能力     

农机导航自校正模型控制方法研究

针对运动学模型中的近似条件对模型控制方法曲线路径跟踪精度的影响,提出了一种农机导航自校正模型控制方法。该方法采用模型控制方法设计控制律,并采用模糊控制方法自适应地在线调节模型控制律的控制量。农业机械的路径跟踪实验结果表明,该方法既保留了模型控制方法在直线路径跟踪方面的优点,又弥补了模型控制方法在曲线路径跟踪方面的缺陷。当速度为1.0 m/s时,直线路径跟踪最大横向偏差小于0.064 9 m,曲线路径跟踪的最大横向偏差小于0.185 7 m。     

新型具有力感知的柔性果蔬采摘机械手研究

研发了基于设施农业的果蔬采摘机械手,包括具有3个旋转关节自由度的采摘机械臂及具有力反馈功能的三指果蔬采摘末端执行器,并对其控制系统进行了开发。通过采摘模拟试验,验证了其作业性能、采摘效果。试验结果表明:采摘机械手各关节与控制系统配合良好,运行稳定;采摘末端执行器手指控制灵活,传感器响应灵敏,能够实现稳定抓取并不损伤果实,具有推广价值。     

智能切换的模型参考模糊自适应内模控制的研究

针对具有大惯性、大滞后特性的电厂主汽温对象,采用模型参考自适应控制的思想,结合模糊控制和内模控制方法,提出了一种模型参考模糊自适应内模控制方法:在相消法设计内模控制器的基础上,利用参考模型的系统误差及其变化率去调节控制器中的参数。并用带反馈校正的模型预测作系统输出预测,根据系统响应和系统预测值是否在给定误差范围内来共同决定控制量在限幅值与内模控制器输出值之间进行在线智能切换。并通过热工对象的仿真研究,证明其有效性。     

基于残差块与注意力机制的果蔬自动识别方法

针对果蔬识别中识别效率低、成本高等问题,本文提出了基于残差块和注意力机制的果蔬识别模型,并成功部署于果蔬智能识别设备。果蔬自动识别装置由Raspberry Pi、STM32F103ZET6、摄像头、称量传感器、处理器、显示屏、微型打印机、扎口机以及电源等部分组成。中央控制器与显示屏进行交互实时显示各种参数,通过摄像头与称量传感器采集待测物体图像与待测物体质量,由部署于Raspberry Pi的果蔬自动识别模型对果蔬进行精准识别,同时协同单片机STM32F103ZET6将果蔬相关信息打印并控制扎口机进行封口打包。本文以YOLO v5网络为基础,通过增加残差块与注意力机制构建果蔬自动识别模型RB+CBAM-YOLO v5。以自制的数据集训练网络,将6种网络进行对比试验,并选择最优网络进行设备端检测试验。试验结果表明,RB+CBAM-YOLO v5的精确率、召回率与mAP0.5分别为83.55%、96.08%、96.20%,较YOLO v5提升4.47、1.10、0.90个百分点。将RB+CBAM-YOLO v5模型部署于嵌入式设备Raspberry Pi中,设备可实现精准识别、自动称量、打印凭条以及快速打包等功能,可满足果蔬识别以及无人售卖装置的需求。