基于智能交流接触器的采摘机器人机械臂设计

在充分考虑机械臂伺服电机智能速度检测装置的结构和闭环运动过程控制的基础上,将智能交流接触器引入到了采摘机器人机械臂关节伺服电机的反馈控制中,并建立了PID闭环反馈调节回路,有效地提高了机械臂的控制精度。同时,将智能交流接触器以速度控制函数的形式嵌入到了PID控制环节,采用ADMAS和MatLab软件对机械臂的轨迹控制精度进行了测试,并利用Mat Lab软件计算得到了关节的控制变量,以Spline形式将变量导入到了ADMAS中对机械臂两关节进行控制。通过仿真得到了机械臂关节的输入和输出位移随时间变化曲线和机械臂末端的运动结果,结果表明:输入和输出的位移基本吻合,并且机械臂末端可以按照预定的圆环轨迹运动,从而验证了智能交流接触器PID控制的控制精度。     

基于自适应趋近律的采摘机器人关节滑模控制研究

利用离散趋近律设计的滑模控制可有效抑制滑模控制中的抖动现象,但其抑制抖动的效果与离散趋近律的设计参数及系统的采样时间有着密切的关系。为此,在分析指数趋近律抖动的基础上,提出了一种自适应滑模控制器,Mat LAB能够进一步的提高基于趋近律的滑模控制器的抖动抑制能力。为了验证本文所提出方法的有效性,在Mat LAB中实现了该算法,并利用其来控制采摘机器人关节的伺服电机。仿真结果表明:本文所提的算法具有较好的位置跟踪能力,进一步地抑制了指数趋近律滑模控制中存在的抖动现象,提高了系统的性能。     

割草机器人工作原理及试验研究—基于GPS/DR组合导航系统

随着国民经济不断发展,我国人民生活水平不断提升,多种人工作业逐渐被机器所取代。GPS/DR组合导航系统能够有效提升割草机器人定位精度,克服传统割草机器人固有弊端,提高工作效率。为此,对GPS/DR组合导航系统原理展开了分析,进行了GPS/DR组合导航系统割草机器人研究,并进行了相关试验研究,验证了GPS/DR组合导航系统割草机器人相对于传统割草机器人的优势。     

基于DSP与超声波测距的农业机器人定位与避障控制

随着新兴电子集成技术和自动化技术的发展,控制系统已逐渐向数字化转变,高集成芯片广泛应用于自动化控制领域,体积小、运算能力强的嵌入式系统慢慢开始取代计算机。为此,首先分析了超声波测距功能及其优越性,采用三球定位技术,设计研究了一种基于DSP和超声波的全局定位系统;然后,采用多路超声波收发模块设计了基于超声波的自主避障控制系统,并提出一种新的模糊推理方法,实现机器人的避障和路径规划功能;最后,采用Visual C++可视化程序设计软件对避障系统进行仿真和场地试验,验证了系统的可靠性和可行性,为机器人的研究和发展提供了更加宽广的空间。     

基于蚁群算法的六自由度采摘机器人轨迹规划研究

在现代农业生产中,果蔬采摘作业复杂而繁重,采摘机器人在作业过程中常常需要经历成千上万个果蔬采摘点,面对这样巨大的工作量,采摘机器人移动路径规划显得非常重要。为此,以采摘机器人运动轨迹为研究对象,以其运动轨迹总长最短为研究目标,针对机器人各关节机构运动速度变化情况及机器人运动特性,利用基本蚁群原理对六自由度采摘机器人的路径进行规划。实验结果表明:所设计的采摘机器人轨迹优化技术不但路径优化能力强、运动轨迹平滑,还具有可靠性强及稳定性好的优点。     

农业机器人轨迹优化自动控制研究——基于BP神经网络与计算力矩

以农业机器人精密轨迹优化自动控制为目标,在优化算法中引入BP神经网络与计算力矩法结合的自动控制器,旨在减少作业过程中的运动误差,提高其工作效率。首先,建立农业机器人数学模型,分析其运动学和动力学原理;然后,设计了农业机器人运动控制系统,引入BP神经网络对不确定动力学因素进行判断,并提出解决该因素的自适应学习法;最后,对该系统运用Mat Lab进行了仿真。试验表明:以BP神经网络与计算力矩法结合的自动控制器可以有效优化机器人运动路径,提高机器人整体作业效率,系统运行稳定、可靠性强,且对外部环境的干扰因素具有较强的自适应学习能力。     

农业机器人切削过程仿真分析——基于计算机辅助设计

利用6自由度机器人切削加工平台,讨论了该机器人与计算机辅助设计工具的数据链结构,研究了其运动控制过程,并对设计结果进行有效优化。通过介绍切削加工控制系统整体结构,构建了机器人运动学模型,并根据计算机辅助设计工具,对机器人后续优化过程的坐标转换、各关节正逆运动学计算以及机器人运动控制程序生成过程进行了深入研究。同时,对系统进行了ADAMS软件仿真,并完成了3D样件的加工。试验结果表明:该系统可以自动生成机器人运动控制程序的加工指令,直接驱动机器人末端执行刀具的运动,实现零部件的加工生产,可行性高。     

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。     

温室机器人道路识别与路径导航研究——基于红外测距

针对温室内移动机器人的应用需求,提出了一种基于红外线测距的温室机器人自主导航算法,并使用模糊算法对导航误差进行控制,实现了温室机器人的精确自主移动功能。温室机器人导航过程中,当红外线接收管接受到红外线信号时,会产生一个光强电流,电流放大后可以输出一个模拟电压;根据电压值,通过编程计算,利用电压和距离的对应关系,可以得到机器人和标志物的距离误差;距离信息通过串口传输到PC机上,PC机利用模糊控制原理对距离误差进行判断,发出控制指令。实验测试发现:机器人导航的距离偏差平均值为-1.28cm,均方差为2.68,超调较小,可以实现较为精确的导航。