基于最优轨迹跟踪的地下铲运机无人驾驶技术

结合地下巷道的特殊应用环境,提出了一种基于最优轨迹跟踪的铲运机无人驾驶技术。铲运机在无人驾驶时,通过车载传感器实时获取其实际的行驶轨迹相对于最优路径轨迹的偏差信息,包括横向位置偏差和航向角偏差,将偏差信息进行充分融合后,通过实时控制并调整铲运机前后铰接角的大小实现位置和航向角偏差不断趋向于零,以达到较好的跟踪最优路径轨迹目的。结合实际应用对算法进行了仿真测试,在模拟巷道环境下,利用2 m3铲运机验证了该无人驾驶技术,模拟实际环境下的实验结果证明,基于最优轨迹跟踪的方法可实现铲运机的无人驾驶。     

基于RBF网络的果蔬采摘机器人运动轨迹控制研究

为了提高果蔬采摘机器人机械手运动的精确性,提高机器人移动的效率,提出了一种基于遗传算法和RBF网络的机器人运动轨迹控制方法,并对果蔬机器人机械手的活动和整体的移动轨迹进行优化,有效地提高了果蔬采摘机器人的工作精度和作业效率。为了验证设计的采摘机器人的可靠性,在大棚内对机器人的采摘性能进行了测试,包括机器人移动路径规划和机械手路径规划。通过测试发现:使用RBF神经网络算法可以有效地控制机械手在三维空间内的运动;在遗传算法控制下,机器人可以通过较少的计算次数利用神经网络算法搜索得到最优路径,计算精度达到了99%以上。其计算精度及效率高,为高效果蔬采摘机器人的设计提供了较有价值的参考。     

取料机械手结构设计以及操作设计

本设备主要于油压机配合使用,用于从油压机内部取出加工完成的工件。为与油压机的动作配合,建立了与油压机的信号通讯,本设备主要由横行运动单元、上下行运动单元、吸盘组件及机架等组成。自动完成取件的全部过程,以压缩空气作为气缸动力的动力源,由气动电磁换向阀控制,结构简单,工作可靠,是一个自动化程度很高的设备,适用于现代自动化生产的要求。     

曲柄摇杆式分插机构的轨迹规划和运动仿真

根据曲柄摇杆式分插机构的结构特点,运用ADAMS软件,建立了乘坐式插秧机、步行式插秧机的虚拟样机模型。同时,进行了运动仿真分析,比较了两种插秧机插杆末端轨迹曲线的利弊。仿真得出了模型的末端轨迹以及插杆末端的位移、速度和加速度,为后续曲柄摇杆式分插机构的设计和制造提供了依据。     

半自动烟苗栽植器的结构设计与试验验证

烟苗栽植器是烟草移栽机的核心机构,该机栽植器设计应用偏置双圆盘四连杆旋转工作原理,适合于栽植钵苗和漂浮苗。分析烟苗移栽时的运动情况知特征系数λ>1是栽植器设计及保证移栽质量的基本依据和正常工作的必要条件,同时通过在不同栽植速度和深度情况下的正交试验确定了栽植器各设计参数的具体值,从而建立鸭嘴运动轨迹的数学模型。     

褐飞虱迁飞轨迹研究

借鉴现代统计－天气理论中的大气传输与扩散模型，对褐飞虱秋季回迁的轨迹进行模拟，计算了回迁昆虫在高空１０００ｍ和１５００ｍ的迁飞轨迹，通过对比分析，发现两高度的轨迹在迁飞方向、迁飞速度和迁飞距离上存在着较大的差异；通过对迁飞风场和迁温度场的分析，进一步证实了１０００ｍ高度的迁飞轨迹模拟能够更直接、更准确地反映出昆虫迁飞的实际情况，同时对导致１０００ｍ和１５００ｍ两高度轨迹差异的环流进行了归类，定性地     

海捕回迁稻纵卷叶螟轨迹分析

利用空气粒子扩散微机模型,对1979、1980年9、10月份上海到大连航海海捕稻纵卷叶螟的回迁途径和虫源地进行模拟分析。初步明确了两年89次捕蛾中的73次虫源地。虫源主要分布于28～42°N,117～128°E 的中朝两国的沿海稻区,深入内陆或远东日本的较少。秋季回迁稻纵卷叶螟的迁飞时间变异较大:在24小时内迁来的占45.21%,经24～48小时,48～72小时迁来的蛾子分别占28.77%和24.66%,只有1.37%的虫源需72小时以上才能完成到达海捕区域的迁飞。     

尾叶桉实生种子园遗传分析与育种值的估算Ⅰ.逆向选择方式建立种子园

对3年生尾叶桉实生种子园建园家系的生长性状、干形和枝冠形质性状及开花结实率的遗传分析表明:随林龄的递增,生长性状、干形和枝冠形质性状的遗传力在种源、家系和单株三层次逐渐变小并有稳定的趋势,且种源遗传力>家系遗传力>单株遗传力。利用BLUP方法估算家系和家系内个体育种值,并对建园家系、个体进行筛选,为种子园的遗传间伐提供依据。经遗传分析表明:尾叶桉SSObs种子园的遗传遵循加性 显性基因型遗传模式。从2个对照良种与建园家系的比较结果看,在SSObs种子园中,材积生长量大于CK1、CK2的优系有38个和39个,分别占建园家系总数的84.4%和86.7%;干形指标大于CK1、CK2的优系有30个和35个,占建园家系总数的66.7%和77.8%,表明建园的绝大多数家系其遗传品质是理想的。     

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。     

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。