基于接触状态感知的羊胴体后腿自适应分割控制方法

针对羊胴体后腿骨肉边界未知、尺寸多变和可见性约束限制造成的机器人自主分割精确度低与易受阻卡住的问题,提出一种羊胴体后腿自适应分割控制方法,并开展羊胴体后腿分割试验进行验证。该方法以接触状态感知为核心,有效提取接触类型特征、接触异常度特征和接触方向特征,通过构建深度时空神经网络识别接触类型,构建深度自编码网络估计接触异常度,采用主成分分析方法检测主要接触方向,实现接触状态多模态感知,机器人通过动态运动基元模仿学习人类操作技能,并结合接触状态感知信息实现关节运动的自适应调节。试验结果表明：深度时空网络模型在羊胴体后腿分割验证集上的识别准确率为98.44%;深度自编码网络模型能够较好地估计验证集样本的接触异常度,区分不同的接触状态。机器人基于自适应分割控制方法开展实际分割试验,与对照组相比,最大分割力下降幅度为29 N,最大力矩下降幅度为7 N·m,证明该方法的有效性;平均最大残留肉厚度为3.6 mm,平均分割残留率为4.9%,分割残留率与羊胴体质量呈现负相关,证明该方法具有良好的泛化性和准确性,并且整体分割效果较好,满足羊胴体后腿分割要求。     

基于R2U-Net和空洞卷积的羊后腿分割目标肌肉区识别

针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题,以羊后腿自动去骨分割工序为研究对象,提出一种基于R2U-Net和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的U-Net语义分割网络进行改进,以U-Net为骨架网络,采用残差循环卷积块替换原始U-Net的特征编码模块和解码模块中的卷积块以避免U-Net的梯度消失,在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码,实现缝匠肌图像分割模型的构建。一方面,针对缝匠肌这一核心目标肌肉区,采集羊后腿图像构建数据集训练与测试本文模型,以验证该方法的准确性与实时性;另一方面,通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径,并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动,验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明：当交并比为0.8588时,本文方法平均精确度为0.9820,优于R2U-Net的(0.8324,0.9775);单样本检测时间平均为82ms,说明本文方法可快速、准确分割出缝匠肌图像,满足机器人自主分割系统的实时性要求,优于U-Net、R2U-Net、AttU-Net算法。最后,在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验,机器人对5条羊后腿的平均切削时间为7.9s,平均偏移距离为4.36mm,最大偏移距离不大于5.9mm,满足羊后腿去骨分割的精度要求。     

基于田间实测载荷的拖拉机转向驱动桥壳疲劳寿命分析

针对拖拉机作业过程中承载幅值大、随机非对称的特点,综合考虑应力集中、尺寸效应、表面质量和载荷特性等因素对疲劳寿命的影响,从相对应力梯度、疲劳损伤区域和实测载荷应力比3方面对传统应力场强法进行优化,获取修正S-NV曲线,结合拖拉机田间作业的实测载荷数据,分析某88 kW拖拉机转向驱动桥壳的疲劳寿命,并与传统应力场强法的预...     

基于GAF-DenseNet的旋耕作业质量等级识别模型

为实现基于拖拉机多传感器实测载荷数据的旋耕作业质量准确识别,提出一种基于GAF-DenseNet的拖拉机旋耕作业质量等级识别模型,设计旋耕作业质量等级分级标准,开展旋耕作业田间试验,并进行模型准确性验证和性能分析。该模型通过格拉姆角场（Gramian angular field, GAF）算法,在保留原始载荷序列的时间依赖性的前提下,对时间序列数据进行唯一编码。DenseNet网络对图像阵列中内含的载荷信息进行深层挖掘,通过特征重用、模型压缩等技术环节,在保证特征提取深度的同时,显著提升该网络的运算效率。分析结果表明：过大或过小的重采样滑动窗口大小均会降低模型性能,且格拉姆角差场（Gramian angular difference field, GADF）实验效果强于格拉姆角和场（Gramian angular summation field, GASF）,实验数据显示在重采样滑动窗口大小为250且选用格拉姆角差场的条件下,模型性能达到最优。增长率k与模型整体性能呈正相关的趋势,但过大的k值会降低模型的实时性能且对于准确性提升有限,实验场景下将增长率k设为24更能符合实际需求。GAF-DenseNet模型准确率和F1值分别达到96.816%和96.136%,并且在实时性能上具有良好表现,推理时长可低至16s。在与其他智能算法对比分析中,该模型整体性能均优于对照组实验结果。     

拖拉机传动系轴类零部件耐久性台架试验程序载荷谱研究

基于传统拖拉机作业工况复杂、轴类零部件受多重载荷耦合作用易损坏以及配套耐久性台架试验操作复杂、费用昂贵、试验时间长等问题,提出了一种能模拟实际循环工况、简化加速传动系轴类零部件耐久性试验的程序载荷谱编制方法.针对拖拉机田间犁耕作业工况,建立了动态扭矩测试系统,可抵抗土壤-机器-植物系统多重相互载荷干扰,准确获取传动系传...     

联合收获机轻量级数字孪生系统构建方法研究

针对现有农机装备数字孪生系统开发难度大、配置要求高以及资源占用过高的问题,提出基于轻量级网络的联合收获机数字孪生系统构建方法,包含物理、虚拟、数据交互、模型计算以及人机交互等多个子系统的实现方法。基于数字孪生的技术特点和联合收获机的作业特性,设计了一种基于JavaScript语言的轻量级数字孪生系统框架。通过采用Solidworks和CMdevelopment kit工具进行数字孪生系统的模型轻量化处理及坐标系整合,实现了在不影响模型精度和功能的前提下,显著降低系统对硬件要求和内存占用量。以雷沃GM100型联合收获机为对象,开发基于轻量级网络的联合收获机数字孪生系统,为联合收获机孪生系统性能分析、实时监控、瞬时计算以及远程操纵提供联合仿真、分析以及验证平台。为验证数字孪生系统性能和功能,开展了孪生系统性能测试及油耗预测实验。实验结果表明,在数据更新频率20Hz下,响应时间在78ms以内,内存占用量在331MB以内;性能测试中,系统在运行状态下CPU和GPU的平均占用率分别为17%和30%;即使在高强度操作下,系统帧率仍可保持在75.6f/s;在正常作业下油耗预测模型平均误差为0.34L/h,平均相对误差仅为2.51%。本系统提供了一种低成本、高效率的数字孪生轻量化构建方案。     

基于实测载荷的蔬菜田间动力机械车架结构优化

蔬菜田间动力机械作为一种新型机器,可以实现不同的收获前机械化作业,车架在田间作业时受到各种载荷作用,会伴随有动载荷影响,有必要对车架进行强度研究与优化设计。研究了其车架基于田间实测应变数据的多目标拓扑优化设计方法。利用HyperWorks软件对该车架进行有限元分析,得到了静应力分析条件下的应力分布,并确定车架的疲劳损伤热点;在数据分析基础上,粘贴应变片,组建动态应变测试系统,采集蔬菜田间动力机械典型作业工况下的载荷时间历程;对实测的应变时间历程数据进行预处理,分析车架在相应工况下的受力情况;利用nCode软件编制载荷谱,进行车架的疲劳分析与寿命预测,以此为基础提出了拓扑优化,构建了综合多种工况、以车架应变能和动态低阶固有频率为响应的多目标拓扑优化数学模型,进行轻量化设计。试验结果表明,车架的交叉焊缝处的疲劳寿命为7.5×104h,为15个测点中最短疲劳寿命,满足使用寿命要求,车架整体结构强度设计过剩。优化后的车架质量减小443.55kg,减轻了53.47%。     

基于电驱动系统的农业车辆牵引负荷车设计与试验

针对传统农业车辆牵引负荷车机械结构复杂、存在加载死区导致无法实现全范围加载,采集系统功能单一无法实时评估被试车辆牵引性能的问题,设计了一种基于电驱动系统的农业车辆牵引负荷车。负荷车以最大加载牵引力150 kN为设计目标,结合对驱动轮的受力分析,完成了其整机关键部件的选型设计,采用集成发动机-电动桥的电驱动系统为核心单元,使用转向牵引架实现前桥平台的自动跟随转向。在LabVIEW RIO架构基础上,通过FPGA搭建高算力、高性能的测控系统,实现对电驱动系统电流、电压、被试车辆牵引力、油耗等多种信息的采集、无线传输与存储,并使用模糊自适应PID控制算法对牵引力加载进行闭环控制。最后开展整机性能验证试验,负荷车实现了0～150 kN范围内的负荷加载,加载系统最大响应时间为3.6 s,最大超调量为1.61%,实际加载牵引力与目标牵引力最大误差为4.5%。整机性能验证试验表明,负荷车具备良好的牵引负荷加载性能,其测控系统可实现被试车辆牵引性能多参数的实时准确监测,能够完成对农业车辆牵引性能的全面评估。     

大田无人农场关键技术研究现状与展望

无人农场是智慧农业的一种表现形式,也是建设农业强国和实现农业现代化的重要探索。无人农场以数据、知识和智能装备为核心要素,将现代信息技术与农业深度融合,实现农业全过程生产所需的信息感知、定量决策、智能控制、精准投入及个性化服务一体化。本文系统地阐述了大田无人农场的概念与总体技术架构,讨论了信息感知与智能决策、精准作业系统与装备、自动驾驶、无人化农机装备以及无人农场管控平台等五项大田无人农场的关键技术与装备,深入分析了发展中国大田无人农场亟待解决的关键科学与技术问题。以吉林省公主岭市玉米无人农场为例介绍了物联网、大数据、云计算以及人工智能等技术在玉米全程无人化生产中的具体应用及效果。最后,展望了无人农场在解决全球农业生产面临的“无人种田”等共性问题中发挥的重要作用,分析了中国发展无人农场存在的机遇和挑战,提出了中国发展无人农场的战略目标与思路。     

拖拉机作业工况参数检测系统研究

拖拉机田间作业工况参数实时、同步、适宜频率的采集对于可靠性分析与优化具有重要意义。本文设计了基于NI-C DAQ控制器的拖拉机作业工况参数检测系统,对所需传感器进行了选型、设计及安装,并结合LabVIEW平台开发了检测软件和远程监控平台。该系统由传感器、数据采集控制器和数据采集监测平台组成,可实现对发动机、车轮/桥、悬挂系统和机具等多种机构的参数测取。此外,该系统可通过便携式触摸屏远程控制和实时监测。为了验证检测系统的准确性和稳定性,开展了信号误差测试和典型参数田间试验。信号误差测试结果表明,各类信号的采集误差、丢包率以及初始误差均能满足参数检测系统的要求。在田间测试中,拖拉机车轮速度和实际速度测量值的最大相对误差为3.1%;悬挂系统水平牵引力的计算值与测量值的最大相对误差为4.5%;根据测取的车轮加速度,辨识田间作业地面类型的准确率为96%;根据悬挂位置拟合耕作深度的决定系数R2为0.99156。最后,开展了检测系统田间作业24h连续运行试验,该系统能始终保持运行稳定与数据准确。开发的拖拉机作业工况信息检测系统相比于同类系统,采集的参数更多,操作更为方便,可为可靠性分析与优化提供有效的数据测取依据。