调整犬只姿态的秘密武器——碎石地面

在很多品种的标；隹中，都会有对犬只四肢姿态的描述，尤其是一些体形较大的工作犬，它们的结构和姿态受后天培养管理的影响非常大。     

小麦穗发芽试验中穗姿态及灭菌剂的选择

小麦穗发芽是世界性的灾害,高效的穗发芽抗性鉴定方法是穗发芽抗源选择及抗穗发芽育种中有效选择的关键。穗发芽抗性鉴定受到多种环境条件的影响,其中发芽试验中穗的摆放姿态和灭菌剂的选择对鉴定结果影响较大。通过比较小麦发芽试验过程中穗摆放姿态和不同的灭菌剂对穗发芽试验结果的影响,以期筛选出适合黑龙江省生态条件的小麦穗发芽鉴定方法。     

虾塘差速无人投饲船巡边算法设计与仿真分析

为提升虾塘巡边投饲作业的效率和可靠性,以差速无人投饲船为研究对象,提出了基于变积分PID姿态控制和边距区间搜索控制动态切换的控制算法.该控制算法在建立差速无人投饲船运动模型和姿态反馈模型的基础上,追踪无人船巡边过程的距离信息和角度信息以保持投饲船巡边的正确姿态.同时,考虑无人船控制的非线性特征,设计了边距区间搜索控制算...     

四轴飞行器姿态解算算法设计与仿真

为设计具备稳定姿态控制的四轴飞行器,对四轴飞行器飞行姿态表示、数学模型、姿态解算算法进行了研究。硬件上采用STM32作为主控芯片,以加速度计、陀螺仪为主体的惯性测量模块作为姿态测量传感器,测量出当前飞机的三轴加速度与三轴角速度并传送给主控芯片进行四元数姿态解算,求解出当前姿态角;软件上对传感器数据进行融合,运用MATLAB工具获取实时姿态,实现对姿态的辨识和控制。实验表明,四元数姿态解算算法对飞行器具有良好的控制效果,能快速精准响应飞行状态,满足飞行器执行特殊任务需要。     

基于视觉测量的挖掘机工作装置姿态测量系统

提出了一种基于视觉测量的挖掘机工作装置姿态测量方法。使用工业相机获取工作装置侧视图像,采用鞍点检测方法快速捕捉工作臂上的人工靶标;将靶标间的固定几何尺寸关系作为约束条件筛选出靶标中的鞍点并计算相应工作臂的姿态角;通过预判靶标的运动范围以缩小图像检测区域,提高算法处理速度。试验表明,与挖掘机上原有的拉线传感器测量系统相比较,动臂和斗杆姿态角动态测量偏差分别小于1°和2°,处理每帧工作装置运动图像平均用时在100 ms以内,验证了该方法对挖掘机工作装置姿态测量的可行性。     

玉米定向精播种粒品质动态检测方法研究 —基于计算机姿态识别

首先介绍了基于视觉的目标对象检测算法,然后介绍了计算机姿态识别与传感器检测技术,并确定了玉米定向精播种粒品质动态检测方法,进行了实际的测试试验。测试结果表明:基于计算机姿态识别的玉米定向精播种粒品质动态检测准确率在95%以上,精准度较高,符合设计需求,能够实现对玉米定向的精准播种,对玉米种粒的无人化播种具有重要的现实意义。     

八轮四摆臂无人机动平台越障性能分析与试验

针对南方山区丘陵地带地形复杂、传统农田运输车辆通过性不足的问题,提出并设计了一种具有仿生液压驱动摆臂机构的八轮无人机动平台,其车体姿态可通过四摆臂协同动作进行调节,以适应不同形式地面障碍。越障性能是制约平台通过性的根本因素,建立了无人平台姿态规划模型和关键越障过程动力学模型,得到无人平台在典型垂直障碍的越障性能。为验证理论分析,在ADAMS建立了二次开发仿真平台,并进行了样机动力性试验。研究表明,八轮四摆臂无人机动平台可攀爬高度为轮胎直径1. 13倍的垂直障碍,具有良好的复杂地面环境通过能力,可满足丘陵地带农用运输车辆在复杂农田地形的行走需求。     

丘陵山地拖拉机电液悬挂仿形控制系统研究

针对丘陵山地拖拉机作业地形复杂,传统电液悬挂控制系统地形适应性差的问题,设计了一套横向姿态可调的丘陵山地拖拉机电液悬挂仿形控制系统。根据丘陵山地拖拉机仿形控制作业需求,在传统悬挂结构基础上加装一个液压驱动旋转装置,设计了一种仿形悬挂机构,基于液压多点动力输出技术设计了带有负载反馈的闭心式液压控制系统,并提出了一种基于带死区的经典PID算法的控制方法。通过对阀控非对称液压缸工作原理的分析,建立了其数学模型并推导出仿形控制系统的传递函数,运用Matlab/Simulink建立了电液悬挂仿形控制系统的动力学模型并进行了仿真分析,仿真结果表明,系统在0°~11°阶跃信号的作用下,调整时间约为0.4s,几乎无超调,系统稳定后农机具横向倾角约为11.1°,稳态误差约为0.1°,仿真结果验证了该控制算法的有效性。通过对传统拖拉机的液压悬挂装置进行改装,将原来的手柄操纵式液压悬挂装置改装成带有虚拟终端的电液悬挂控制系统,搭建了仿形控制试验台并进行了室内台架试验,试验结果表明,系统调整时间约为2.2s,几乎无超调,系统稳定后农机具横向倾角约为11.2°,稳态误差约为0.2°,在系统允许误差（0.5°）范围内,试验结果验证了所设计的丘陵山地拖拉机电液悬挂仿形控制系统调节的快速性与稳定性,满足拖拉机等高线坡地作业需求。     

基于改进YOLOv7的苹果生长状态及姿态识别

针对目前苹果在复杂环境下难以进行生长状态分类识别、姿态信息同步获取等问题,该研究提出了一种基于改进YOLOv7的苹果生长状态分类和果实姿态融合识别方法。首先改进多尺度特征融合网络,在骨干网络中增加160×160的特征尺度层,用于增强模型对微小局部特征的识别敏感度;其次引入注意力机制CBAM(convolutional block attention module),改善网络对输入图片的感兴趣目标区域的关注度;最后采用Soft-NMS算法,能够有效避免高密度重叠目标被一次抑制从而发生漏检现象。此外,结合UNet分割网络和最小外接圆及矩形特征获取未遮挡苹果姿态。试验结果表明,改进YOLOv7的识别精确率、召回率和平均识别精度分别为86.9%、80.5%和87.1%,相比原始YOLOv7模型分别提高了4.2、2.2和3.7个百分点,另外苹果姿态检测方法的准确率为94%。该文模型能够实现苹果生长状态分类及果实姿态识别,可为末端执行器提供了抓取方向,以期为苹果无损高效的采摘奠定基础。     

基于粒子滤波的苹果采摘机器人目标姿态估算

针对苹果采摘机器人中果实姿态信息缺失造成果实损伤及采摘失败等问题,根据苹果尾部花萼遗迹区域是否可见分析了果实姿态信息机器视觉测量方法,研究了果实姿态信息的粒子滤波估计。将单目摄像机固定在机器人末端手爪上,在手爪趋近果实的采摘过程中,随机采集多帧果实图像。对每帧图像运用惯性主轴或重心点偏移两种方法计算果实在机器人坐标系下的姿态向量值,并通过粒子滤波融合来得到果实姿态信息的最优估计。实验结果表明,粒子滤波方法可以有效地融合多帧图像的苹果姿态信息,能够减小因依靠单帧图像直接测量而产生的误差。