欧美国产伦久久久久久久

<acronym id="cqmsy"></acronym>
<acronym id="cqmsy"><center id="cqmsy"></center></acronym>

24小時論文定制熱線

咨詢電話

熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
您當前的位置:論文定制 > 畢業設計論文 >
快速導航
畢業論文定制
關于我們
我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
代做畢業設計
常見問題

一種四自由度采摘機械手的結構設計

添加時間:2020/07/21 來源:江蘇科技大學 作者:謝豐
文中針對上述采摘機械手結構,運用末端關節分離法,確立了機械手的采摘位姿,并選擇擺線運動方程作為機械手關節軌跡規劃曲線。
以下為本篇論文正文:

摘 要

  隨著農業現代化建設的不斷推進,果實收獲已成為農業工程中非常重要的一環。

  蘋果作為民眾生活中普遍需求的水果,其采摘的自動化程度顯得尤為重要,故現已有大量的機器人被用于蘋果采摘。但是目前蘋果采摘機器人的采摘效率仍然還存在著一定的提升空間,這與其結構和運動規劃方式密切相關。為此,文中針對蘋果的生長環境,設計了一種四自由度采摘機械手結構,并對其進行采摘運動規劃的研究。

  首先,文中進行移動采摘機械手平臺的軟硬件設計。在硬件平臺上,設計了移動底盤和機械臂,對采摘機械手視覺系統和主控系統的相應硬件進行選型,同時對車輪和關節的電機及其對應驅動器進行選型。在軟件系統上,采用 Lab 顏色模型和霍夫梯度法進行目標的識別以及定位,運用 PID 算法結合光電編碼器來實現伺服電機的速度閉環,并且編寫了相應程序并測試,驗證了上述方法的有效性。

  其次,為了實現機械手的采摘,文中針對上述采摘機械手結構,運用末端關節分離法,確立了機械手的采摘位姿,并選擇擺線運動方程作為機械手關節軌跡規劃曲線。

  再結合采摘姿態和關節運動學約束,推導了以采摘運行時間最短為目標的機械手最優運動規劃數學模型。

  然后,為了提高上述運動規劃模型的求解性能,文中提出一種基于精英集聚效應的小世界優化算法。該算法在長連接中加入分級個體吸引策略,并根據節點優化效果對短連接中搜索次數及鄰域大小進行自適應調整。通過對其進行收斂性分析和數值測試,驗證了該算法的先進性。又通過采摘仿真測試,驗證了該算法對此運動規劃模型的優化效果。

  最后,為了測試整個采摘機械手系統的有效性和穩定性,文中進行了采摘機械手平臺樣機實物實驗。對蘋果位于較高處、中遠處、較低處三種情況進行采摘和運動規劃實驗,并將所提出的算法與禁忌遺傳算法、基本小世界算法進行比較。實驗結果表明,此采摘機械手模型、運動規劃方式和算法均可靠和穩定。

  關鍵詞:蘋果采摘;機械手;精英集聚效應;小世界現象;運動規劃

四自由度采摘機械手

Abstract

  With the continuous advancement of agricultural modernization, fruit harvest has become a very important part of agricultural engineering. As a fruit that is commonly needed in people's lives, the degree of automation of picking is particularly important, so a large number of robots have been used for apple picking. However, there is still room for improvement in the picking efficiency of apple picking robots, which is closely related to its structure and motion planning. To this end, in this paper, a four-degree-of-freedom picking manipulator structure was designed for the growth environment of apple, and the research on picking motion planning was carried out.

  First of all, the software and hardware design of the mobile picking robot platform is carried out. On the hardware platform, the mobile chassis and the mechanical arm are designed to select the corresponding hardware of the picking robot vision system and the main control system, and the wheels and joint motors and their corresponding drives are selected. On the software system, the Lab color model and the Hough gradient method are used to identify and locate the target. The PID algorithm is combined with the photoelectric encoder to realize the speed closure of the servo motor. The corresponding program is programmed and tested to verify the effectiveness of the above method.

  Secondly, in order to realize the picking of the manipulator, the picking manipulator structure is used in the paper, and the end joint separation method is used to establish the picking posture of the manipulator, and the cycloidal motion equation is selected as the manipulator joint trajectory planning curve. Combined with the picking posture and joint kinematics constraints, the mathematical model of the optimal motion planning of the manipulator with the shortest picking time is proposed.

  Then, in order to improve the performance of the above motion planning model, a small world optimization algorithm based on elite agglomeration effect is proposed. The algorithm adds a hierarchical inpidual attraction strategy to the long connection, and adaptively adjusts the number of searches and the size of the neighborhood in the short connection according to the node optimization effect. The convergence of the algorithm and numerical tests are carried out to verify the advancement of the algorithm. The simulation experiment is carried out to verify the optimization effect of the algorithm on the motion planning model.

  Finally, in order to test the effectiveness and stability of the whole picking robot system, the physical experiment of the picking robot platform prototype was carried out. The picking and motion planning experiments were carried out on the apples at the higher, middle and lower elevations, and the proposed algorithm was compared with the tabu genetic algorithm and simple small world algorithm. The experimental results show that the picking manipulator model, motion planning method and algorithm are reliable and stable.

  Keywords apple picking; robot; small world phenomena; elite gathering effect; motion planning

目 錄
 

   第1章 緒論

  1.1 引言

  本章主要講述此課題的研究背景、發展現狀、所涉及的技術趨勢以及本課題的研究內容。文中首先闡述蘋果采摘機械手的研究意義和發展現狀,然后對目前采摘機械手研究的三大技術熱點方向進行簡要的介紹,最后針對上述技術熱點所面臨的一些難點,提出改進策略,并規劃此課題的研究內容。

  1.2 課題背景及意義

  隨著農業現代化進程的不斷推進,以及機器人技術[1]的不斷發展,在農業上,許多以前需要人工作業的任務現在都在被機器所逐漸取代,果實采摘[2]就是其中之一。

  但是相比于其他環節,果實采摘在農業生產中較為復雜并且自動化程度較低[3].不過現在,許多農場都開始采用機器人進行相關的果實采摘,這類機器人稱為采摘機器人[4-5].

  果實采摘機器人根據預先設定好的任務指令,便可以自主移動識別目標[6],然后規劃采摘軌跡[7],操控機械手完成采摘[8],隨后移動到下一個目標,如此往復。雖然相對于人工采摘,機器人采摘靈巧度相對不足,短時間內采摘速度也不夠快,但是不同于人工采集可能會出現工作人員長時間工作后體力不足以及出現情緒化而影響采摘效率。機器人可以保持這種穩定狀態一直工作,在這點上人工采摘無法做到。尤其是在果實采摘的時節,大量的機器人幫助采摘果實的話可以顯著提高果實采摘效率,而且還能提高經濟收益。盡管現在果實采摘機器人由于經濟成本和技術成熟度不夠還未大規模應用于市場,但是在未來,這種人力成本、作業穩定且效率高的設備定會得到廣泛的應用。

  蘋果作為大眾需求量較多的果實,其采摘自動化程度對人們的生活有著重要的影響。目前,已有許多果園采用機器人進行蘋果的采摘,并且采摘效果較為良好,可以應付大規模的蘋果采摘任務。正是由于蘋果采摘機器人需求量大,且面對不同的采摘環境需要機器人的種類也不同,故對蘋果采摘機器人的研究一直是許多學者和工程師所關注的的問題,其具有很高的應用價值。

  本課題獲得國家重點研發計劃"智能農機裝備"重點專項(課題編號:2016YFD0700903)的支持。

  1.3 采摘機械手研究現狀

  采摘機器人在國外的研究歷史已經研究超過了 50 年[9].在此之間國外的學者和公司設計出了許多采摘機器人原型。1996 年,荷蘭農業環境工程研究所研制了一種在溫室中進行的多功能黃瓜收獲機器人[10],其自動化程度較高,無需人工干預就能在溫室工作。日本曾研制了番茄采摘機器人[11],此機器人最大的特點是其通過雙目視覺識別并定位果實,并且可以對遮擋的果實進行識別和定位。西班牙工業自動化研究所開發了一款柑橘采摘機器人[12],其提供了一種人機協作的概念,這也對以后機器人系統設計開辟了一種新的思路。

  對于蘋果采摘機器人,國外也已經進行了比較詳盡的研究。有針對蘋果采摘的結構做研究[13],優化了其工作空間,可以在所需條件下在定位其工作空間內超過 90%的果實。有針對多個蘋果采摘進行了基于視覺的任務規劃的研究[14],其可以規劃在較短的時間完成多個果實采摘的方式,同樣也取得了較好的效果。

  國內采摘機器人研究雖然起步較晚[15],但是也已經取得相當大的進展。在蘋果采摘機器人方面,趙德安[16]等對蘋果采摘機器人做了充分的研究,設計了一種具有五自由度機械手本體和升降兩自由度移動平臺兩部分的采摘機器人。孫賢剛等[17]設計了一種基于視覺的蘋果采摘機器人系統,其對機器人的軟硬件進行了系統地設計并特別針對蘋果的識別和定位技術作了深入的研究。

  1.4 蘋果采摘機器人研究趨勢

  蘋果采摘機器人發展至今,技術已相對成熟。但是仍有一些問題等待科研人員和工程師們去解決。這其中就包括更加先進的機械手結構、更加高效的采摘方式和更加精確的目標檢測方法。而這些問題主要集中在結構設計、運動規劃以及機器視覺這三大研究方向上。

  1.4.1 結構設計

  蘋果采摘機器人的結構一般分為機械臂、末端夾持機構和移動底盤三部分。下圖即為一般蘋果采摘機器人示例[18],除去圖中的電氣元件,其機械結構即為上述三部分,無論是研究所設計的還是農場所應用的大都為這種結構。

  首先,機械臂是采摘機器人中最為主要也是最為復雜的結構部分。一般采摘機器人采用的是垂直關節串聯機械手臂。這種手臂結構模擬了人類的手臂功能,由垂直于地面的腰部旋轉軸帶動小臂旋轉的肘部旋轉軸以及小臂前端的手腕等構成。其優點是可以自由地實現三維空間的各種姿勢,可以生成各種復雜形狀的軌跡,適合蘋果采摘這種要求機械手末端有較大范圍的移動的情況。串聯機械臂的關節數決定了其自由度,一般在笛卡爾空間機械手末端最多具備六個自由度,分別代表工作空間中即沿三個方向平移和繞三個方向旋轉。但是目前在許多果實采摘環境中無需用到六個自由度,這樣不僅會增加機械手的制造成本,同時連同機械手驅動系統的制造成本同樣也會提高。

  故許多蘋果采摘機器人采用了 4 自由度[19]或者 5 自由度[20]機械臂結構,其可以在完成采摘的同時一定程度上節約成本。

  其次采摘機器人的末端結構也是相當重要,其決定蘋果是否可以被成功采摘下來。

  在蘋果采摘機械手末端執行器設計上,一般選用夾持[21]的結構,對于蘋果采摘來說,夾持機構結構緊湊,通用性強,且對蘋果形變敏感,這些特性可以較好地保證末端在抓住蘋果的同時避免破壞果實。

  另外由于蘋果采摘環境的地面一般為泥地,行走條件較為惡劣,故移動采摘機械手底盤基本為雙履帶輪結構[22].履帶輪結構將底盤一邊的所有車輪用履帶連接起來,提高底盤與地面的接觸面積,從而在一些有坡度的采摘環境下亦可以實現較為自由的移動。但是這種履帶輪行走機構,依然是采用兩輪差速運動模型,其轉彎半徑較大,運動方向調整能力較差,在一些空間較為狹小的蘋果采摘環境中就顯得力不從心。

  1.4.2 運動規劃

  對于機械手各個關節的運動規劃[23]一直是機器人技術的一個重點,蘋果采摘機器人也不例外。對于串聯機械臂運動來說通常都是已知目標位姿反求運動軌跡,故所要求的都是運動學逆解。而機械臂末端運動軌跡和各個關節角相關,所以求得逆解也就是機械手各個關節角的增量。因為機械臂運動學逆解方程組是非線性的,故逆解的計算量很大,而且冗余解較多,有時可能還會出現無解的情況,既要保證機械手運動總時間最短,又要盡量讓機械手運動總能量消耗最少,所以在這些性能指標下如何確定最優逆解[24]一直是機械手軌跡規劃的一個難點。而且由于機械手自身特性,在運動過程中必須要平穩。所以在進行機械手運動的過程中,還需要對機械手各個關節角的位移、速度、加速度做規劃,保證機械手末端能平穩準確的到達目標。這一系列的運動軌跡優化,都是現在機器人研究者所重點關注的。

  針對機械手逆解計算困難,很多學者進行了研究,其中較為經典的要數多項式插值法[25].它根據插值多項式的極小點逼近尋求函數的極小點,運用近似的方法重復進行迭代計算,直到得出滿足事先給出的精度要求的解為止。這種數值解法雖然相較于解析解沒那么精確,但是建立數學模型簡單,計算量也相對較小,契合一般的蘋果采摘機械臂運動方式。目前采摘機械手運動規劃大多數采用的是三次多項式插值[26],初始機械臂初始位置關節角度、角速度和終止位置關節角度、角速度作為插值多項式的四個系數來確定這個三次多項式,然后通過建立關于速度加速度微分方程便可以求出關節角的位移、速度和加速度。而在一些采摘情況較為復雜,要求較為嚴格的情況下,可能機械手在路徑點的速度不再一直為零。故需要推廣插值多項式為任意約束速度的模型,將機械手各個關節初始和終止角加速也添加到多項式系數,從而變成五階插值多項式[27].

  但是,通過傳統的多項式插值方式來應對機械手蘋果采摘這種較為復雜環境下的軌跡規劃性能依然較低,無法在高階動態的約束下求最優解。這時,群體智能算法開始在機械手軌跡規劃求解中流行起來。諸如遺傳算法、粒子群算法等都已經在機械手軌跡規劃上有成熟的應用,蘋果采摘機械手也不例外。陳天宏等[28]利用遺傳算法對蘋果采摘機器人運動到各個路徑點進行運動軌跡規劃,結果表明其運行總路徑較短、運動平滑。黃軼文[29]等將蟻群算法應用到蘋果采摘機械手運動規劃中,其在具備了路徑較短、運動平滑優點的同時,還具有很高的可靠性和穩定性。Bing 等[30]提出一種結合粒子群優化算法的采摘機械手運動規劃方式,其可以在不同規劃模式下減少關節角擾動,提高運動精度?梢钥闯,智能算法對機器人軌跡規劃具有通用性,而且可以實現組合最優解,故在機械手蘋果采摘運動規劃中應用這類算法非常合適。

  1.4.3 機器視覺

  隨著機器視覺[31]的不斷發展,不止工業上運用機器視覺進行目標的識別和定位,在水果采摘上也被廣泛地應用。機器視覺為非接觸式測量,由于其包含的信息量較大,并且對于非結構化的作業環境較為友好,故用機器視覺作為蘋果的識別和定位方式非常適合。

  王丹丹等[32]設計了一種蘋果采摘系統,其主要通過雙目立體視覺和圖像匹配進行果實的識別和定位,取得了較好的效果。但是不同于工業環境,蘋果采摘由于大都在室外,光線的強弱、背景顏色以環境遮擋等因素對蘋果的識別影響較大,故如何在自然環境中進行蘋果的準確識別和定位是學者們研究較多的地方。趙德安等[33]運用深度學習的方式對各種光照環境下的蘋果進行離線特征訓練,并建立知識庫,將其運用到蘋果實時采摘中,較為顯著地提升了視覺系統的蘋果識別能力。張賓等[34]運用高清相機進行圖像采集,然后運用激光測距法對蘋果進行定位,其研究結果表明在此視覺系統下蘋果識別的精度和抗干擾能力都得到了顯著的提升。

  另外,已有學者不僅將視覺用于蘋果的識別和定位,更將其添加到機械手運動閉環控制中,其稱為視覺伺服[35].機器人視覺伺服系統是機器視覺和機械臂運動控制相結合的閉環系統。先由圖像傳感器采集環境信息,然后經過圖像處理提取目標以及機械手末端等相關信息,再由控制器根據輸入信息規劃機械臂關節角運動參數,向電機驅動發出相關指令從而控制機械臂運動,這個過程中,圖像傳感器會不斷的向控制器發送實時的圖像特征信息,控制器也會根據此信息作為反饋實時調整關節角運動參數以控制機械手末端到達指定目標。這種運動伺服方式具有較強靈活性和實時性,將會是未來蘋果采摘機械手研究的熱點之一。

  1.5 論文章節內容安排

  為了能夠節約采摘機械手制造成本、減少計算復雜度以提高機械手的采摘效率。

  文中以蘋果采摘研究對象,設計了一種四自由度的機械手結構,然后對其進行硬件選型及加工制作,接著完成其圖像處理和電機控制系統的軟件設計;谶@種機械手結構,推導了一種以機械手采摘時間最短為目標的運動規劃模型,并提出一種基于精英集聚效應的小世界優化算法來求解此模型,以驗證其有效性。各章節的主要內容安排如下:第一章為的緒論部分,主要講述采摘機械手的研究背景和發展現狀,然后針對采摘機械手主要研究方向和關鍵技術重點,包括結構設計、運動規劃以及視覺伺服。

  第二章為采摘機械手綜合設計部分。分為機械手平臺設計和對應軟件設計。其中機械手平臺設計包括總體結構設計及加工、關節驅動電機和核心電子硬件選型以及最終平臺的總體裝配集成。軟件設計則包括采摘目標識別定位系統和電機控制系統。

  第三章為采摘機械手運動學分析及優化模型推導部分。首先用機械手運動學理論分析此四自由度機械手的運動方式和正逆解的獲取,然后進一步推導其在特定環境下采摘位姿的確立方式,最后結合擺線運動方程得出一種以運動時間最短為目標的采摘運動規劃模型。

  第四章為采摘機械手最優運動規劃求解部分。首先介紹群體智能優化小世界優化算法的原理,然后提出一種精英集聚效應的小世界優化算法,并對其應用 Markov 鏈進行收斂性證明。隨后進行算法的 TSP 數值性能測試實驗,并針對三種采摘位置進行采摘仿真測試。

  第五章為采摘機械手實驗部分。針對目標位于較低、中遠、較高三種位置情況分別進行仰摘、平摘、俯摘的實驗測試,以驗證該結構、運動規劃模型以及優化算法的有效性。

  第六章是文章的總結與展望部分。




  第 2 章 移動蘋果采摘機械手樣機設計與平臺搭建
  2.1 引言
  2.2 移動采摘機械手結構設計與制作
  2.2.1 整體結構設計
  2.2.2 伺服電機選型
  2.2.3 系統硬件選型
  2.2.4 樣機制作與裝配

  2.3 采摘機械手視覺檢測系統設計
  2.3.1 目標視覺識別與定位原理
  2.3.2 視覺處理程序設計和測試
  2.4 采摘機械手電機控制系統設計
  2.4.1 閉環電機控制原理
  2.4.2 伺服電機閉環控制程序設計和測試
  2.5 本章小結

  第 3 章 采摘機械手運動學及運動規劃模型
  3.1 引言
  3.2 采摘機械手空間運動學
  3.2.1 采摘機械手運動學正解
  3.2.2 采摘機械手運動學逆解
  3.2.3 采摘機械手運動學仿真測試

  3.3 采摘機械手關節空間軌跡規劃
  3.3.1 三次多項式插值
  3.3.2 兩端拋物線插值
  3.3.3 擺線運動
  3.3.4 關節軌跡規劃函數的對比與選取

  3.4 采摘機械手最優運動規劃模型
  3.4.1 確立采摘位姿
  3.4.2 關節運動學約束
  3.4.3 最優運動規劃模型
  3.5 本章小結

  第 4 章 采摘機械手最優運動規劃求解研究
  4.1 引言
  4.2 群體智能優化算法
  4.2.1 禁忌遺傳算法
  4.2.2 基本小世界優化算法

  4.3 基于精英集聚效應的小世界優化算法
  4.3.1 算法的一些定義
  4.3.2 算法的基本步驟
  4.4 算法的收斂性能分析

  4.5 算法的數值測試與討論
  4.5.1 TSP 數值測試
  4.5.2 算法參數測試
  4.6 算法用于采摘運動規劃模型的仿真測試
  4.7 本章小結

  第 5 章 采摘機械手運動規劃綜合實驗
  5.1 引言
  5.2 實驗準備
  5.3 目標采摘及運動規劃實驗
  5.3.1 較高處目標采摘運動規劃及采摘過程
  5.3.2 中遠處目標采摘運動規劃及采摘過程
  5.3.3 較低處目標采摘運動規劃及采摘過程
  5.4 本章小結

第6章 總結與展望

  6.1 總結

  隨著農業現代化進程的不斷加快,在未來,機器換人在農業工程上將會更加普及。

  水果采摘由于人工勞動力需求量大故急需大規模地被機器人所替代。采摘機器人自動化程度高,且作業較為穩定,可以應對大規模的采摘任務,極具應用前景。本文正是基于此背景,同時考慮到采摘機械手結構和成本等因素,針對蘋果采摘環境,設計一種四自由度移動采摘機械手,并完成其樣機平臺的搭建。同時考慮到采摘效率的問題,故針對此結構推導出一種以運動時間最短為目標的采摘運動規劃模型。為求解此模型,提出一種基于精英集聚效應的小世界優化算法,并通過仿真測試和實物實驗,驗證了該算法的優異性能,同時也證明了該運動規劃模型的有效性,F對文中主要進行的研究工作總結如下:

 。1) 針對蘋果生長環境普遍下方無遮擋,簡化傳統六自由度機械手結構,舍棄小臂回轉和末端回轉兩個自由度,設計一種四自由度采摘機械手結構,并完成其實物的制作。

 。2) 對電機、驅動器、視覺模塊、控制模塊等進行選型,編寫目標識別定位以及電機閉環控制的程序,完成采摘機械手樣機平臺的搭建。

 。3) 針對此機械手結構,運用末端分離法簡化了其采摘運動姿態的確立,并結合擺線運動方程,建立了一種基于時間最優的采摘機械手運動規劃模型,其參數較少,處理簡便。

 。4) 為了提高機械手采摘蘋果的效率,提出一種基于精英集聚效應的小世界優化算法,并用 Markov 鏈理論分析其收斂性能。然后用 TSP 數值測試驗證其性能的優異,最后將其應用到采摘運動規劃模型中,驗證模型以及算法的有效性。

 。5) 將算法移植到單片機中,搭建實物實驗測試環境,通過對高處、中遠處、低處三類共 12 個目標位置的運動規劃以及采摘實驗,驗證了該設計的結構可用于這一類果實不同位置的采摘要求,以及通過該運動規劃模型和所提出算法的優化,可以提高機械手采摘的效率。

  6.2 展望

  隨著研究的進行,雖然文中蘋果采摘機械手的結構有效,并且其采摘的效率得到了一定的提高,但是其中仍然暴露出許多問題和需要繼續探究的地方。主要包括以下幾個方面:

 。1) 由于采摘機械手平臺是自己設計并購買材料制作,故在打孔、裝配、固定等地方都出現了一定的偏差,以至于在實驗時,采摘的效果并不是十分的理想,許多次采摘完成的都稍許有些勉強。所以需要提高制作加工的精度或者設計一種方法來補償這些偏差?梢钥紤]采用數字加工的方式進行高精度的定位鉆孔和裝配,也可以建立一種包含打滑誤差在內的機械手關節控制模型,但是這對于電機驅動器的計算要求較高,完成的難度較大。

 。2) 現研究的采摘機械手運動規劃都是在無障礙物的前提下進行,在實際采摘中,肯定會有遮擋的出現。這可能是在果實識別時出現遮擋導致果實特征在圖像中并不完整,影響其識別和定位;亦或是在采摘的運動路徑中存在實物的阻礙,導致采摘無法完成。但是由于嵌入式系統的性能有限,面對這些復雜的情況無法進行快速處理響應,故可以采用一種分布式機械手采摘運動規劃計算方式。即多臺機械手公用一臺 PC 機,在 PC 上進行較為復雜的不完整果實圖像識別和機械手避障規劃算法的編寫,并且 PC機和機械手嵌入式控制器之間采用無線通信。在一般情況下嵌入控制器正常全權負責機械手采摘處理和規劃,若出現上述較為復雜的情況時,將規劃模式切換至分布式,先將檢測到的的數據傳至 PC 機,待處理后返回機械手的運動規劃參數。如此既可以完成復雜情況下的采摘,又可以相對地節約成本。

 。3) 本次研究只針對單個蘋果的采摘運動規劃,在實際采摘過程中需要連續采摘多個蘋果,如何使得機械手在采摘多個果實時總運行時間短也是需要解決的問題。目前可行方案主要有的兩種。一種是先在 PC 機上運用群體智能優化算法對果實進行采摘順序規劃,然后再在嵌入式機械手平臺上進行單個果實的運動規劃,這種方式較為靈活,但不一定是組合最優。另一種是直接建立多個果實目標采摘時間最短的關節運動規劃模型,然后一步規劃出機械手對多個蘋果采摘各個關節的運動軌跡,這種方法可以較好地獲得組合最優規劃方式,但是其耦合性較強,只要機械手運動過程出現偏差則整個采摘就會失敗。所以需要根據不同的情況選擇較好的全局運動規劃方式。

  參考文獻
  [1] Garcia E , Jimenez M A , De Santos P G , et al. The evolution of robotics research[J].IEEE Robotics & Automation Magazine, 2007, 14(1):90-103.
  [2] Li J, Karkee M, Zhang Q, Xiao K H, et al. Characterizing apple picking patterns forrobotic harvesting[J]. Computers and Electronics in Agriculture,2016, 127:633-640.
  [3] 吳莉麗,薛益。農業機械自動化技術研究[J].電子世界,2018,(18):154.
  [4] 宋健, 張鐵中, 徐麗明,等。 果蔬采摘機器人研究進展與展望[J]. 農業機械學報,2006, 37(5):158-162.
  [5] 崔玉潔, 張祖立, 白曉虎。 采摘機器人的研究進展與現狀分析[J]. 農機化研究,2007(2):4-7.
  [6] 司永勝, 喬軍, 劉剛,等。 蘋果采摘機器人果實識別與定位方法[J]. 農業機械學報,2010, 41(9):148-153.
  [7] 黃軼文,張梅;谙伻核惴ǖ牧杂啥炔烧獧C器人軌跡規劃研究[J].農機化研究,2017,39(3):242-246.
  [8] 姜秀玲 . 基 于 PLC 的蘋果采摘機械手運動控制系統設計 [J]. 農機化研究,2017,39(11):203-207.
  [9] Harrell R C , Adsit P D , Pool T A , et al. The Florida Robotic Grove-Lab[J]. Trans of theAsae, 1988, 33(2):391-399.
  [10] Ejvan H, Bajvan T, Hemming J, et al. Field test of an autonomous cucumber pickingrobot.[J]. Biosystems Engineering, 2003, 86(3):305-313.
  [11] Aloisio C, Kumar M R, Chang C Y, et al. Robotic mass removal of citrus fruit[J]. ActaHorticulturae, 2012, 36(965):201-208.
  [12] Pholsiri C , Kapoor C , Tesar D . Manipulator task-based performance optimization[J].
  American Society of Mechanical Engineers,2004,1:1993-1201.
  [13] Wei L I, Ji L I, Zhang J X, et al. Optimization design and simulations of theapple-picking-robot arm[J]. Journal of Beijing University of Technology, 2009,35(6):721-726.
  [14] Wang H. Identification and location system of multi-operation apple robot based onvision combination[J]. Transactions of the Chinese Society for Agricultural Machinery,2012, 43(12):165-170.
  [15] Li B , Vigneault, Clément, Wang N . Research development of fruit and vegetableharvesting robots in China[J]. Stewart Postharvest Review, 2010, 6(3):1-8.
  [16] Guo J, Zhao D A, Wei J, et al. Design and control of the open apple-picking-robotmanipulator[C]// IEEE International Conference on Computer Science & InformationTechnology. 2010.
  [17] 孫賢剛,伍錫如,黨選舉, 等;谝曈X檢測的蘋果采摘機器人系統設計與實現[J].農機化研究,2016,(9):151-155.
  [18] 張戰杰 . 基于直流電機驅動電路的移動式采摘機器人設計 [J]. 農機化研究,2019,41(4):242-245,263.
  [19] 賀橙林 , 施光林 . 一種基于機器視覺的蘋果采摘機器人 [J]. 機電一體化,2015,21(4):3-7,22.
  [20] Wang Y M. Application for the general kinematics of 5DOF picking robotmanipulator[J]. Journal of Anhui Agricultural Sciences, 2012.,2012,40(3):1757-1759.
  [21] 孟彩茹,張高青,李夏楠, 等。夾持機械手爪機構的設計與優化[J].機械設計與制造,2016,(6):70-74.
  [22] Kim Y G, Kwak J H, Hong D H, et al. Autonomous terrain adaptation and user-friendlytele-operation of wheel-track hybrid mobile robot[J]. International Journal of PrecisionEngineering & Manufacturing, 2012, 13(10):1781-1788.
  [23] Lumelsky V J. Dynamic path planning for a planar articulated robot arm movingamidst unknown obstacles [J]. Automatica, 1987, 23(5):551-570.
  [24] 張毅,劉芳君,胡磊。結合 MPGA-RBFNN 的一般機器人逆運動學求解[J].智能系統學報,2019,14(1):165-170.
  [25] DeBoor C, Ron A. On multivariate polynomial interpolation[J]. ConstructiveApproximation, 1990, 6(3):287-302.
  [26] Lu J Y, Yang Q H, Gao F, et al. Trajectory planning of a five DOF agricultural pickingrobot[J]. Journal of Mechanical & Electrical Engineering, 2010.
  [27] 司艷偉; 5 次 B 樣條函數的果蔬采摘機器人軌跡規劃的研究[D].浙江:浙江理工大學,2017.
  [28] 陳天宏,崔天時,李廣軍;谶z傳算法的采摘機器人軌跡規劃[J].農機化研究,2010,32(8):31-34.
  [29] 黃軼文,張梅;谙伻核惴ǖ牧杂啥炔烧獧C器人軌跡規劃研究[J].農機化研究,2017,39(3):242-246.
  [30] Bing Z, Yang W, Hang L. Design of wireless communication system for picking robotbased on LTE-advanced and particle Swarm optimization[J]. Journal of AgriculturalMechanization Research, 2018,40(3):198-202.
  [31] Wildes R P, Asmuth J C, Green G L, et al. A machine-vision system for irisrecognition[J]. Machine Vision & Applications, 1996, 9(1):1-8.
  [32] 王丹丹,宋懷波,何東健。蘋果采摘機器人視覺系統研究進展[J].農業工程學報,2017,33(10):59-69.
  [33] 趙德安,吳任迪,劉曉洋, 等; YOLO 深度卷積神經網絡的復雜背景下機器人采摘蘋果定位[J].農業工程學報,2019,35(3):164-173.
  [34] 張賓,宿敬肖,張微微, 等;诩す庖曈X的智能識別蘋果采摘機器人設計[J].農機化研究,2016,38(7):60-64.
  [35] Zhang Y, Tan K K, Huang S. Vision-servo system for automated cell injection[J]. IEEETransactions on Industrial Electronics, 2009, 56(1):231-238.
  [36] 劉健莊, 栗文青。 灰度圖象的二維 Otsu 自動閾值分割法[J]. 自動化學報, 1993,19(1):101-105.
  [37] 張宏建。 Lab 色彩模式在圖像處理中的應用[J]. 福建電腦, 2011, 27(1):146-147.
  [38] 孫豐榮, 劉積仁。 快速霍夫變換算法[J]. 計算機學報, 2001, 24(10):1102-1109.
  [39] 汪雨冰,王睿,于永江, 等。高精度增量式光電編碼器信號處理系統[J].吉林大學學報(信息科學版),2018,36(4):398-402.
  [40] Ang K H, Chong G, Yun L. PID control system analysis, design, and technology[J].
  IEEE Transactions on Control Systems Technology, 2005, 13(4):559-576.
  [41] 馬貴飛,馬履中,楊文亮。蘋果采摘機器人機械手運動學分析與仿真[J].農機化研究,2010,32(07):21-25.
  [42] 程適,王銳,伍國華, 等。群體智能優化算法[J].鄭州大學學報(工學版),2018,39(6):
  前插 1-前插 2,1-2.
  [43] Maulik U, Bandyopadhyay S. Genetic algorithm-based clustering technique[J]. PatternRecognition, 2000, 33(9):1455-1465.
  [44] 趙靜,孔金生;谶z傳算法和禁忌搜索的混合優化策略[J].計算機工程與設計,2009,30(23):5489-5491.
  [45] Tang Y, Qian F, Gao H J, et al. Synchronization in complex networks and itsapplication – A survey of recent advances and challenges[J]. Annual Reviews inControl, 2014, 38(2): 184- 198.
  [46] Yaozu Cui, Xingyuan Wang. Detecting one-mode communities in bipartite networks bybipartite clustering triangular[J]. Physica A: Statistical Mechanics and itsApplications,2016,457:307-315.
  [47] Zhu Q, Zhu Z L, Qi Y, et al. Optimization of cascading failure on complex networkbased on NNIA[J]. Physica A: Statistical Mechanics and its Applications, 2018,501:42-51.
  [48] McGarry K, McDonald S. Complex network theory for the identification andassessment of candidate protein targets[J]. Computers in Biology and Medicine,2018,97:113-123.
  [49] Watts D J, Strogatz S H. Collective dynamics of 'small-world' networks.[J]. Nature,1998, 393(6684):440.
  [50] 杜海峰, 莊建, 張進華等。 用于函數優化的小世界優化算法[J]. 西安交通大學學報,2005, 39(9): 1011?1015.
  [51] Kleinbe RG J M .Navigation in a small world [ J] .Nature , 2000 , 406(8):845 .
  [52] Yuan M X, Cheng S, Jiang Y F, et al. A novel self-tuningproportional–integral–derivative controller based on a radial basis function network fortrajectory tracking of service robots [J]. Journal of Systems and Control Engineering,2014, 228(3): 167-181.
  [53] Alexander G N, Sheldon H J. Using Markov chains to analyze the effectiveness of localsearch algorithms [J]. Discrete Optimization, 2010, 8(2):160-17.

致 謝

  轉眼之間,三年的碩士研究生生活即將過去,自己也由一個在科研上幾乎一竅不通的純新手變為能夠完成碩士研究工作的科研入門者。這里要特別感謝自己的碩士生導師袁明新副教授,從碩士論文的選題,大方向的指導以及論文的詳細修改,都傾注了他大量的心血。他不僅在學術上給予自己詳細的指導,更是教會了我如何成為一名合格的科研工作者。他一遍遍地用行動告訴我做任何事情是沒有捷徑可尋的,必須要吃苦才能有收獲。并且他對于學術那種一絲不茍、尋根究底的態度也影響了我,并改變了我,讓我養成了嚴謹踏實的做事習慣。這對我以后的事業和生活都有著積極而又重要的影響。

  自己還要感謝在研究院的師兄和同學們。在他們的指引下我踏入了機器人領域,從而開拓了我的視野,也讓我領略了學科高處的風景,一并感謝他們。在此著重感謝研究院對自己的課題"移動蘋果采摘機械手設計及其運動規劃"的全力支持。沒有研究院提供的資金以及實驗平臺,自己很難完成這項課題。

  同時,自己要感謝在三年來一直支持和幫助自己的家人和朋友,他們無時無刻都在激勵自己。當科研遇到挫折時,他們會不斷安慰和鼓勵自己,讓我重獲信心;而當自己研究取得突破時,他們也會和自己一同分享喜悅。他們都是自己人生中不可或缺的人。

(如您需要查看本篇畢業設計全文,請您聯系客服索。

相關內容
相關標簽:機械手畢業設計
好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
欧美国产伦久久久久久久
<acronym id="cqmsy"></acronym>
<acronym id="cqmsy"><center id="cqmsy"></center></acronym>