果蔬采摘机器人（共6篇）
果蔬采摘机器人 篇1
果蔬采摘是一项季节性强、操作复杂且劳动强度极高而效率又极低的工作。据调查, 果蔬采摘作业所用劳动力占整个生产过程所用劳动力的33%~50%, 而目前我国的水果采摘绝大部分还是以人工采摘为主。因此, 研究果蔬采摘机器人对缓解农村劳动力缺乏、节省人工成本、提高果蔬采摘效率有着重要的意义。
1 国内外研究现状及发展趋势
果蔬采摘机器人是一类针对水果和蔬菜, 可以通过编程来完成采摘等相关作业任务的具有感知能力的自动化机械收获系统, 是集机械、电子、信息、智能技术、计算机科学、农业和生物等学科于一体的交叉边缘性科学, 需要涉及机械结构、视觉图像处理、机器人运动学、动力学、传感器技术、控制技术以及计算信息处理等多方面学科领域知识。
1.1 国外的研究现状
1.1.1 番茄收获机器人
1) 日本冈山大学1991年研究了一种番茄收获机器人, 它由机械手、末端执行器、视觉传感器和移动机构组成。机器人利用机器视觉对果实进行判别, 采用五自由度垂直多关节机械臂和能够上下、前后移动的二自由度直动关节, 以避让茎叶接近目标果实, 吸盘吸住果实后退回, 将目标果实和其他果实分离, 末端执行器以和吸盘相同的速度前进, 使机械手抓住果实, 最后通过机器臂的腕关节旋转, 将果实摘下。
2) 日本岛根大学研究了樱桃番茄选择性收获机器人, 这个机器人由安装在电动车上的机械臂、末端执行器、三维视觉传感器和计算机组成。三维视觉传感器是安装在末端执行器上的, 以利用机械臂和末端执行器的运动, 进行正面扫描和茎叶的间隙里的侧面扫描, 来收获茎叶后的果实;末端执行器采用的是柔性软管, 可以左右摆动避让在收获过程中的障碍物。
1.1.2 黄瓜收获机器人
1) 荷兰的IMAG研究所开发了收获和摘叶同时进行的机器人, 其机械臂为七自由度垂直多关节型, 移动机构沿行进方向平行滑动, 可以保证机构不干扰视觉传感器。其末端执行器由3把电热刀和围着主茎配置的气动驱动器组成, 电热刀的安装位置使其可以从3个方向围住主茎, 电热刀上方有V字形引导器。首先, 视觉传感器识别需要摘除的叶子及其主茎, 检测出其位置, 接近被摘叶下方的主茎。电热刀的引导器沿主茎向上滑动, 叶柄总可以接触到3个电热刀中的一个, 叶柄和电热刀一接触上, 电流立即导通, 烧断叶柄, 摘除叶子。利用热切断叶柄, 还能对切断部位消毒, 可以防止病菌从切口侵入。这种机器人的采摘速度为45 s/根, 成功率约为80%。
2) 冈山大学和井关农机株式会社于1991年合作研究了黄瓜收获机器人, 这款机器人的研发是农机农艺相融合的成果。首先, 为使机器人容易进行收获作业, 改进了黄瓜的栽培方式——将传统的栽培方式倾斜化, 用支柱等支撑茎叶, 只让果实露在棚架的下方, 达到果实和茎叶分开的目的, 以利于黄瓜的采摘。这台机器人由可进行果实识别和位置检出的视觉传感器、七自由度极坐标型机械臂、可夹持果实并检出和剪断果梗的末端执行器以及移动机构构成。
1.1.3 柑橘类收获机器人
1) 日本久保田株式会社于1988年试验、开发了柑橘收获机器人。该机器人机械臂为三自由度垂直多关节型, 小臂和大臂长度相等, 肘和腕关节的速比为2∶1。末端执行器可以沿直线运动, 使机械臂不会像一般极坐标型关节一样伸向背后, 从而避免了与背后的果树发生干扰。机器工作时, 频闪光源发光, 末端执行器内部的摄像机随即开始采集图像, 检测出果实。机械臂靠近目标果实并用吸盘将目标果实吸入梳状罩, 使其和其他果实分开, 最后由锥形切刀将果梗切断。
2) 美国的佛罗里达大学于1990年开发了橙子收获机器人。这种橙子收获机器人拥有可实现左右上下和直线运动的三自由度极坐标型液压驱动以及七自由度的机械臂。当末端执行器内置的光源、彩色摄像机检出果实之后, 末端执行器就移向果实, 末端执行器内置的超声波传感器检测出距离, 半圆形环切刀便旋转切断果梗收获橙子。
3) 西班牙工业自动化研究所也研发了一款柑橘采摘机器人, 该机器人由机械手、彩色视觉系统和超声传感定位器组成, 安装在拖拉机上。不同于前述两种, 该机器人需由人工完成寻找、定位待摘果实以及机器人导航的任务, 而运动轨迹规划、关节控制和末端执行器控制等任务则由系统控制, 属于半自动化采摘机器人。该机器人工作的速度极快, 每分钟可以采摘柑橘60个, 而靠人工只能摘8个左右, 它还可以按柑橘的色泽、大小将果实进行分级装箱。
1.1.4 苹果采摘机
20世纪90年代, 韩国研制出一台自动摘苹果的机器人, 该机器人由识别影像处理系统、机器人主体、机械手和行走装置4部分组成, 由计算机控制专门采摘成熟度达90%以上的苹果且不损伤树枝。它的活动半径为3 m, 可以左右旋转并上下前后运动。该机器人采摘速度较慢, 摘一个苹果需要10~20 s, 但它可以连续工作20 h, 采摘效率是人工的3~4倍。
1.1.5 葡萄采摘机器人
1989年, 日本冈山大学研发了葡萄收获机器人。该机器人的末端执行器主要由夹持穗轴的机械手指、切刀和可前后方向滑动的推拉部组成, 从水平方向接近果穗并采收, 使其剪断穗轴时尽量不触碰到果穗, 以免果实被触碰而造成商品价值降低。
1.1.6 茄子收获机器人
日本以蔬菜茶叶研究所为中心的研究小组从1997年开始研究适用于V字形栽培方式的茄子收获机器人。V字形整枝栽培的主茎和第一侧枝向垄沟方向倾斜, 坐果后果实垂直下坠, 这是一种有利于机械收获的栽培方式。该机器人由控制部、检测部、机械臂、末端执行器和移动车构成, 采用了和人的手臂一样有七自由度的垂直多关节型机械臂, 能够从各个方向靠近果实。
国外在果蔬采摘机器人的研究方面已取得较大成果, 其中发展最快的应属日本, 日本在农业机器人方面的研究水平处于世界领先。尽管如此, 无论是果蔬采摘机器人还是其他农业机器人的发展仍处于研究阶段, 都未能实现商业化生产。
1.2 我国的研究现状
我国对果蔬采摘机器人的研究起步较晚, 始于20世纪90年代中期, 主要集中在高等院校中进行研究。近年来, 我国在采摘机器人研究方面与国外相比, 差距逐渐减小。
1.2.1 草莓采摘机器人
中国农业大学的张铁中教授对农业机器人领域有较深研究, 2004~2005年间, 张铁中等人针对我国温室垄作栽培的草莓, 设计了3种草莓采摘机器人, 分别是桥架式、四自由度龙门式和三自由度直角坐标式草莓采摘机器人。这3种草莓采摘机器人均通过CCD传感系统获取彩色图像, 经过图像处理进行目标草莓的识别和定位, 再通过末端执行器进行采摘。其中四自由度龙门式草莓采摘机器人, 还解决了在较窄垄沟收获草莓难度大的问题。实验表明该采摘机器人对草莓成熟度的判断准确率为91.7%, 时间为160 ms, 系统运行稳定性为93.8%, 手爪抓取成功率为89.1%, 手爪定位精度为±1.5 mm, 果柄切断率95.1%, 采摘速度为9.39 s/枚。
1.2.2 茄子采摘机器人
中国农业大学和潍坊学院于2006年联合研制了茄子采摘机器人, 该机器人由四自由度关节式机械手、DMC运动控制器、数字摄像头以及PC机组成。关节式机械手的4个关节均为旋转关节, 分别与人的腰部、肩部、肘部和腕部相对应。对目标果实则采用基于直方图的固定双阈值法对G-B灰度图像进行分割, 通过对图像分割得到果实目标的二值图像, 并进行边缘提取、轮廓跟踪和轮廓标记。性能测试结果表明该机器人抓取成功率为89%, 平均耗时为37.4 s。
1.2.3 番茄采摘机器人
1) 浙江大学的梁喜凤根据西红柿采摘作业的特点, 设计了由两个移动关节和五个旋转关节构成的七自由度冗余机械手, 并对其进行机构尺寸优化、工作空间和运动学分析与仿真, 为西红柿采摘机器人的实际开发提供了良好的参考模型。
2) 中国农业大学的赵金英、张铁中等于2006年设计了五自由度关节式西红柿采摘机器人, 其绝对定位精度误差可在10 mm之内, 抓取成功率为72%。
3) 南京农业大学的张瑞合、姬长英等人则在番茄采摘中运用双目立体视觉技术对红色番茄进行定位, 并运用体视成像原理, 从两幅二维图像中恢复目标的三维坐标, 当目标与摄像机的距离为300~400 mm时, 深度误差可控制在3%~4%。
1.2.4 黄瓜采摘机器人
中国农业大学的汤修映、张铁中等于2007年研制了六自由度圆柱型黄瓜采摘机器人。该机器人拥有六自由度机械臂, 各关节均采用步进电机驱动;视觉系统采用基于RGB模型G分量的图像分割算法, 分割成功率为70%左右;末端执行器由一个活动刃口和固定刃口组成。经实验表明, 该机器人运动定位精度为±2.5 mm, 末端执行器的采摘成功率达到93.3%。
2 果蔬采摘机器人发展存在的问题及解决思路
2.1 主要存在的问题
虽然目前果蔬采摘机器人的发展取得了较大进步, 但相对于工业机器人来说, 其发展较为落后, 主要存在以下方面问题。
1) 定位和识别功能较差。在果蔬采摘机器人系统中, 由于作业环境的复杂性, 水果和叶子等往往容易重叠在一起;并且光照条件具有不确定, 从而导致图像中存在噪声和各种干扰信息, 降低了识别和定位目标果实的准确率。因此, 采摘对象的智能化识别和定位问题还需要进一步研究。 (2) 采摘效率不高。由于果蔬收获机器人需要进行图像处理、控制系统等步骤, 大多数采摘机器人的效率不高。例如荷兰的IMAG研究所开发的黄瓜收获机器人其采摘速度为45 s/根;韩国研制的自动摘苹果机器人, 摘一个苹果需要10~20 s;中国农业大学的张铁中教授对农业机器人领域有较深研究, 中国农业大学研制的四自由度龙门式草莓采摘机器人采摘速度为9.39 s/枚;中国农业大学和潍坊学院联合研制的茄子采摘机器人采摘速度为37.4 s/根。这些采摘速度均低于人工采摘速度。要使果蔬采摘机器人真正应用于实际生产, 就必须要提高作业效率以及作业准确度。 (3) 成本较高。果蔬采摘机器人与工业机器人相比, 其结构和控制系统更加复杂, 而且生产周期短、设备利用率低, 因此, 其制造、使用和维护成本均比工业机器人高。 (4) 通用性差。一种采摘机器人只是针对某一特定植物完成单一的任务, 各类机器人之间几乎没有通用性。
2.2 解决思路
为了突破限制果蔬采摘机器人的发展因素, 就必须解决以上的问题, 这样才能加速果蔬采摘机器人的发展, 尽快实现商品化。
(1) 研究能够精确识别和定位目标果实的图像处理及视觉传感技术。 (2) 尽量提高机器处理信息及执行命令的速度, 并采用结构简单执行步骤最少的机械结构, 以达到提高生产效率的目的。 (3) 选用材料应尽量考虑经济因素, 选择性价比高的产品及材料进行设计, 以降低制造成本。 (4) 采用开放式的控制系统, 并增强果蔬采摘机器人的通用性, 提高其使用效率。 (5) 在研究果蔬采摘机器人时, 应注重农机农艺的结合, 可以通过改变果蔬的栽培模式来降低采摘的复杂性, 使果蔬采摘机器人的视觉定位和移动变简单。
3 结语
从目前国内外果蔬采摘机器人的发展现状来看, 果蔬采摘机器人仍处于研究阶段, 要实现果蔬采摘机器人的商品化, 仍需做更深入的研究, 进一步提高果蔬采摘机器人的生产效率、精度, 降低制造成本, 增强其通用性。
参考文献
[1] 王素霞.日本的果蔬采摘机器人.河北农机, 2007年, 06期, 22页
[2] 张洁, 李艳文.果蔬采摘机器人的研究现状、问题及对策.机械设计, 2010年, 06期, 2 -4页
[3] 陈中玉, 马方.浅析采摘机械臂的国内外研究现状.吉林农业, 2010年, 10期, 119页
[4] 李占坤.果树采摘机器人控制系统研究与设计:[硕士学位论文].江苏, 江苏大学, 2010年5月
[5] 王燕.黄瓜采摘机器人运动规划与控制系统研究:[博士学位论文].浙江, 浙江工业大学, 2010年4月
[6] 近藤直, 门田充司, 野口伸.农业机器人Ⅱ.机构与实例. (孙明, 李民赞.) 北京:中国农业大学出版社, 2009年
果蔬采摘机器人 篇2
随着信息技术、微电子技术与农业机械化的高速发展,农业机器人的研究也获得了极大突破,开始在各个生产领域中应用,不断推进农业生产朝着自动化和智能集成化发展。在果蔬种植过程中,采摘是最重要的一个部分,水果蔬菜一般采摘期短、采摘任务大、采摘要求高,对采摘人员的体力消耗很大。目前,我国水果蔬菜的采摘主要以人工为主,导致经济成本较高,采摘质量低下,直接影响果农的经济收入。随着机器人技术的逐渐成熟,我国现阶段已经开始加大对农业机器人研究的投入,以实现对采摘过程的自动化,这对解放农村劳动力、提高采摘的效率和质量有着重要的意义。路径规划是采摘机器人作业过程中最重要的部分,采摘机器人的智能自动化主要体现在对运动范围、作业空间的规划上。果林中环境地势一般较为复杂,采摘机器人在其中前行作业需要对运动路径具有很好的规划技术,这样可以节省一定的采摘时间、减少采摘机器人行进过程的三维路径计算优化,并采用环境模型来仿真预测采摘机器人在作业中可能发生的某些碰撞以成功避开障碍物,实现果蔬采摘机器人作业运动路径最优。
1 改进型蚁群算法
20 世纪90 年代,意大利研究者Dorigo受到蚂蚁找食物的启示,提出了一种仿生的蚁群算法。研究者发现: 蚂蚁在觅食过程中会留下作为信息素的分泌物,且在某条路线走过蚂蚁越多,则后面蚂蚁选择该路径的机会就越大,产生这一奇特的正反馈现象就是蚁群算法的由来。简化的蚂蚁寻找食物过程如图1 所示。
图1 中: ( a) 是表示蚂蚁寻找食物路线的距离;( b) 是t = 0 时两条寻找食物路线上蚂蚁的数量,最开始两条路线信息素是一样的,蚂蚁选择两条路线的概率相同; ( c) 是t = 1 时两道寻找食物路线上的蚂蚁数量,路线短的蚂蚁更多。蚂蚁从起点A到终点F,有ABCEF和ABDEF两条距离不同的线路,因为ABCEF的路径短,时间越长该线路走过的蚂蚁越多,路上的分泌物也越多,则后面蚂蚁选择ABCEF短线路的机会就会越大。
假设短路线为S,长路线为L,KS和K L分别为经过S和L的蚂蚁数目,则
当K只蚂蚁走过两条路径以后,第K + 1 只蚂蚁走S路径的概率为
其中,m和h是具体的参数。在第K + 1 只蚂蚁选择前,计算出PS( K) ,然后再求到一个在[0,1]的随机概率Φ,若Φ≤PS( K) ,则选择路线S,否则选择路线L。
2 三维空间路径规划
三维空间路径规划是机器人人工智能的核心问题,机器人可以根据三维空间路径规划在三维空间中自主识别一条从起始点到目标点距离最优、障碍最少的路径。与二维相比,三维空间路径规划的算法复杂度更高,限制性条件和外在因素更多,其效果一般很难达到设计者的预期。改进蚁群算法具有智能群体和广泛分布的优势,在三维空间路径规划算法上有很大的优越性。山林地形三维空间立体结构如图2 所示。
对三维路径的规划需要建立三维模型,即从复杂的果林地形中得到抽象的三维空间模型,具体的方法为: 先取一点作为三维空间的原点O,并且在原点O建立直角坐标系,X轴与Y轴形成的平面XOY平行于海平面,Z轴则垂直于海平面。三维模型如图3 所示。
图3 中,从起点B到目的地F有无数条路径可走,这样就需要利用蚁群算法求解最优路线。首先建立三维空间模型,然后用栅格法将三维空间等分为体积大小相同的栅格,即获得整个三维点的集合,且各类栅格表示一定的环境,每个栅格都代表一个节点值,计算出三维空间所有可能的路线,并通过搜索每一个可能的路径求出最优者。用以上算法可以求出从B到F的最优路径是BHF,而BAEF和BCGF相对来说距离比较远。改进蚁群算法在这些三维集合点上比较计算,求出起点到终点满足距离最优的路线。该方法简单实用,为路径规划的最优性提供了很多方便。
3 改性蚁群算法的三维地形路径规划
首先将三维地形模型分为N个节点,然后将M个蚂蚁任意的分配给N个节点,则节点i的第K只蚂蚁去节点j的概率为
其中,λ( i,j) 是边( i,j) 区间上的信息素,μ( i,j)= 1 / d( i,j) ; t是该蚂蚁已经到达过的列表信息。
在果林中选择一片100m × 100m × 100m的山地,采用蚁群算法在其间进行果实采摘作业,并求出从起点到目的地的最优路径,并在采摘作业中成功避开果林中的障碍物。如图4 所示,设定A( 18,20,22) 为起点,D( 98,60,86) 为终点。蚁群算法的搜索范围为图4 中整片山地。
在求最优采摘路径的过程中,改进蚁群算法解决问题的程序流程如图5 所示。
具体的算法流程如下:
1) 建立规划环境模型,设定采摘起点和终点,并准确确定其在规划环境模型的三维坐标。
2) 初始化蚁群算法参数,格式化所有信息素,清空迭代次数储存信息,清空禁忌表。
3) 初始化蚂蚁,将蚂蚁全部置于A。
4) 蚂蚁按照概率在节点间移动,并将移动的次数计数。
5) 对于移动次数小于软件设置最大次数,且蚂蚁没有成功到达终点D时,回到第4 步重新开始,对于移动次数大于等于软件设置最大次数,且蚂蚁没有成功到达终点D时,初始化蚂蚁所有数据,重新放回起点A; 否则,判定该蚂蚁数据信息无效。
6) 统计成功到达D的蚂蚁行走路径P。
7) 比较所有成功到达D的蚂蚁行走路径P,并求出最优值。
8) 输出最优路径。
4 三维地形路径规划软件仿真设计
Mat Lab是矩阵实验室,是面对科学计算和可视化的高科技计算环境,为工程设计的数值计算提供了极大地方便。用Mat Lab对三维地形路径规划进行仿真求优,采用蚁群动态寻路算法。蚁群算法在采摘机器人进行路径最短规划的主程序如下:
1) 状态初始化。
2)下一步可以前往的节点。
3)转轮赌法选择下一步怎么走。
4)状态更新和记录。
5) 记下所有蚂蚁觅食路线和路线长度。
6) 更新信息素。
5 仿真与结果分析
为了验证基于改进蚁群算法的果蔬采摘机器人三维路径规划的可行性,运用Mat Lab进行仿真实验。该机器人在山林中停止进行采摘作业的次数很多,选择最优路线进行作业可以节约时间,减少资源浪费,本文中选取300 个路径节点为机器人必须经过的地点。假设整个规模为500 次,软件设定最大移动次数为10 000,交互概率为0. 75。运用Mat Lab计算10 次,在第4 次得到最优解7 456. 353,所求最优路径如图6 所示。最优路径迭次曲线如图7 所示。
如图7 所示,基于改进蚁群算法规划了成功避开障碍物且为长度最短最优的路径。随着迭代次数的增加,算法更加趋近最优路径,大大地提高了路径质量,而且波动非常小,说明改进蚁群算法稳定性强,可靠性高。
6 结束语
果蔬采摘机器人 篇3
现代果实采摘机器人已经开始应用智能化控制系统,对整个系统影响较大的是传感器的工作性能。 受实际采摘环境的影响,传感器工作时一般都是非线性的,其测量系统的输入与输出并不能够保证完全的线性。为了解决这个问题,除了采用硬件补偿外,软件补偿方法则更加实用,因此受到了广泛的关注。基于FPGA的SOPC技术与简单的IC芯片设计不同,它可以将现有的模块资源整合为一个完整的系统,功能由FPGA芯片直接实现,微处理器的性能和外围接口电路可以由用户直接编程实现。该方法大大节省了成本,提高了计算资源的利用率,缩短了开发周期,且兼容性较好,将其应用在智能移动机器人的设计过程中,具有重要的现实意义。
1智能移动式果蔬采摘机器人总体设计
移动机器人的计算能力和移动性能非常强大,但其感知能力较弱,限制了其智能性发展; 而无线网络和传感器可以为果实采摘移动式机器人提供智能的感知能力,对于复杂环境还可进行大范围的实时监测,可以完成计算和通讯任务,提高机器人路径的规划能力,实现机器人智能化自主导航,从而提高果实的采收效率和精确性。
智能移动式果蔬采摘机器人使用了主动式的结构,通过上位机发出指令,协调各个子系统完成工作, 如图1所示。其中,上位机由SOPC微处理器系统代替,数据处理在DSP中完成,SOPC负责数据的融合、 任务的分配和策略选择,协同各个子模块完成工作; 子模块主要通过传感器、驱动电机等实现速度、方向、 移动限位开关和摄像头等的控制。果蔬采摘机人总体结构如图2所示。
图2中,机器人的执行末端安装了两个摄像头, 两个摄像头被安装在机械手小臂上,摄像头作为机器人的双目,实现了机械手目标自动定位的功能; 使用SOPC微处理控制系统控制机器人的移动和果实的抓取,当遇到障碍物时,微处理器可以计算障碍物的距离,从而调整移动速度和方向,成功的绕过障碍物。
2智能移动机器人结构和控制算法设计
对于移动式机器人的设计,控制机器人使用的传感器较多,传感器的控制可以写成函数的形式,表示为
其中,x可作为目标参量的待测量; t1,t2,. . . ,tk作为k个非目标量; y为传感器输出量。由于待测目标参量和非目标参量不是非线性的,可以利用算法将其向线性函数逼近,在实际测量模型中,输入量为非目标测量数据,输出量为目标参量,利用一定的算法, 通过调整模型的相关参数,降低系统的控制误差,达到设计要求。
如图3所示,测量数据的具体数值送入微处理器AT89C2051,经串行口发送给系统板。微处理器的软件设计主要是在接收到SOPC系统控制发送的采集命令,启动TLV2544和DS18B20,将数据转为ASCII码发送。
机器人和物体之间的距离一般采用三角测量方法来确定,利用传感器的红外管发出红外光线,当红外光碰到障碍物时会被反射回来,被反射回来后进入探测器,可以实时的测得障碍物的距离。PSD传感器的位置如图4所示。
图5表示在SOPC控制下舵机的执行原理,控制电路接受信号后控制电机转动,电机通过齿轮组进行变速后输出到舵盘; 电机的输出轴和反馈电位计相连接,舵盘转动的同时带的反馈电位计,反馈后决定电机的转动方向和速度,从而达到停止的目的。为了提高机器人控制的精度,利用BP神经网络算法,根据系统的运行状态,利用PID调节器,对机器人智能移动进行优化设计,其原理如图6所示。
为了提高系统的控制精度,对控制对象进行离散化,并采用PID控制器对系统进行控制。PID控制器的算法可以表示为
其中,kp、ki、kd分别为积分常数; u( k) 为控制函数; error( k) 为控制误差。那么,神经网络的输入层可以写成
其中,M表示控制系统的复杂度。神经网络隐含层的输入和输出可以表示为
其中,w(ij2)为隐含层的加权系数。隐含层神经元的活化函数取正负对称的Sigmoid函数,则
神经网络输出层的输入和输出可表示为
输出层输出节点分别对应3个可调参数kp、ki、kd, 其输出层的Sigmoid函数为
取性能指标函数为
神经网络的权系数需要利用梯度下降法来修正, 在加权系数的负方向对E( k) 进行搜索调整。为了加快收敛速度,加入一个全局极小惯性项,有
其中,η 为学习速率,α 为惯性系数。
由于未知,所以近似用符号函数取代,而计算的精确度可以用学习速率η来调整。
通过以上分析,可以得到神经网络输出层的学习算法为
隐含层的加权系数学习算法可以表示为
在仿真中,利用的是离散化的控制对象,对障碍物的位移进行实时反馈,从而调整机器人控制系统的精度,提高机器人智能化移动的高效性。
3智能移动式果蔬采摘机器人性能测试
为了验证本次研究设计的智能移动机器人的可靠性,对采摘机器人的移动性能进行了测试,包括机器人移动速度控制、躲避障碍物控制和移动误差。测试场景如图7所示。
在果蔬采摘机器人的移动过程中,设置了障碍物,对机器人的输入量和目标量进行设定后,对3层BP神经网络进行训练。其中,输入层、隐含层和输出层的神经网络节点分别为18、28、16个,每个设计元节点用传感器代替。通过计算,得到了采摘机器人移动速度随时间变化曲线,如图8所示。
由图8可看出: 当遇到障碍物时,机器人首先降低行驶速度,当速度降低到接近零时开始调整方向, 然后再加速通过,其速度的控制比较精确和稳定。
本文共采集了80个样本对数据作为神经网络的输入,通过不断的训练,得了如图9所示的移动路径结果。由图9可以看出: 机器人可以成功地躲避障碍物,最终到达终点。在不使用神经网络算法时,使用微处理器对误差进行统计,通过计算得到了如图10所示的收敛残差。
由图10可以看出: 在计算到2000ms时,计算误差接近于0,计算迭代时间较长,残差不易收敛。
图11为机器人在躲避障碍物、使用神经网络算法进行样本训练时得到的位移残差曲线。由图11可以看出: 在计算到600ms时,计算误差便开始接近于0,计算迭代时间较短,残差易收敛,从而验证了本文算法的可靠性。
4结论
1) 为了提高果实采摘机器人的自主导航能力,提高智能化移动的速度和精度,提升果实采摘机器人的自主感知能力,利用SOPC微处理系统技术,结合神经网络PID控制算法,设计了一款新的智能移动机器人,从而大大增强了果实采摘机器人输入和输出的线性关系,使其可以在单片芯片上实现复杂的系统控制,降低了开发成本。
2) 对智能移动果蔬采摘机器人的性能进行了测试,结果表明: 采摘机器人可以根据障碍物自主的调整移动速度,实现其智能化移动控制; 可以有效地绕过障碍物,实现自主导航性; 使用神经网络算法可以有效地提高移动的精度,为高精度果蔬采摘机器人的设计提供了技术参考。
摘要：果蔬采摘机器人一般采用移动式机器人,虽有着强大的计算能力和移动性,但其感知能力的局限性限制了其智能的发展。为了提高果蔬采摘机器人的智能移动性能,使其拥有更好的实现自主导航的能力,采用(system on a programma-ble chip,SOPC)微处理器系统设计了一种新的智能移动式机器人控制系统,并采用神经网络算法对其进行了优化,大大提高了机器人移动的精确性,增强了输入和输出的线性关系,使控制系统在单片芯片上实现了复杂系统的全部功能。通过测试发现:机器人的移动躲避障碍物时速度的稳定性较好,移动误差较低,实现了果蔬采摘无人控制下的智能移动。
果蔬采摘机器人 篇4
关键词：双差速驱动,嵌入式系统,图像采集,路径规划,闭环控制,采摘机器人
0 引言
在果蔬采摘机器人的驱动系统设计过程中,机器人的转弯性能和寻迹能力是设计的核心问题,采用双差速驱动来控制采摘机器人的移动是一种典型的非完整系统,该控制系统具有强耦合性和非线性等特点,其控制问题受到了国内外专家和学者的广泛关注。四轮驱动采摘机器人和两轮驱动相比,控制模型更加复杂,耦合也更加严重。四轮驱动主要采用双差速驱动系统实现机器人的全向运动,其运动灵活,不受非完整约束; 但其摩擦因数小、承载能力有限,因此其设计较为困难。本研究针对双差速驱动系统的非线性和冗余运动约束问题,首先建立了速度协同运动的非线性运动模型,并进行了线性优化,提出了一种基于嵌入式监控图像采集反馈信息的控制系统,对采摘机器人移动性能的改进具有重要的意义。
1 驱动系统总体设计
采摘机器人的双差速驱动部分主要由4 个三相步进电机和驱动结构组成,步进电机驱动前后轮,推动机器人前进和后退,驱动左右轮的速比,实现机器人的转弯。为了提高采摘机器人转弯的灵活性,将传统的双轮结构改为平面轴承,从而降低了采摘机器人结构的复杂度,驱动电机通过齿轮和轴带动轮旋转,其结构如图1 所示。
步进电机的转速可利用脉冲信号的频来改变,实现较高精度的调速。利用对电机施加不同的脉冲信号,可以实现采集机器人的前进、后退、左转、右转和调头功能。双差速驱动系统可实现机器人在任意半径下的转弯,也可以实现原地旋转,转弯的速度可利用单片机程序进行控制,方便简单。采摘机器人服务器系统结构如图2 所示。
采摘机器人的Internet服务器主要由服务程序、服务数据库和通讯模块组成; 机器人控制服务器主要由主控模块、图像采集模块和通信模块组成,其核心是一台Windows XP系统的计算机。计算机装有通信控制卡、图像采集卡等硬件,利用这两层服务器可以非常好地分离网络信息处理模块和机器人硬件控制模块,提高了控制系统的灵活性和可靠性。
图3 为采摘机器人的控制系统框架结构图。控制系统采用C /S和B /S混合模式,提高了系统的灵活性,图像监控采集系统和远程网络系统利用嵌入式控制板来实现,集成在采摘机器人中,降低了系统的规模和系统成本。通过无线传感网络提高了机器人对环境的感知能力,利用标准化接口提高了系统的扩展能力,可以利用扩展卡和USB接口来实现外部设备的扩展,各功能单元可以独立运行,也可以并行工作。
2 双差速驱动系统设计
嵌入式监控系统控制的双差速采摘机器人主要利用采集图像信息对转速进行控制,当左右两轮的转速不同时,可以实现转弯功能; 当两轮转速相同时,实现直线行驶功能。假设驱动模块两轮的速度差为 Δvf和Δvr,则4 个驱动轮的速度模型可以表示为
前后驱动的角速度可以写成
假设前后驱动模块的质心速度vf和vr在x轴和y轴上的投影分别为vfx、vrx、vfy、vry,其表达式为
则采摘机器人的姿态偏差导数可以表示为
综合式( 3) 、式( 4) 可得
因为前后驱动模块在y轴方向的速度相同,于是可以得到
将式( 3) 带入式( 6) 可得
在采摘机器人时间控制过程中,控制方式采用离散方法进行控制,每个控制周期都需要采用速度约束对速度进行控制,假设距离偏差的导数为四轮驱动采集机,前、后驱动模块与机器人的夹角的导数为,机器人的控制模型可写成
利用嵌入式监控系统的反馈信息可以对采摘机器人驱动模块进行控制,系统的硬件系统主要由5 个组成部分,包括USB无线卡模块、USB摄像头模块、内部控制和传感器模块、运动控制模块和主控模块,其框架结构如图4 所示。
嵌入式监控系统的控制核心为S3C2410 微处理器,操作系统采用Linux系统,主控板上连接USB无线网卡,利用无线路由将机器人键入Internet; 图像采集由USB摄像头来完成,获取采摘环境信息,机器人内部和运动信息由传感器采集提供给机器人,其得到环境和自身内部反馈信息后,利用主控模块控制机器人的移动,其中运动模块的设计框架如图5 所示。
控制板的布线方式为双层布线,电机调速的接口为8 个,传感器接口为6 个,数字接口通道为2 个,可以对监控系统采集图像进行传输; 运动和内部传感模块利用数据串口与主控板连接,利用自定义的命令接口进行通讯服务,最终将硬件系统进行底层封装,完成采摘机器人控制系统的设计。
3 双差速驱动果蔬采摘机器人性能测试
为了验证本次研究设计的双差速果蔬采摘机器人的性能,对其沿轨迹行驶的性能进行了测试,测试项目主要包括直线行驶和转弯行驶性能。测试过程的场景如图6 所示。
测试对象为草莓采摘,给定机器人预设轨迹路线,利用嵌入式监控系统对路线进行轨迹跟踪,通过测试得了双差速采摘机器人的轨迹跟踪结果如图7 所示。
图7 中,实线部分表示果蔬采摘机器人的实际移动路径,虚线表示机器人双轮的运动轨迹。由图7 可看出: 利用嵌入式监控系统对双差速机器人进行控制后,机器人双轮可以严格地按照跟踪轨迹行走,其轨迹和预定跟踪轨迹平行,在转弯处行走精度也很高,从而验证了本次研究设计的采摘机器人的可靠性。
表1 为传统机器人和嵌入式监控系统机器人路径跟踪耗时的测试结果对比表。由表1 可以看出: 利用嵌入式监控系统可以大大提高双差速机器人路径跟踪的速度,缩短了路径跟踪的耗时,从而提高了果蔬菜采摘的效率。
min
4 结论
1) 利用嵌入式监控系统集成化模式,采用双差速驱动控制系统设计了一种具有自主寻迹能力的移动式采摘机器人,并建立了控制姿态偏差和距离偏差的协同运动模型,从而大大提高了采摘机器人移动和转弯的灵活性。
果蔬采摘机器人 篇5
研制开发果蔬采摘设备对于缓解农村劳动力短缺、降低人工劳动强度、稳定采摘质量、提高采摘生产效率具有重要意义[1]。采摘机构构型综合是果蔬采摘设备设计的起点和关键环节。串、并联机构在结构和性能上具有优势互补的特点。采用少自由度串、并联机构对果蔬采摘机构进行构型综合,可使采摘机构同时兼有刚度好、承载能力强、工作空间大、结构简单和灵活度高等优点[2,3,4]。为此,综合当前国内外在少自由串、并联机构基本构型方面的研究成果,提取常用少自由度串、并联机构构型的相关知识信息,构建少自由度串、并联基本构型单元知识库和数据库,为采摘机构构型快速、高效、智能化创新设计提供设计资源平台。
1 开发工具平台及方法
SolidWorks是基于Windows的参数化特征建模软件,具有强大的三维实体建模、复杂装配和生成工程图等功能模块,在中小企业中应用广泛。SolidWorks API基于COM组件技术构造,通过COM技术为开发人员提供了强大的二次开发接口,凡支持COM编程的开发工具,均可以用于SolidWorks二次开发。采用VC++ 6. 0作为开发工具可充分利用API 函数和MFC 类库, 开发的DLL 应用程序模块可以直接嵌入到SolidWorks内部。DLL 应用程序模块加载成功后,程序菜单直接出现在SolidWorks 主菜单上,可极大提高设计效率[5,6]。
为了方便存储、提取和操作不同结构参数及功能属性特点的构型数据,将构型的数据存储到数据库中。Microsoft Access是当前流行的关系型数据库管理系统之一,基本的核心是 Microsoft Jet数据库引擎,用VisualC + + 6. 0对数据库对象进行访问,可以完成诸如查询、排序、增删记录等对数据的操作功能。选用Access2003作为数据源管理工具,通过编写数据库接口应用程序,建立与数据库服务器的连接,并对其进行相关数据库的访问和操作。
2 基本构型库系统开发原理
2.1 系统结构
采摘机构基本构型库系统包含机构构型参数化设计功能和属性信息查询修改等功能。参数化设计模块应先建立基于Solidworks 平台的少自由度串、并联基本构型的机构模型库。在此基础上,建立一组可以完全控制三维模型形状和大小的设计参数,并对设计参数进行编程,实现检索、修改,依据新的参数自动更新三维模型。机构的运动功能属性包括自由度数、转动自由度数、移动自由度数等。使用性能属性包括机构元的承载能力、整体刚度、工作空间、成本价格、结构复杂性和灵活度等方面的信息,可利用Access表建立数据库信息源,通过数据接口,对属性信息进行操作。基于SolidWorks 环境的构型库系统的结构框架如图1所示,主要由机构模型库、属性信息库、基本构型的参数化设计主程序模块、应用程序接口模块及用户界面构成。
系统用户通过界面设置机构主要参数,修改或查询机构的属性信息数据库。用户操作所进行数据的访问或计算将被组织为多个请求传送至主程序。主程序针对用户的功能请求,调用相应的功能模块,经应用程序接口进行相应的事务处理,并将计算或操作结果返回到用户界面。通过API接口调用基于SolidWorks 的少自由度串、并联机构模型库,对口模型模板数据进行参数设置修改,驱动构件模板生成相应参数的机构模型。通过ADO数据库访问接口调用ACCESS表中记录的机构的相应属性信息,并进行机构构型属性访问或修改操作。
2.2 参数化设计技术路线
少自由度串、并联机构构型库的参数化设计包括API应用程序的代码编写、人机交互对话框的建立、机构构型参数化驱动以及应用程序与参数化构型库的链接等实现过程。考虑少自由度并联机构装配体模型建立比较复杂,尺寸参数驱动法在程序的编写、使用和维护升级方面简单实用,因此采用尺寸驱动的设计方法[7,8]。基于SolidWorks API的参数化设计技术路线,如图2所示。
少自由度串、并联机构是由多个杆件装配组成,首先设计杆件零件模型,并使其具有尽可能多类似零件的所有特征,以减少建模的工作量。为给后续设计工作提供装配参考基准,还需合理创建参考基准点、基准轴和3个相互垂直的基准面。在Assembly模块下将杆件零件模型装配成机构,使机构模型受尺寸驱动并保持拓扑关系不变。再设置设计参数,添加合理的参数驱动关系,存储为机构构型模板模型。
SolidWorks环境下不能直接修改机构组成杆件的参数值,在修改具体的尺寸参数时需要打开目标杆件零件后再修改。机构参数化驱动首先要加载、激活机构的“.SLDASM”文件,并通过程序选择需要修改参数的目标杆件将其打开,再在这个“.SLDPRT”文件中选择需要修改的尺寸,获得尺寸参数对象指针,调用SsolidWorks API 函数修改参数数值,具体程序流程如图3所示。
3 基本构型库的实现
3.1 用户界面设计
系统人机交互界面包括调用插件程序的菜单和机构构型交互对话框两部分。菜单是进入各类机构构型参数化设计的接口,主菜单“果蔬采摘机构构型库”按机构类型分为“少自由度串联机构构型库”和“少自由并联机构构型库”两个二级子菜单,各二级菜单又按不同机构构型划分为各种具体机构的三级子菜单,如图4所示。
用户对话框采用在工程中添加并显示模态对话框方式,使用对话框作为父窗口,按钮、编辑和图片控件作为子窗口,共同完成用户对数据的输入、获取和连接。用户通过编辑机构的基本参数生成用户所需要的机构。Delta机构对话框如图5所示。
3.2 源代码编写
启动Microsoft Visual C++6.0,利用应用程序设计向导(AppWizard)新建工程,添加SolidWorks Addin对象,完成创建SolidWorks应用程序的基本框架,建立一个基于常规MFC的动态链接库工程。编写程序代码,其中Delta机构连杆参数驱动实现部分代码如下:
void delta::OnOK()
{
……
CComPtr<IModelDoc2> m_iModelDoc1;
//定义ModelDoc对象
VARIANT_BOOL retval=VARIANT_TRUE;
m_iSldWorks_dlg1->OpenDoc6(fileName,
swDocASSEMBLY, Options,moren, &Errors,
&Warnings, &m_iModelDoc1);
//打开文件,打开装配体中的连杆
HRESULT hres;
CComPtr<IAssemblyDoc> assemblyDoc1;
hres=m_iModelDoc1->QueryInterface(IID_IAs
semblyDoc, (LPVOID *)&assemblyDoc1);
CComBSTR para1(L"连杆@Delta机构");
CComBSTR para2(L"COMPONENT");
CComPtr<IModelDocExtension> modelDocExt1;
m_iModelDoc1->get_Extension
(&modelDocExt1 );
hres=
modelDocExt1->SelectByID2(para1,para2, 0,
0, 0, false,1, NULL,0,&retval);
hres = assemblyDoc1->OpenCompFile();
CComBSTR para3(L"连杆.SLDPRT");
long err;
CComPtr<IModelDoc2> m_iModelDoc11;
hres =
m_iSldWorks_dlg1->IActivateDoc3(para3,
false,&err, &m_iModelDoc11);
//对连杆的参数进行驱动
CComBSTR para4(L"D1@连杆");
CComPtr<IDimension> retvalDimen1;
hres =
m_iModelDoc11->IParameter(para4,&retvalDi
men1);
long retv1;
hres=retvalDimen1->ISetSystemValue3(m_lia
ngan, swSetValue_InThisConfiguration, 1, 0,
&retv1);
hres=
m_iModelDoc11->EditRebuild3(&retval);
hres = m_iSldWorks_dlg1->CloseDoc ( para3 );
……
//重建装配体模型
CComPtr<IModelDoc2> m_iModelDoc;
CComBSTR para(L"Delta机构.SLDASM");
hres = m_iSldWorks_dlg1->IActivateDoc3(para,
false, &err, &m_iModelDoc);
hres= m_iModelDoc->EditRebuild3(&retval);
CDialog::OnOK();
}
4 结论
选用SolidWorks2008 作为二次开发平台,采用VisualC + + 6. 0 和SolidWorks 2008 API SDK提供的ATL向导作为开发工具,利用Access2003作为数据源管理工具,采用尺寸驱动的设计方法,开发少自由度串、并联基本构型的机构模型库系统。通过对控制机构模型形状和大小的设计参数编程,实现机构的检索、修改和重生;通过数据库操作,实现基本构型性能属性信息的查询和修改。系统具有可扩展性,对果蔬采摘机构构型的高效、智能、创新设计具有实际意义。
参考文献
[1]张洁,李艳文.果蔬采摘机器人的研究现状、问题及对策[J].机械设计,2010,27(6):1-4.
[2]黄真,赵永生,赵铁石.高等空间机构学[M].北京:高等教育出版社,2006:347-368.
[3]曲海波.少自由度串联机器人构型综合与奇异分析[D].北京:北京交通大学,2008:47-84.
[4]李嵩.少自由度并联机构基本型的分析与综合[D].重庆:重庆大学,2007:62-124.
[5]李爱平,王龙涛,刘雪梅.SolidWorks环境下参数化部件库的开发及实现[J].机械设计,2010,27(8):5-10.
[6]王文波,涂海宁,熊君星.Solidworks2008二次开发基础与实例(VC++)[M].北京:清华大学出版社,2009:142-225.
[7]李向阳.SolidWorks二次开发的研究[J].制造业信息化,2008(2):37-38.
果蔬采摘机器人 篇6
1962年,世界第一台工业机器人问世以来,机器人技术得到了迅速的发展,机器人的使用范围已经不再局限于传统的制造业,除了工业外已被众多领域所采用,如我国也已经研发出多种特种机器人和农业采摘机器人等。机械手技术是近年来发展起来的一种高科技生产设备,是机器人的重要分支,通过对机械手预先编程控制可以使其完成各种预期的机械作业; 其结构特征具有人和机器的特点,具有智能和自适应能力。由于其能够准确地完成目标任务,可在各种环境中完成作业,因此在国民经济中有着广阔的前景。 我国是一个农业生产大国,但随着农业生产规模的不断扩大和精耕细作的要求,某些区域呈现出劳动力不足的现象; 而果蔬的采摘是一项劳动密集型的工作, 其时令要求较高,因此对于果蔬高效采摘机械手的研究具有重要的意义。
1基于PLC的果蔬采摘机械手总体设计
果蔬采摘机械手应该具备3个主要的功能,包括左右移动、上下升降和夹紧与放松。因此,机械手采用三自由度设计方式,其类型属于气压式圆柱坐标型机械手,结构如图1所示。其结构主要由机座、腰部、 水平手臂、垂直手臂及气爪等部分组成。其中,机械手的电器控制系统除了有多种工步特征外,还需要具有连续控制等工作方式,其操作面板的设计如图2所示。
机械手的上升和下降通过电磁阀来控制,当碰到限位开关时,机械手停止动作,开始夹紧; 夹紧后,上升电磁阀开始工作,机械手上升; 当碰到限位开关时, 停止上升,开始左右移动; 当果蔬位置移动到果蔬乘放装置时,机械手松开,果蔬落入装置后根据机械视觉,定位下一目标,从而进行下一采摘任务。
操作面板的总体设计如图3所示。当按钮在原点时,系统在左上角进入待命状态; 当旋钮在自动位置时,系统自动完成各种预设任务,而且可以循环操作; 当旋钮处于手动位置时,机械手通过手动控制来完成各种任务。根据一个作业周期中需要输入和输出的参数,画出PLC的I /O连接图,主要包括15个输入点和6个输出点。
由于不同机型的PLC,其I /O点的编号不同,因此应根据所选择的机型,对PLC的I /O点分配编号,本文采用的是ACMY - S80,图4表示其所对应的I /O点编号。
2三轴机械手结构和伺服控制系统设计
2. 1机械结构设计
机械手设计为三轴的形式,即X轴、Y轴、Z轴。 其中,X轴为水平方向,设计的有效行程为3m; Y轴为竖直方向,其有效行程为3m; Z轴为垂直于XY轴方向,其有效行程为1m。其总体结构如图5所示。
根据机械手总体结构可以对机械手的手部进行设计,根据设计要求设计出的手部结构如图6所示。
图6中,FN为手指对工件的夹紧力,F为夹紧缸活塞杆的推力。三轴机械结构和机械手手部需要使用传动机构进行连接,其传动机构示意图如图7所示。
图7中,机械手传动的同步轮做成可调节结构,丝杆与滑轨之间的连接是丝杠是否移动顺畅和是否达到精度要求的主要原因,因此其连接块的精度要求比较高。丝杠与连接块连接示意图如图8所示。
三轴机械手的实际控制过程是比较复杂的,除了元件的非线性外,还要受到多种干扰,因此需要使用一种控制方案,对机械手的动作进行精确控制,从而提高定位和抓取的精度。
2. 2伺服控制系统
为了分析三轴机械手控制系统的本质,必须对实际机械手做进一步抽象和必要的简化处理。通过理论模型的简化和假设,机械手果蔬抓取系统的力学简化模型如图9所示。
图9中,机械手连接块质量为mc( kg) ,果蔬的质量为ml( kg) ,机械手臂长度为l ( m) ,提升力为F2( N) ,连接块与水平轨道的摩擦阻尼系数为 μ ( kg /s) , 假设机械手初始位置为x ,摆角为 θ ,根据图8可以建立机械手的力学模型。其中,机械手位置和果蔬的位置坐标可以表示为
通过建立机械手的速度和加速度方程,可以得机械手系统的方程组为
其中,g表示重力加速度,F1表示机械手受到水平方向的拉力。为了简化研究,只研究机械手的水平运动过程和消摆控制,令式(2)中的,F2=0,并令F=F1,则可得到绳长不变时的桥式吊车运动系统的数学模型为
式( 3) 中的线速度和角加速度都可以利用伺服电机进行控制。假设速度控制函数为u( k) ,u( k) 的值和伺服电机的速度值时一一对应的,可以利用位置型PID控制算法,图10表示位置型PID算法的基本流程图。
图10中,r( k) 、c( k) 表示两次采样值; e( k) 表示两次采样的偏差,即反馈调节数值; A表示期望输出数值。其结构框架如图11所示。
位置型PID的输出不仅与本次偏差有关,而且与历次测量偏差值都有关,计算时要对e( k) 累加。
3果蔬采摘三轴并联机械手功能测试
为了测试设计的果蔬采摘三轴并联机械手采摘效果,对其进行了测试,并利用Mat Lab /Simulink模块对其PID控制性能进行了计算。其中,机械手的果蔬采摘实验测试如图12所示。
对于PID控制,其参数整定过程是比较繁琐的, 但是可以基于Mat Lab /Simulink仿真环境,模拟工程稳定边界法的PID参数整定策略和步骤,对PID参数进行整定,整定结果如表1所示。
针对PID参数的整定结果,通过反复修改、比较和仿真,确定系统的前馈PID的仿真参数为Kp= 30,Ki= 5. 0,Kd= 0. 01。通过计算,得到了机械手位置的响应曲线如图13所示。
由图13可以看出: 在计算到12s时,位置不在波动,说明利用PID控制可以短时间内准确定位,提高了机械手果蔬的采摘效率。
图14表示使用PID算法时,利用Mat Lab仿真模拟计算得到PID控制参数优化结果曲线。由图14可以看出: 在计算到4s时,摆角不在波动,说明利用PID控制可以短时间内使摆角稳定,达到准确定位的目的。
表2表示果实的准确定位和单次定位时间测试结果。由表2可以看出: 果实准确定位率较高,最高达到了98. 56% 。这说明在PID反馈调节作用下,果蔬采摘机械手具有较高的定位性能,从而可以有效的降低漏采率和破碎率; 而单次定位时间耗时较低,说明采用三轴机械手可以有效的缩短机械动作响应时间,提高机械手的机械作业效率及果蔬采摘的效率。
4结论
基于PLC和PID反馈调节控制原理,采用伺服控制的方法设计了一种新的三轴果蔬采摘机械手。该机械手可以有效完成采摘过程的移动、升降和夹紧动作,提高了机械手的作业效率和作业精度。