梁喜凤[1]2004年在《番茄收获机械手机构分析与优化设计研究》文中研究说明果实收获是农业生产过程的重要环节，为提高劳动生产率和作业质量，降低劳动强度，改善工作环境，实现收获作业机械化、自动化和智能化，基于番茄生物学特性与栽培方式，设计了7自由度番茄收获机械手，并进行了机构优化设计与仿真试验。 (1)根据番茄生物学特性、栽培方式与番茄收获机械手机构型综合原则，确定了番茄收获机械手是由2个移动关节、5个转动关节构成的7DOF冗余度机械手；以工作空间和杆件结构尺寸为目标建立了综合优化目标函数，获得了机械手结构参数的优化解，并根据实际工作方式确定了机械手结构尺寸参数。 (2)采用Denavit-Hartenberg方法设定了番茄收获机械手杆件坐标系，通过齐次变换建立了正运动学与逆运动学模型，获得了番茄收获机械手雅可比矩阵，为机械手运动学分析、仿真与性能优化奠定了理论基础。 (3)利用包络解析法和数值方法，并结合机械手末杆位姿图，获得了番茄收获机械手腕点工作空间、总工作空间与灵活工作空间。腕点工作空间满足机械手设计要求，末杆长度与末端执行器长度对总工作空间与灵活工作空间有较大影响，随着其长度增大，总工作空间增大，但相应的灵活工作空间减小，机械手灵活性降低；为减小工作空间中空腔区域体积，杆件3、杆件5的长度与关节5的转角应合理选择。 (4)采用蒙特卡洛方法对番茄收获机械手末端执行器位置空间进行仿真。结果表明，工作空间主截面区域能够覆盖番茄生长范围，内部工作点密集且分布均匀，满足番茄采摘要求。 (5)利用MATLAB／SIMULINK同时进行番茄收获机械手正运动学与逆运行学仿真试验。正运动学仿真结果表明，末端执行器加速度与给定加速度一致，速度与时间基本呈线性变化且斜率小；位置曲线变化平滑，无振动现象，满足正常工作要求。逆运动学仿真结果表明，关节1、3、7速度最小范数解、位置与加速度均满足运动要求，无异常波动现象，能够实现控制；而关节2、4、5、6速度在仿真时间t=[4.7197s，5s]时速度、位置和加速度出现异常振荡，关节运动失控，从而引起系统振动，其运动性能需进一步改进。 (6)通过雅可比矩阵奇异值分解进行番茄收获机械手奇异性分析，并采用阻尼最小二乘法对机械手运动中的奇异位形进行处理，使番茄收获机械手最小奇异值远离零点，各关节运动速度、位置和加速度运动无异常波动，解决了机械手在奇异位形处某些关节运动无法控制的问题。 (7)利用冗余度机械手自运动特性，综合机械手可操作度、避关节极限和避障等性能建立了番茄收获机械手综合性能优化目标函数，并采用零空间优化法进行性能优化。结果表明：机械手各关节速度、位置、加速度均变化连续且平滑，幅值与梯度变化小，无奇异现象，避免了关节越限，解决了由各关节位置的波动而引起的关节运动失控问题，改善了番茄收获机械手运动性能，系统工作平稳，为运动控制奠定基础。浙江人学博_l:学位论文摘要 (8)采用迭代法和优化方法对番茄收获机械手进行PTP运动规划与仿真试验。结果表明，番茄收获机械手能够由初始位置沿预定路径运动至目标位置且可以同时进行性能优化，机械手具有较高的灵活性，成功避开了作业空间的障碍物，奇异位形附近运动规划误差小，各关节位置变化连续、平滑，均能满足运动精度要求。但番茄收获机械手运动误差还受到关节极限等因素影响，运动规划中避关节极限等问题仍需进一步研究。
刘小勇[2]2006年在《番茄收获机械手机构分析及双目定位系统的研究》文中提出农业机器人作为机器人的一种类型，是精准农业、微电子、计算机和自动控制等技术在农业生产中应用的集中体现，是农业生产过程自动化、智能化的重要标志。 果实收获是农业生产过程的重要环节，为提高劳动生产率和作业质量，降低劳动强度，改善工作环境，实现收获作业机械化、自动化和智能化，基于果实生物学特性与栽培方式的收获机械人得到了发展。目前，日本、美国、荷兰等国家已研制了多种收获机器人，主要用于收获番茄、黄瓜、草莓、葡萄、西瓜、甜瓜、苹果、柑橘、甘蓝等蔬菜和水果。本文设计了7自由度番茄收获机械手，并对其运动学方程及双目视觉定位系统进行了研究。 本文首先根据番茄生物学特性、栽培方式及番茄收获机械手机构型综合原则，确定了番茄收获机械手是7DOF冗余度机械手；以工作空间和杆件结构尺寸为目标建立了综合优化目标函数，获得了机械手结构参数的优化解，并根据实际工作方式确定了机械手结构尺寸参数。 在确定了机械手的结构尺寸后，采用Denavit-Hartenberg方法设定了番茄收获机械手杆件坐标系，通过齐次变换建立了正运动学与逆运动学模型，获得了番茄收获机械手雅可比矩阵，并用Matlab进行了运动学正解仿真。 番茄收获机械手的运动学模型能够使机械手完成对目标的采摘要求，但是目标的位置信息的获得应该靠机器人的视觉系统。而番茄收获机械手的视觉系统主要目的是确定目标的位置，所以，本文采用双目视觉系统，建立了双目定位模型。并对摄像机内外部参数进行了标定，之后作了定位实验。
梁喜凤, 苗香雯, 崔绍荣, 王永维[3]2005年在《番茄收获机械手运动学优化与仿真试验》文中指出为分析并改善番茄收获机械手运动学特性,采用Denavit-Hartenberg坐标系,通过齐次变换建立了7自由度番茄收获机械手运动学模型。利用冗余度机械手的自运动特性,综合考虑可操作度和避关节极限两个性能指标进行运动学优化和仿真试验。试验表明,运动学优化后,机械手各关节速度变化均匀平缓,位置曲线过渡平滑,无关节越限现象,具有较高的灵活性,能够满足末端执行器的运动要求。
梁喜凤, 王永维, 苗香雯[4]2008年在《番茄收获机械手机构尺寸优化设计》文中提出尺寸优化设计是机械手总体设计的关键步骤之一。介绍了一种能够获得合理果实收获机械手工作空间和结构轻量化的优化设计方法。基于番茄生物学特性和栽培模式,根据机械手几何工作空间,以工作空间主截面包络面最佳和结构轻量化为目标函数,以轨迹区域约束、杆件尺寸和关节角度限制为约束条件,建立了机械手机构尺寸优化设计模型,采用MATLAB软件进行仿真试验,并分析了机械手各杆件长度、关节角度与目标函数的关系,获得了机械手尺寸的最优解,为番茄收获机械手机构进一步分析奠定了基础。
梁喜凤, 蒋正帅, 杨犇[5]2014年在《七自由度番茄收获机械手动力学研究》文中研究指明在番茄收获机械手动力特性优化控制的研究中,采用Lagrange法,建立了七自由度番茄收获机械手的动力学模型,获得了机械手力、质量和加速度以及力矩、转动惯量和角加速度之间的关系,并得到了机械手在完成指定运动时各关节驱动器所需要的驱动力(力矩)。利用Pro/E和ADAMS建立了机械手的虚拟样机,分别在MATLAB和ADAMS中进行了动力学仿真。结果表明,利用动力学模型与虚拟样机得到的各关节作用力(矩)均呈规律性变化,除关节2和关节4外,各关节力(矩)值是相同的。两种方法得到的关节2和关节4力(矩)的最大相对误差为3.76%,验证了动力学模型的正确性和虚拟样机的可靠性,为番茄收获机械手轨迹跟踪控制提供了动力学模型和基于虚拟样机的被控对象,并为优化设计提供了依据。
梁喜凤, 王永维, 苗香雯[6]2008年在《番茄收获机械手避障运动规划》文中指出基于伪距离避障法,以机械手可操作度作为优化指标,采用性能优化与正运动学迭代相结合的方法,进行了番茄收获机械手连杆避障运动规划与仿真。试验结果表明,机械手手臂能够沿预定路径成功避开障碍物到达目标位置,并能保证良好的可操作度性能,各关节位置变化连续、平滑,无关节越限现象,末端执行器位置绝对误差为0.87mm,运动速度为0.18m/s,机械手能够满足番茄收获的精度和生产率要求。
秦超, 梁喜凤, 路杰, 彭明, 金超杞[7]2018年在《七自由度番茄收获机械手的轨迹规划与仿真》文中研究说明为了探究番茄果实串收获机械手的轨迹规划方法,以七自由度番茄收获机械手为研究对象,运用D-H法建立运动学模型,得到位置和速度的正、反解.采用多项式插值法、抛物线过渡的线性插值法、摆线运动法和B样条插值法,对关节约束条件下的机械手,从复位点到采摘点的运动进行关节空间轨迹规划与仿真试验.分析关节运动的位移、速度和加速度,对不同规划方法的关节最大速度进行定量分析.利用五次多项式法和摆线运动法,研究末端执行器的位移和速度.结果表明,利用五次多项式插值法能够满足关节路径点的位移、速度和加速度边界条件,规划的关节运动轨迹连续平滑,关节最大速度较摆线运动法平均降低了6.25%,提高了机械安全性能,对应的末端执行器运动轨迹平滑,无跳变点.
梁喜凤, 王永维[8]2006年在《番茄收获机械手奇异性分析与处理》文中提出为解决番茄收获机械手的奇异性问题,分析了该机械手雅可比矩阵的奇异值和可操作度,利用阻尼最小二乘法对其奇异性进行处理与仿真试验。结果表明,番茄收获机械手经奇异性处理后,阻尼伪逆矩阵的最小奇异值远离零位置,各关节运动速度和位移变化平缓,奇异位形消失,系统工作平稳,满足番茄收获机械手作业要求。
王新忠[9]2012年在《温室番茄收获机器人选择性收获作业信息获取与路径规划研究》文中提出果蔬收获机器人关键技术的研发,是我国设施农业规模化、工业化进程中的必要环节。本研究针对番茄收获机器人作业信息获取技术开展研究,对于提高我国智能化设施农业装备的研发水平具有重要的理论意义和实际价值。本研究以温室典型瓜果作物——番茄为研究对象,对番茄收获机器人选择性采收中作业信息快速获取问题进行了研究,为了获取各种成熟果实的等级信息,以便对果实实时分类采摘和存放,将计算机视觉图像、近红外反射光谱等信息通过多传感信息融合进行检测,并对多目标采摘的机械手路径规划开展研究。本研究主要完成了以下工作：(1)研究果实图像、光谱和内在品质常规检测等试验信息采集。在对番茄试验样本的成熟期筛选的基础上,讨论了番茄可见光图像、多光谱图像、温室垄间道路图像的信息获取,介绍了利用光谱仪采集番茄近红外光谱信息的试验方案。研究了番茄内部理化成分的常规检测方法,并获取了番茄样本常规理化成分检测的数据。(2)利用机器视觉技术对田间生长状态的番茄成熟度进行识别判定研究。选取绿熟期、催熟期、半熟期、成熟期和完熟期等五种程度的番茄果实为研究对象,在生长状态下采集可见光图像和近红外图像,提取了12个图像颜色特征变量进行分析,利用神经网络、判定分析等模式识别方法进行了果实识别分类。试验表明,①随着成熟度的变化,番茄果实图像色调H、G分量均值有递减趋势,半熟期果实图像H和G分量色差的均值标准差均为最大。②在所有成熟度番茄样本中,半熟期番茄近红外图像强度均值最小。③色调H分量均值可作为番茄成熟度判定指标,当H分量均值取43时,可以将绿熟期和催熟期以上成熟度番茄划分开。④基于H分量统计模型的番茄成熟度模型总体判定正确率为93%,判定误差主要由半熟期番茄识别造成。(3)开展基于近红外光谱技术的果实内在品质快速检测研究。针对番茄收获机器人选择性收获时对番茄内部品质等级信息实时检测问题,利用可见-近红外光谱技术对番茄的胡萝卜素、固形物、总糖和总酸含量进行了非破坏性快速检测研究。①以镇江地产番茄品种共70个样品为研究对象,比较了3中不同的光谱预处理方法对回归模型精度的影响,采用样本数据集归一化处理,在全波段范围内建立了4个理化成分的支持向量机回归模型,模型的交互验证的相关系数均在G.94以上。②选取糖分作为番茄内在品质评价依据,利用iPLS法从全波段中提取出216个波长点,再利用遗传算法结合偏最小二乘法(GA-PLS)筛选出6个特征波长,分别为552nm、557nm、1215nm、1251nm、1279nm、1284nm。利用提取的6个特征波长,建立了糖分等级的支持向量机分类模型,分类准确率为82.35%,可以用于番茄品质指标的快速检测。(4)针对温室环境下严重遮挡果实的快速识别和形状特征提取开展研究。①提出利用H分量颜色特征分割果实敏感区域,通过形态学开运算方法去除叶、茎秆和温室附属物等背景噪音,采用区域空洞填充算法消除阳光直射形成的亮斑空洞,应用顺序法对区域标记处理并实现多果实区域边界跟踪,识别出果实区域。②针对多种生长状态下尤其是严重重迭的多果实番茄图像的形状特征提取,提出基于边界弦平分线结合聚类算法,确定出每个果实的中心点和外接圆半径等形状特征参数。结果表明,针对分辨率640x480图像的处理时间为0.45s,对自然状态下的200幅番茄图像的正确识别率为95.5%。(5)开展结果期温室内吊蔓绳障碍物识别研究。首先基于区域特征采用Otsu法对吊蔓绳图像进行阈值分割,并通过试验分析确定了适用于多种天气条件下的阈值修正量。针对温室内多种复杂背景噪声干扰,提出基于面积阈值法去除小面积噪声区域,采用区域外接矩长宽比阈值法去除大面积背景噪声区域,从而获得吊蔓绳区域。最后利用最小二乘拟合得到吊蔓绳障碍物位置信息。通过试验确定了外接矩长宽比阈值为6.0952,该识别方法对温室光照不均、背景噪声复杂等干扰因素有良好的适应性,对100幅植株障碍物样本图像的正确识别率达93%,平均耗时为0.8s。(6)开展番茄收获机器人多源作业信息获取系统集成研究。探讨了番茄机器人实时分类采收过程中多传感器融合层次的选择和信息融合组合结构,研究了基于多传感器信息的番茄选择性采收决策和等级判定的实现。进行了温室番茄采收机器人多源信息获取系统硬件集成设计,构建了双目视觉识别系统,选用FieldSpecPro光谱仪采集果实内部糖分信息,利用MOTOMAN机械手结合自制的末端执行器组成番茄选择性采摘机械手,并和移动平台构成一个8自由度的番茄机器人。通过标定试验,分析确定双目摄像机的合理安装间距为250mm,定位误差可控制在5mm以内。采用基于Visual C++和MATLAB混合编程的方式,设计开发了番茄收获机器人采收决策和目标信息检测软件,并对选定样本进行了试验检测。(7)研究了实时分类收获过程中机械手多果实位置点到多个果箱的复杂路径规划。提出构建机械手全局最优路径规划决策树,按照全局路径最短距离的优化原则遍历搜索决策树,建立路径优化模型,求解全局最优路径。结合番茄果实空间位置和吊蔓绳障碍物位置信息,构建MOTOMAN SV3X机械手运动学模型,开展局部避障运动轨迹规划研究。(8)研究了温室非结构作业环境和复杂背景下垄间道路识别方法。提出了依据I分量直方图采用最大类间方差法进行图像阈值分割,利用间隔扫描区域边缘提取算法获取加热管边缘离散点簇,经最小二乘法拟合后得到两条加热管边缘线,进而推算出道路中心基准线。在光照不均和作物遮挡等多种情况下的道路检测试验表明,该方法提取的道路中心基准线与人工拟合道路基准线平均相对偏差为0.77%,当加热管被遮盖率在[10%90%]区间时,道路基准线提取算法准确率达91.4%,平均相对偏差0.72%,较Hough变换直线检测算法平均耗时降低了76.4%,表明该算法简单快捷,具有良好的鲁棒性。
姚立健[10]2008年在《茄子收获机器人视觉系统和机械臂避障规划研究》文中指出茄子作为人们生活中常见的蔬菜,在我国大江南北都有广泛的种植。本文以苏皖一带常见的自然生长的长紫茄为研究对象,以实现成熟茄子自动识别、定位和机械臂避障路径规划为研究目的。完成的主要工作有:1根据自然生长茄子图像的灰度和颜色特点,在RGB中,对6种色差组合进行分析,发现目标和背景的R-B、G-B和G-R差别较大;在HSI空间中,H通道的目标和背景有明显差别。因此,在阈值分割中,采用基于遗传算法的自动选取阈值法(Otsu法)对图像进行分割;在去除残留噪音的处理中,采用标注的方法对二值图像的各连通区域进行面积统计。保留最大面积的区域,从而使分割效果大大改善。利用多参数来衡量分割效果,使评价尽可能地做到客观、合理。2尽管单一阈值法对茄子图像分割能取得一定效果,但依然存在较大的残留噪音。在分析茄子图像色差和色调的基础上,选取R-B、G-B和H作为自组织特征映射网络(SOFM)的输入特征向量,利用该网络自组织学习的特征进行聚类;采用信噪比、面积比、分割时间和傅立叶边界描述子等指标来评价分割精度;并据此确定了SOFM网络的输入特征向量的个数、输出神经元个数、训练步数、拓扑函数、距离函数、学习函数等参数。使用傅立叶描述子的能量谱值来评价分割边缘的相似程度,克服了其他边缘描述子依赖边缘点的个数和起始位置等限制。实验证明,基于SOFM神经网络图像分割评价优于单一阈值分割,适合复杂背景的彩色图像分割。3提出了一种基于改进型广义Hough变换的空间有部分遮挡的茄子目标识别方法。用广义柱近似描述样本茄子形状;在描述茄子空间位姿的6个参数中,选择两个位置参数和一个旋转参数等3个主要参数;通过坐标转换获得了不同位姿的立体目标在平面上的投影边缘。将缩放、旋转等运算提前于参数表制作阶段进行,采用了“形状相似度”的方法初选缩放索引和旋转索引,有效降低了搜索时间,提高了搜索精度;建立茄子外形的4维参数索引表;适当提高梯度索引步长,可避免参考点在累加器中的排布过于分散,便于从潜在参考点中找出最终参考点坐标;采用改进型的广义Hough变换计算茄子目标的潜在位置,并通过比较各旋转角度下的“面积比”,筛选出目标实际的位姿。实验表明:改进型广义Hough变换对空间不同位姿、部分遮挡情况下目标的识别具有良好的效果。4根据针孔透视模型,采用了一种平面标定法,对摄像机模型进行分析和标定。左右摄像机标定过程中,利用最小二乘法标定了摄像机的内外参数;结合实验室已有的实验条件,选用平行式的双目立体视觉;根据自然环境中茄子生长的特征,提出了一种基线选择的方法,并在此基础上,通过实验确定两摄像机的合理基线距离2a应大于132mm,合理的测量深度范围z应在[700,1200]mm之间;根据左右摄像机内外参数,对摄像机的位姿进行调节,使之满足Marr约束4;通过对内外参数的求取和基线的选择,建立了茄子收获机器人的双目立体系统;选择目标的形心作为特征匹配点。在此条件下,其测量相对误差可控制在2%以内,能够满足在农业环境里机械手作业要求。5提出了一种机械臂在叁维空间的避障方法。将空间障碍物等效为可以用数学建模的轴截面为圆或矩形的圆柱扇环,将叁维空间的路径规划简化为二维,提高了控制的实时性;将障碍物等效从工作空间转换到C-空间中,使对机器人的控制直接作用于关节,避免了使用雅克比矩阵的逆阵进行复杂的坐标转换;将C-空间映射到图像矩阵中,通过对图像进行适当的处理,规避了在使用A*算法寻优时可能出现的失败。实验表明,该避障路径规划方法计算量小,实时性好,适合自然生长状态下的茄子自动收获。
参考文献：
[1]. 番茄收获机械手机构分析与优化设计研究[D]. 梁喜凤. 浙江大学. 2004
[2]. 番茄收获机械手机构分析及双目定位系统的研究[D]. 刘小勇. 东北农业大学. 2006
[3]. 番茄收获机械手运动学优化与仿真试验[J]. 梁喜凤, 苗香雯, 崔绍荣, 王永维. 农业机械学报. 2005
[4]. 番茄收获机械手机构尺寸优化设计[J]. 梁喜凤, 王永维, 苗香雯. 机械设计与研究. 2008
[5]. 七自由度番茄收获机械手动力学研究[J]. 梁喜凤, 蒋正帅, 杨犇. 计算机仿真. 2014
[6]. 番茄收获机械手避障运动规划[J]. 梁喜凤, 王永维, 苗香雯. 农业机械学报. 2008
[7]. 七自由度番茄收获机械手的轨迹规划与仿真[J]. 秦超, 梁喜凤, 路杰, 彭明, 金超杞. 浙江大学学报(工学版). 2018
[8]. 番茄收获机械手奇异性分析与处理[J]. 梁喜凤, 王永维. 农业工程学报. 2006
[9]. 温室番茄收获机器人选择性收获作业信息获取与路径规划研究[D]. 王新忠. 江苏大学. 2012
[10]. 茄子收获机器人视觉系统和机械臂避障规划研究[D]. 姚立健. 南京农业大学. 2008