学位论文 > 优秀研究生学位论文题录展示

农业机器人末端执行器抓持力控制研究

作　者: 王学林
导　师: 姬长英
学　校: 南京农业大学
专　业: 农业机械化工程
关键词: 末端执行器抓持力控制变形农业机器人
分类号: TP242
类　型: 博士论文
年　份: 2009年
下　载: 244次
引　用: 1次
阅　读: 论文下载

内容摘要

由于果蔬采摘作业的复杂性和特殊性,农业机器人采摘成功率低,损伤率高。引起损伤率高的一个主要原因是末端执行器抓持果蔬力过大或过小,导致抓伤或脱落。果蔬在抓持过程中会发生变形,使抓持力逐渐变小,采摘中应考虑果蔬变形对末端执行器夹持力的影响。果蔬抓取过程要求对果实无任何损伤,这就要求机器人的末端执行器具有柔顺性。本文主要从主动柔顺控制的方法,即力控制的角度出发,解决目前机械手采摘、抓取易损伤果蔬的弊端。完成的主要工作有：1以农业流变学、机器人学、机器人操作理论为依据,通过弹簧、阻尼器和扭簧的串并联组建5元件的机械模型。当机械手指在被抓持物体的分布间距比手指的尺寸大的多时,可认为是每个手指均对应一个5元件模型,因而可利用刚体抓取理论建立果蔬的通用静态抓取模型。结合机器人收获中的水果抓取问题推导抓取映射矩阵,采用有界力封闭计算采摘水果所需的抓持条件。2果蔬自动抓取系统试验平台的研制,包括末端执行器、控制系统硬件、软件等设计。试验平台由末端执行器、运动控制卡、数据采集卡、交流伺服电机、交流伺服驱动器、测力传感器、信号放大器、稳压电源及工控机等组成,构成以PC机为基础的开放式末端执行器抓取力控制试验系统。系统具有良好的扩展性、通用性,实用性,能够满足抓取控制要求。3末端执行器在抓持果蔬过程中会发生变形,适合采用力和位置控制的串级控制结构。针对自行研发的抓取试验平台,提出一种适合果蔬抓取的力外环控制算法,将力偏差转换为位控系统的速度输入指令,随着力偏差的减小,末端执行器自减速停止,可减小力超调和振荡。控制系统稳定可靠,力传感器测量精度为0.3%FS,抓取西红柿成功率为96%以上,抓伤率低于10%,果蔬损伤均在高速抓取情况下出现。4为使末端执行器和变形果蔬间的夹持力快速低超调地跟踪设定值,提出基于灰色预测的增量PI力控制算法。该算法通过采集被抓物体受到的抓持力建立灰色预测模型,当预测模型精度较高或较低时,相应地加大或减小预测力偏差在综合力偏差中的权值,使力控制器可以利用过去、当前和未来的物体抓持力信息来计算合适的控制校正量对抓持力偏差进行预补偿,可使控制器获得超调量小和响应快速的特点,对末端执行器和可变形物体之间的动态抓持过程具有适应性。果蔬抓取实验证明了灰色预测PI力控制算法的有效性,可减小果蔬抓持损伤。5借助人类抓取果蔬的经验和知识,编制成模糊控制规则,可提高末端执行器抓取的成功率和可靠性。由于需要抓取的果蔬刚度不同,使用传统的控制并不能有效地解决抓持力控制问题,当果蔬刚度很高或很低时,根据标称环境设计的力控制器有可能失稳或响应太慢。为提高控制性能,可将模糊控制器与积分控制器结合起来构成复合控制器。积分控制器可以消除或减小稳态误差,使系统的稳态性能得到改善。积分I+模糊PD智能并行力控制算法非常适合果蔬的高速抓取。6预测控制算法同样适合具有旋转关节的机械手抓取。通过角刚度将关节力矩和关节角度联系起来,预测关节力矩的变化有助于估算抓取果蔬的力大小,进而减小果蔬的抓取损伤。提出一种力矩外环的果蔬抓取控制算法,在实际输出关节力矩和灰色预测力矩之间实行线性插值,按采样周期将预测力矩逐渐加到力矩回路中,可减小机械手输出力矩、角速度的振幅、超调,有利于保护被抓物体不受损伤。7农业收获机器人一般工作在高度非结构环境下,当存在过程和测量噪声的情况下,提出了基于卡尔曼滤波算法的RBF神经网络和PD复合控制方案,该方案由常规PD控制器、RBFNN前馈控制器和卡尔曼滤波器组成。当增大随机噪声的幅值,改变控制系统的采样频率时,仍然能够快速跟踪设定参考信号,具有优良的跟踪性能和较强的自适应和鲁棒性。

全文目录

目录  4-8
摘要  8-10
ABSTRACT  10-13
第一章绪论  13-31
  1.1 课题研究背景及意义  13-14
  1.2 机器人抓取的国内外发展现状  14-20
    1.2.1 刚体抓取  14-16
    1.2.2 变形体抓取  16-19
    1.2.3 非刚体抓取  19-20
  1.3 力控制发展概述  20-22
  1.4 课题研究目标和内容  22-23
  参考文献  23-31
第二章变形果蔬抓取模型及有界力封闭应用  31-45
  2.1 引言  31-32
  2.2 变形果疏5元件模型  32-34
    2.2.1 果蔬5元件建模  32-33
    2.2.2 果蔬抓持模型研究  33-34
  2.3 变形水果抓取映射矩阵  34-38
    2.3.1 力旋量  34-35
    2.3.2 刚体抓取映射矩阵  35-36
    2.3.3 果蔬抓取映射矩阵  36-38
  2.4 变形体有界力封闭抓取  38-39
    2.4.1 有界力封闭抓取概念  38-39
    2.4.2 变形体有界力封闭稳定性  39
  2.5 农业机器人采摘水果的抓取分析  39-43
    2.5.1 水果抓持分析  39-42
    2.5.2 末端执行器稳固抓取水果的条件  42-43
  2.6 本章小结  43
  参考文献  43-45
第三章抓取系统试验平台设计  45-57
  3.1 引言  45
  3.2 末端执行器设计  45-47
  3.3 控制系统硬件组成  47-52
    3.3.1 上位控制计算机  47-48
    3.3.2 PCI1240U运动控制卡  48-49
    3.3.3 PCI1710-CE数据采集卡  49-50
    3.3.4 数字交流伺服电机及驱动器  50-51
    3.3.5 测力传感器及放大器  51-52
  3.4 软件设计开发  52-54
  3.5 本章小结  54
  参考文献  54-57
第四章基于力外环的果蔬抓取控制  57-77
  4.1 引言  57
  4.2 力外环控制原理  57-59
  4.3 基于力外环的果蔬抓取控制  59-65
    4.3.1 抓持对象分析  59-60
    4.3.2 力外环果蔬抓取控制原理  60-61
    4.3.3 比例力控制  61-62
    4.3.4 增量式PI力控制  62-63
    4.3.5 位置控制与力控制的切换  63
    4.3.6 PID参数整定方法  63-65
  4.4 软件设计  65-72
    4.4.1 数据采集子Ⅵ  67
    4.4.2 运动控制函数  67-69
    4.4.3 伺服电机CW、CCW子Ⅵ  69-70
    4.4.4 电机停止子Ⅵ  70
    4.4.5 基于LabVIEW的增量式PI控制原理  70-71
    4.4.6 基于LabVIEW的力外环程序实现  71-72
  4.5 抓取试验  72-74
    4.5.1 低速抓持试验  72-73
    4.5.2 中速抓持试验  73
    4.5.3 高速抓持试验  73-74
    4.5.4 实验分析  74
  4.6 本章小结  74-75
  参考文献  75-77
第五章基于灰色预测的果蔬抓取控制  77-101
  5.1 引言  77
  5.2 灰色GM(1,1)预测模型  77-80
    5.2.1 灰色预测的几个相关概念  78-79
    5.2.2 灰色预测GM(1,1)模型的扩展  79
    5.2.3 灰色预测GM(1,1)模型特点  79-80
  5.3 基于灰色组合预测变参数PI力控制算法与试验  80-91
    5.3.1 灰色组合预测增量式变参数PI力控制算法  80
    5.3.2 灰色组合预测器  80-81
    5.3.3 灰色GM(1,1)预测算法  81-82
    5.3.4 综合偏差决策器  82-83
    5.3.5 变参数增量式PI力补偿器  83-84
    5.3.6 软件设计  84-88
    5.3.7 抓取实验与分析  88-91
  5.4 基于灰色预测增量PI力控制算法与试验  91-98
    5.4.1 灰色预测增量PI力控制算法  91-92
    5.4.2 综合力偏差  92-93
    5.4.3 等维新息灰色预测  93
    5.4.4 增量式PI控制  93-94
    5.4.5 软件设计  94-96
    5.4.6 抓取试验与分析  96-98
  5.5 本章小结  98
  参考文献  98-101
第六章基于积分I+模糊PD力控制的果蔬抓取  101-121
  6.1 引言  101
  6.2 模糊控制原理  101-105
    6.2.1 模糊控制器组成  101-102
    6.2.2 模糊控制规则及其特点  102-103
    6.2.3 LabVIEW模糊逻辑工具包  103-105
  6.3 积分I+模糊PD并行复合控制  105-109
    6.3.1 复合控制器组成与结构  105-106
    6.3.2 模糊力控制器设计  106-109
    6.3.3 复合控制器输出  109
  6.4 软件设计  109-112
    6.4.1 基于LabVIEW的积分控制原理  111
    6.4.2 积分I+模糊PD控制算法  111-112
  6.5 抓取控制试验  112-119
    6.5.1 试验方法  112
    6.5.2 复合控制抓取试验  112-117
    6.5.3 复合控制与模糊PD控制对比试验与分析  117-118
    6.5.4 复合控制算法评价  118-119
  6.6 本章小结  119-120
  参考文献  120-121
第七章力矩外环的果蔬抓取控制  121-131
  7.1 引言  121
  7.2 串级PID控制结构  121-123
  7.3 力矩外环预测的果蔬抓取控制  123-125
    7.3.1 果蔬抓取控制原理  123
    7.3.2 机械手建模  123-124
    7.3.3 位置控制系统设计  124-125
  7.4 机械手力矩外环PI控制  125-127
    7.4.1 关节力矩预测  125-126
    7.4.2 机械手角速度分析  126-127
    7.4.3 力矩环线性插值  127
  7.5 仿真  127-129
    7.5.1 抓取软物体动态性能  128
    7.5.2 鲁棒性实验  128-129
  7.6 本章小结  129-130
  参考文献  130-131
第八章基于KALMAN滤波的RBFNN和PD复合控制  131-141
  8.1 引言  131-132
  8.2 复合控制器结构  132-134
    8.2.1 常规PD控制  132
    8.2.2 RBF神经网络控制  132-133
    8.2.3 卡尔曼滤波器  133-134
  8.3 复合控制器算法  134-136
    8.3.1 RBFNN前馈控制器  134
    8.3.2 RBFNN前馈控制算法  134-135
    8.3.3 卡尔曼滤波器算法  135-136
  8.4 仿真研究  136-139
    8.4.1 不确定单机械臂动力学建模  136
    8.4.2 仿真参数设置  136-137
    8.4.3 仿真结果  137-139
  8.5 本章小结  139
  参考文献  139-141
第九章结论和展望  141-145
  9.1 研究结论  141-143
  9.2 主要创新内容  143-144
  9.3 后续研究建议及展望  144-145
附录  145-155
致谢  155-157
博士研究生期间发表的论文  157

农业机器人末端执行器抓持力控制研究

内容摘要

全文目录

相似论文