多臂采摘機器人的初步設(shè)計——采摘手的設(shè)計【說明書+CAD+SOLIDWORKS+仿真】
購買設(shè)計請充值后下載,資源目錄下的文件所見即所得,都可以點開預(yù)覽,資料完整,充值下載可得到資源目錄里的所有文件。【注】:dwg后綴為CAD圖紙,doc,docx為WORD文檔,原稿無水印,可編輯。具體請見文件預(yù)覽,有不明白之處,可咨詢QQ:12401814
濰坊學(xué)院本科畢業(yè)設(shè)計生物系統(tǒng)工程(2003)86(2)135-144 DOI:10.1016/S1537-5110(03)00133-8 AE自動化與新興技術(shù)黃瓜采摘機器人的無碰撞規(guī)劃E.J.凡Henten J.海明; B.A.J.凡Tuijl; J.G.短號;研究Bontsema溫室工程,農(nóng)業(yè)和環(huán)境工程研究所(IMAG BV公司),箱43,NL-6700機管局瓦赫寧根,荷蘭;電子郵件通訊作者:eldert.vanhenten wur.nl(2002年4月26日收到,2003年7月8號以修訂后的形式接受; 2003年8月29日在網(wǎng)上發(fā)表)在農(nóng)業(yè)和環(huán)境工程學(xué)院,對于黃瓜自動收獲機,其中最大的一個挑戰(zhàn)方面就是在采摘的過程中實現(xiàn)一種快速精確的手眼協(xié)調(diào)的操作。這個程序包含兩個主要的組成部分。首先,采集信息機器人的工作環(huán)境,其次,一個程序可以讓機器人末端執(zhí)行器對黃瓜產(chǎn)生無碰撞機械運動。這篇文章主要闡述了后者,無碰撞機械運動所產(chǎn)生的所謂的路徑搜索算法。在這項研究中這個A-search算法被應(yīng)用著,用一些數(shù)值的例子對黃瓜收割應(yīng)用的搜索過程分析說明。得出的結(jié)論是,無碰撞運動可以用于采摘黃瓜的機械手的自由度的計算。這個A-search算法非常易于實施和魯棒。當(dāng)找不到解決方案時這個算法要不產(chǎn)生一個解決方案要不就停止工作。這個有利的財產(chǎn)然而卻使算法過分的緩慢,結(jié)果表明這個算法不包括多智能的搜索過程。我們可以知道,為了滿足每10S為一個單一收獲循環(huán)的要求,還需要做進一步的研究,去尋找發(fā)現(xiàn)快速的算法,使用盡可能多的關(guān)于這個問題特定結(jié)構(gòu)的信息來產(chǎn)生解決方案,如果這個算法找不到解決方案并能給出明確的信息。1. 介紹1996年,農(nóng)業(yè)和環(huán)境工程學(xué)院開始研究自主的黃瓜采摘機器人的發(fā)展,這個項目是由荷蘭農(nóng)業(yè)部,食品和漁業(yè)部門支持的。為農(nóng)業(yè)應(yīng)用設(shè)計機器人的任務(wù)所提出的議題不涉及其他行業(yè)(Gielinget al., 1996 ; Van Kollenburg-)。機器人必須處在一個高度非結(jié)構(gòu)化環(huán)境中,在這里沒有兩個場景是一模一樣的。農(nóng)作物和水果都易于被機械損傷應(yīng)給小心處理。機器必須能夠在不利的條件下運轉(zhuǎn),如相對較高的溫度和濕度以及光線變化的條件。最后,為了符合成本效益,就機器人采摘運動的速度和成功率而言,機器人需要滿足高的性能特點。在這個項目中這些具有挑戰(zhàn)性的問題已經(jīng)被一個機械工程,傳感技術(shù)(計算機視覺等),系統(tǒng)和控制工程,電子、軟件工程,物流,最后但不是最少園藝工程分享的互動的方式解決(Van Kollenburg-Crisan et al., 1997 ; Bontsema et al., 1999 ; Meuleman et al., 2000 )。自動收割機的開發(fā)研制中最具有挑戰(zhàn)性的問題之一就是達到快速精確的手眼協(xié)調(diào)的,即達到機器人在采摘運動中感官信息的采集和機器人運動控制之間的有效相互作用,就像人們做的那樣。在園藝實踐中,一個訓(xùn)練有素的工人只需要3-6S采摘和存儲一個水果,那種表現(xiàn)是很難被打敗的。幸運的是,就機器人的采摘速度而言沒有必要達到那么高的性能特點。一項任務(wù)分析顯示,考慮經(jīng)濟可行性,一個單一采摘運動可能只需要10S (Bontsemaet al., 1999 )。仍然,機器人運動應(yīng)盡可能快的同時防止機器手的碰撞,手和收獲水果作物,溫室結(jié)構(gòu)還有機器人自身的碰撞(如汽車視覺系統(tǒng))。在荷蘭,黃瓜生產(chǎn)設(shè)施,機器人運行在一個非常緊張的工作環(huán)境中。最后,為了保證收獲果實的質(zhì)量,在運動路徑的各個部分對機械手的速度和加速度加以約束。為了達到理想的手眼協(xié)調(diào),一個人需要環(huán)境的感官信息的采集和算法去為機械手計算這種無碰撞運動。正像Meuleman et al. (2000) 報道的那樣。在這個項目中感覺系統(tǒng)是基于計算機視覺的。本文著重論述了收獲機的機械手的無碰撞運動軌跡的快速生成。盡管有相當(dāng)大的研究工作花在自動收集蔬菜水果方面,但是這個問題在農(nóng)業(yè)工程研究中沒有引起人們極大的關(guān)注。(see e.g. Kondoet al., 1996 ; Hayashi& Sakaue, 1996 ; Arima & Kondo, 1999 )。本文概述如下,在第二節(jié)對采摘機器人進行了闡述,在第三節(jié),講述的是一個單一收獲操作的任務(wù)序列,然后,第四節(jié),表述的是無碰撞規(guī)劃的自動算法的組成。為了能夠深入洞察算法的運行,在第五節(jié)對該算法在第二級自由度的機械手上進行了解釋說明,第六節(jié)包含一個應(yīng)用于收獲機器人身上的six-DOF RV-E2三菱機械手的運動規(guī)劃實驗結(jié)果。第七節(jié)包含結(jié)束語和對未來研究的建議。2采摘機器人 圖1.黃瓜收獲機器人的功能模型;(a)車輛;(b)廣角相機;(c)七度的自由度機械手;(d)最終效應(yīng);(e)激光測距儀和攝像機的位置當(dāng)?shù)爻上?(f)計算機和電子產(chǎn)品;(g)與220伏電源線卷軸;(h)氣動泵;(i)供熱管 圖一中,一個采摘機器人的功能模型被展示出來。它包含一個用于溫室走道里的收獲機進行粗定位的自主車輛。這車采用加熱管作為一個鐵路進行指導(dǎo)和支持。它作為一個移動平臺裝載電源、主動泵、各種數(shù)據(jù)收集和控制的電子硬件、一個用于監(jiān)測和定位植物上黃瓜位置的廣角攝像系統(tǒng)和一個用于機械末端運行器定位的七個自由度的機械手。這個機械手由安裝著六個自由度的Mitsubishi RV-E2機械手的滑動線路構(gòu)成。這個RV-E2機械手包括一個人形的機械手臂和球形的手腕。這個機械手有個能夠抓去0.2毫米的穩(wěn)態(tài)精度并能夠在惡劣的溫室氣候(高濕度和高溫度)條件下滿足一般的衛(wèi)生的操作方面的要求。這個機械手裝有一個末端執(zhí)行器。它包括兩部分:一個爪抓住水果,另一個爪切割水果從植物上分離出來。這個末端執(zhí)行器帶有一個末端激光測距系統(tǒng)或一個小相機。他們是用來在黃瓜附近能夠更好地進行運動控制而獲取感官信息的,如果需要的話。3.單一收割運動的任務(wù)序列圖2. 一個單一的收獲作業(yè)任務(wù)序列:3D,三維,TCP,工具中心點圖二展示的是一個單一的收獲運動的一個任務(wù)序列。在采摘操作中接近黃瓜被公認為是一個兩階段的過程。首先,用安裝在車輛上的攝像系統(tǒng),黃瓜果實被檢測到他的成熟認定和位置是不確定的。如果我們決定采摘黃瓜則低分辨率圖像的車載攝像機就用于定位機器人末端執(zhí)行器鄰近黃瓜附近這一帶。一旦末端執(zhí)行器抵達鄰近的黃瓜,然后利用末端執(zhí)行器上面的激光測距系統(tǒng)或攝像系統(tǒng)為最終的準確的接近黃瓜獲得黃瓜定位環(huán)境的高分辨率的信息。末端執(zhí)行器緊握并消減果子的莖。夾持固定分離的水果最后收獲果實移動到存儲箱。避障運動規(guī)劃將用于黃瓜的初步做法以及收獲黃瓜回程箱子,來保證,如機器人車輛本身的工作空間中的其他對象,但也源于,如果目前,葉片和溫室建設(shè)的部分都沒有命中。顯然,收獲的黃瓜,增加最終的效應(yīng),應(yīng)考慮在機械臂返回到存儲議案的大小。黃瓜的平均長度為300mm。4.一個無碰撞運動規(guī)劃算法圖3.無碰撞的自動生成程序議案圖3顯示了一個程序,自動生成赫爾曼(1986年)的工作基礎(chǔ)上的黃瓜采摘機器人無碰撞運動的組成部分。無碰撞運動規(guī)劃依賴于三維(3D)機器人的物理結(jié)構(gòu)以及在機器人操作的工作區(qū)的信息。因此,在無碰撞機器人運動規(guī)劃的第一步是三維世界描述的收購。這個描述是基于感官信息,如機器視覺以及先驗知識,例如,采摘機器人運動學(xué)的三維結(jié)構(gòu),如三維模型,在數(shù)據(jù)庫中。有了這個信息,在任務(wù)定義階段,機器人的整體任務(wù)的計劃。決定最后的位置和方向的效應(yīng)最終結(jié)果中的黃瓜最好的方法。也定義在此階段的具體位置和方向約束等。在階段目標的位置和方向的最終任務(wù)定義中定義的效應(yīng),逆運動學(xué),將目標配置的manipulator.The目標配置跨lated表示作為一個線性滑軌的翻譯和6的組合七自由度機械手關(guān)節(jié)的旋轉(zhuǎn)。使用此信息的路徑規(guī)劃,路徑規(guī)劃,采用了搜索技術(shù)找到自由碰撞路徑,從開始操縱其目標配置配置。一旦已成功完成的無碰撞路徑規(guī)劃,軌跡規(guī)劃軌跡,可以轉(zhuǎn)換成的無碰撞路徑由機器人執(zhí)行。通常情況下,路徑規(guī)劃過程中,只有在太空中的無碰撞配置有關(guān),但沒有速度,加速度和運動平滑。軌跡規(guī)劃涉及這些因素。 thetrajectory策劃生產(chǎn)的機器人伺服系統(tǒng)的運動命令。在執(zhí)行階段執(zhí)行這些命令。運動規(guī)劃系統(tǒng)的一些部件將在更詳細地描述以下。4.1世界的描述(采集)Meulemanet在一份文件中描述的基于機器視覺的世界描述收購的黃瓜采摘機器人(2000年)。視覺系統(tǒng)能夠偵測在綠色canopy.Moreover綠色黃瓜,視覺系統(tǒng)決定的黃瓜成熟。最后,利用立體視覺技術(shù)QUES,相機視覺系統(tǒng)產(chǎn)生的工作空間內(nèi)的攝像頭的視角3D地圖。在這樣的機器人能夠處理工作面臨的環(huán)境與它的變異。圖6. 自由度的三菱RV-E2的操縱一個三維模型如上所述,先驗知識,例如,機器人的物理結(jié)構(gòu)所需的無碰撞運動規(guī)劃。作為一個例子,圖4顯示了一個六自由度三菱RV-E2在MATLAB中實現(xiàn)機械臂的三維模型。機器人的三維結(jié)構(gòu)是由矩形和三角形構(gòu)造的多邊形表示。議案的戰(zhàn)略評估模型用于模擬期間,作為操縱機器人運動規(guī)劃期間的工作空間中的結(jié)構(gòu)部件的碰撞檢測的基礎(chǔ)上。4.2逆運動學(xué) 逆機械臂運動學(xué)關(guān)節(jié)角度的計算和翻譯,處理結(jié)果在所需的位置和方向,工具中心點(TCP)機器人(克雷格,1989年)。 TCP是一個預(yù)定義的endeffector點。對于六自由度三菱RV-E2的操縱范戴克(1999年)獲得了逆機械臂運動學(xué)的解析解。七自由度機械手,即三菱RV-E2的機械臂安裝在一個線性滑軌,一個簡單的逆運動學(xué)解析解不存在由于在運動鏈的固有冗余。最近獲得這種冗余機械臂的逆運動學(xué)分析數(shù)值混合溶液(申克,2000年)。由于成熟的黃瓜的立場,該算法產(chǎn)生的七自由度機械臂的無碰撞收獲配置。此外,它可以保證關(guān)節(jié)黃瓜附近的精細運動控制有足夠的自由。4.3路徑規(guī)劃 無碰撞路徑規(guī)劃算法已被大量的研究對象。例如見latombe(1991)和黃和阿胡加(1992)概述。 一個無碰撞路徑規(guī)劃主要包括兩個重要組成部分:搜索算法和碰撞檢測算法。搜索算法的搜索空間探索一個可行的,即collisionfree,從起點到目標點的議案。在搜查過程中,被選中的碰撞檢測算法在搜索空間的每一步的可行性。該算法檢查機器人的碰撞與機器人的工作空間中的其他結(jié)構(gòu)部件。重要的是要注意,對于大多數(shù)路徑規(guī)劃者的搜索空間是所謂的配置空間機器人,其中關(guān)鍵的是從不同的3D工作區(qū)機器人。在黃瓜收獲機的7自由度機械手的情況下,配置空間是由一個聯(lián)合翻譯和6個聯(lián)合旋轉(zhuǎn)組合橫跨七維空間。然后,從一開始的位置和方向的工具中心點為無碰撞運動目標的位置和方向在三維工作空間癤的單點無碰撞通過的議案的搜索搜索七維配置從一開始就配置目標配置掩膜的空間。在這樣的運動鏈中的冗余問題很容易規(guī)避。有一到一個映射的配置空間中的點的位置和方向,在工作區(qū)中的工具中心點。然而,對于大多數(shù)的機器人,相反不成立。一個單一的位置和方向,在工作區(qū)中的工具中心點,然后可以復(fù)制機器人的多種配置。由于其獨特的代表性配置空間搜索是首選。然而,碰撞檢測,需要說明的身體姿勢操縱在與其他物體在三維工作空間的關(guān)系。因為每個配置代表一個單一的姿勢在三維工作空間的機械臂,可以很容易地驗證碰撞。然后,特別是機器人的運動結(jié)構(gòu),工作空間的障礙可以被映射到配置空間的障礙將會顯示。4.3.1.搜索算法路徑搜索算法應(yīng)該是有效率的,如果存在的話,找到一個解決方案。后者的財產(chǎn)被稱為完整性(珍珠,1984年)。通常情況下,算法的完整性,保證不計算效率。然而,計算效率是至關(guān)重要的,當(dāng)上線的應(yīng)用程序需要。運動規(guī)劃的各個方面取得的洞察力,在這項研究中,上述計算效率的青睞,該算法的完整性。這樣的選擇的主要原因是一個完整的算法將找到解決辦法,或停止使用一個明確定義的停止準則,如果不能找到一個解決方案。這是不是真實的,不保證完整性的算法。他們要么提供一個解決方案或卡住,恕不另行通知。在本研究中所謂的A *搜索算法(明珠,1984年;近藤,1991年,羅素和Norvig還,1995年)。它很容易實現(xiàn)和保證完整性。此外,它最大限度地降低成本標準,其中包括一個在搜索空間旅行距離的措施。該算法是在MATLABB實施圖5.在離散化的二維配置空間的正交節(jié)點擴展:S,起始節(jié)點; G,目標節(jié)點使用配置空間機器人運動規(guī)劃的A *算法,離散化使用一個固定的電網(wǎng)結(jié)構(gòu)如圖5。用戶可以定義網(wǎng)格的大小和分辨率。然后A *算法搜索從一開始就格點的目標格點的路徑,同時最大限度地降低成本函數(shù)f:此成本函數(shù)f包括路徑的成本遠遠;和樂觀的估計成本從目前的位置目標:在這項研究中,歐拉規(guī)范被用來作為樂觀的估計到目標節(jié)點的成本。A *算法是既完整和優(yōu)化。最優(yōu)保證的路徑獲得最大限度地減少使用成本函數(shù)。.A *算法使用兩個網(wǎng)格節(jié)點,開放列表和封閉列表清單。開放列表中包含了電網(wǎng)的成本函數(shù),其中尚未被評估,而評估已閉合的名單上的網(wǎng)格節(jié)點的函數(shù)值的節(jié)點。這是假設(shè)的起點和目標,可以選擇配置,配合網(wǎng)格節(jié)點或網(wǎng)格節(jié)點,在這些配置的密切鄰里。然后根據(jù)珍珠(1984),A *算法在網(wǎng)格如下操作節(jié)點。(1)放在開放的起始節(jié)點S。(2)如果打開是空的,則失敗退出,否則從關(guān)節(jié)點n FO其中f是最低的開放和地點。(3)如果n等于目標節(jié)點G;成功退出追溯從n指針為S得到的解決方案:(4)否則擴大N;生成所有其繼承人,并重視它們的指針回到N:對于每一個n的繼任者n:(a) 如果是尚未打開或關(guān)閉,估計H(n)(樂觀的估計成本的最佳途徑,從n到目標節(jié)點G),并計算F(n)= G(n)+ H(n)其中g(shù)(n)= G(N)+ C(N,n)C(N,n)從節(jié)點n的過渡成本,節(jié)點n和G(S)= 0(b)如果已經(jīng)打開或關(guān)閉,直接收益率最低的G(1)道路沿線的指針;(c)如發(fā)現(xiàn)閉,1所需的指針調(diào)整和重新打開它(5)轉(zhuǎn)到第2步。電網(wǎng)擴張在第4步,可以采取多種形式。在本研究中所謂的正交擴充。這種方法是在圖5所示。圖5還說明起始節(jié)點和目標節(jié)點沒有以配合實際的起點和目標機器人的配置。在這種情況下,最近的鄰居節(jié)點被選中。在這個算法,停止準則是非常明確的規(guī)定。如果在第3步,從開放列表中刪除的節(jié)點等于目標節(jié)點,算法停止。另外,該算法將停止在第2步如果所有的網(wǎng)格節(jié)點進行評估,并開放列表已成為空。在這種情況下,沒有找到一個解決方案。路徑搜索過程中碰撞檢測的處理有兩種方式。首先,碰撞的配置可以通過掃描整個離散化配置空間的路徑搜索前確定。這將是在一個高維離散化的空間配置,具有很高的情況下計算昂貴決議電網(wǎng)。這將是更有效地評估在搜索過程中的網(wǎng)格節(jié)點的可行性。也就是說,在節(jié)點擴展一步,第4步,碰撞檢測算法檢查是否與該節(jié)點相關(guān)的機器人配置與環(huán)境或不產(chǎn)生碰撞。由于A *算法通常計算只有一小部分配置空間,這將產(chǎn)生相當(dāng)大的改善效率。碰撞可以在步驟4a中提到的成本函數(shù)加入一個大型的罰款處罰。另外,在碰撞中產(chǎn)生的一個網(wǎng)格點可以直接從省略開放期間電網(wǎng)的擴張階段的名單。在這項研究中,后者的做法被使用。圖6.一個面向包圍盒模型的六個自由度的RV-E2的操縱4.3.2.碰撞檢測算法 碰撞檢測算法在MATLAB中實現(xiàn)根據(jù)報道由Boyse(1979年)的想法。該算法計算的交點在工作區(qū)中的其他結(jié)構(gòu)部件表面的機器人模型的表面。計算兩個曲面相交的本質(zhì)歸結(jié)為決定從幾何中使用的標準工具,可以實現(xiàn)與其他表面的一個表面的邊緣相交。所有的一切,碰撞檢測是一項計算密集型的任務(wù)。因此,在實時應(yīng)用,如黃瓜機器人碰撞檢測,需要碰撞檢測的精度和可用計算時間之間的權(quán)衡。精確的CAD模型圖。 4包含600個三角形和矩形表面。一因素15減少計算時間,實現(xiàn)了從所謂的面向邊界建立了一個不太準確的模型代替精確的操縱模型盒(更新行動)。這種三維機械手的只有36個移動的表面組成OBB的模型如圖6所示。顯然,一些與OBB的模型精度已提供計算速度的緣故。對于目前的調(diào)查,它被認為是合理的。5例1:碰撞兩個度的自由操縱運動規(guī)劃要說明的方法,結(jié)果與兩兩自由度轉(zhuǎn)動關(guān)節(jié)的機械臂的無碰撞運動規(guī)劃。圖7(a)顯示了一個人為的溫室環(huán)境,其中方塊代表黃瓜莖的目標是移動的路徑(直打下了)操縱的工具中心點背后掛在黃瓜黃瓜冠捷干,沒有擊中任何黃瓜莖。這被認為是黃瓜采摘過程中最困難的議案之一。5.1.結(jié)果為了說明操作的運動規(guī)劃算法,圖。 7(b)顯示相關(guān)的兩維的配置空間。一個離散化步驟五度使用。堅實的黑色方塊,稱為配置的障礙,代表機器人和黃瓜干之間的碰撞產(chǎn)生的配置。由字母S表示開始配置目標配置是由字母G表示:他們代表的開始姿勢和圖采摘姿態(tài)。 7(一)。路徑搜索的目標是要找到一個起始節(jié)點S和目的節(jié)點G之間的連接:觀察,首先,配置空間的地圖,揭示了真正復(fù)雜運動規(guī)劃的問題,可能看起來瑣碎的工作空間中。其次,觀察,一條直路從起始節(jié)點到目標節(jié)點碰撞的結(jié)果,并因此是不可行的。圖7(c)所示的網(wǎng)格節(jié)點,記為*,A *算法的評估過程中向前搜索從起始節(jié)點到目標節(jié)點。圖所示的配置空間中的最優(yōu)路徑。如圖7(d)及相關(guān)的無碰撞機械臂在工作區(qū)的議案快照。 7(E)。觀察,在工作區(qū)中的無碰撞運動的空間配置結(jié)果無碰撞的議案;機器人不會干擾與工作空間的障礙:黃瓜莖。最后,圖7(f)顯示網(wǎng)格節(jié)點A *算法當(dāng)一個落后的搜索目標節(jié)點的起始節(jié)點進行評估。5.2.討論結(jié)果表明,在配置空間沸騰的路徑搜索,找到一個點的運動軌跡,從一開始就配置目標配置。 圖7(c)和(F)清楚地表明,碰撞檢查接續(xù)OFA先驗碰撞檢測路徑搜索過程中,由于A *算法,只有部分評估在配置空間網(wǎng)格點的優(yōu)勢。此外,研究結(jié)果表明,如果一個障礙之間開始配置和位于目標配置,大量的網(wǎng)格節(jié)點找到了解決辦法之前,必須進行評估。在這種情況下,A *算法不是很有效,在發(fā)現(xiàn)周圍的配置空間障礙的一種方式。障礙的情況下密切繞過一個目標節(jié)點,一個落后的搜索可能會產(chǎn)生較少的解決方案由圖所示的計算時間。 7(F)。在這個例子中向后搜索向前搜索時取得117而不是146次迭代后的解決方案;減少20。如果目標節(jié)點位于兩者之間的障礙脊巷子盡頭,即使在較高的迭代次數(shù)減少使用向后搜索(結(jié)果未顯示)獲得。最好的搜索方向明確,取決于手頭的特定結(jié)構(gòu)的問題。這兩個圖。 7條(d)及(e)表明,以實現(xiàn)最優(yōu)路徑成本函數(shù)的意義,算法往往偷工減料,致使小機器人和障礙物之間的距離。要牢記這一特點,在實際運動規(guī)劃實驗時,傳感器為基礎(chǔ)的世界描述數(shù)據(jù)不準確容易。然后可能會發(fā)生碰撞,不占在運動規(guī)劃。最后,圖7(d)顯示,由于電網(wǎng)結(jié)構(gòu)和正交擴展的路徑搜索過程中的網(wǎng)格節(jié)點,運動路徑包含了一些尖角。這將導(dǎo)致強不必要的加速和減速的鏈接時,在實踐中實施。在第4節(jié)的建議,為平滑軌跡規(guī)劃的議案等不良行為的來電。6例2:碰撞為6度的自由操縱運動規(guī)劃這一段演示六自由度三菱RV-E2的機械臂運動規(guī)劃方案。圖8(a)顯示了三維視圖六自由度機械手,在一個人為的溫室環(huán)境。再次,目標是從路徑中的位置移動機器人的工具中心點到黃瓜掛背后的黃瓜干,沒有擊中黃瓜TEMS代表由黑職位。圖7.黃瓜采摘在一個人為的溫室環(huán)境經(jīng)營度自由操縱的無碰撞運動規(guī)劃:(a)開始姿勢(直)和目標姿態(tài)與機械臂的工作空間冠捷挑選黃瓜掛灰色正方形代表;(b)與代表的黑色區(qū)域配置中的碰撞和S的起點和目標配置,分別代表配置空間;(c)配置空間由A采樣黃瓜干背后*算法在從一開始向前搜索到目標節(jié)點;(d)通過配置空間的無碰撞軌跡;(e)6,到操盤黃瓜的無碰撞運動的快照;(f)配置A *算法在空間采樣,從向后搜索目標的起始節(jié)點1和2是第一和第二關(guān)節(jié)的旋轉(zhuǎn)。6.1結(jié)果由于這個例子涉及一個六自由度機械手,執(zhí)行搜索,在六維的配置空間。這是不可能的可視化配置空間的無碰撞點的運動,是與前面的例子一樣。因此,只有通過工作區(qū)的無碰撞運動的快照圖。 8(一) - (F)。該議案涉及所有6個旋轉(zhuǎn)關(guān)節(jié)。從本質(zhì)上講,黃瓜的議案,由兩部分組成。首先所有機器人向后傾斜,同時圍繞主垂直軸旋轉(zhuǎn),然后傾斜前鋒再次攜帶刀具中心點之間的黃瓜莖。其次,同時,過去三年關(guān)節(jié)旋轉(zhuǎn),以便能夠定位在背后的黃瓜干黃瓜工具中心點。這樣做,黃瓜干規(guī)避。6.2討論結(jié)果表明,碰撞自由運動的六自由度機械手可以發(fā)現(xiàn)。據(jù)預(yù)計,這一結(jié)果可以擴展到七個自由度的機械手,在黃瓜采摘設(shè)備使用。然而,這個例子揭示了A *算法的弱點。對于正在審議的六自由度機械手,在六維的配置空間進行搜索。然后,由于網(wǎng)格點的大量的,必須進行評估,搜索變得過于緩慢。這部分是由于在MATLAB實現(xiàn)。該軟件包不是很有效時,必須執(zhí)行大量的迭代。再次,結(jié)果表明:在運動軌跡的尖角。當(dāng)需要高速運動,這些運動軌跡要平滑,以防止上機械臂鏈接的重載。黃瓜采摘機器人圖8.(a)-(f):六快照的無碰撞運動6自由度RV-E2的操縱掛在黃瓜背后黃瓜莖代表黑色垂直職位7.結(jié)論本文提出了一種方法,以達到適當(dāng)?shù)氖盅蹍f(xié)調(diào)的黃瓜收獲機器人在農(nóng)業(yè)和環(huán)境工程研究所(IMAG BV)的開發(fā)。本文提出了一個方案,是能夠生成機器人無碰撞運動。一些數(shù)值例子說明了該方法和分析。本研究的主要結(jié)論是,無碰撞運動可以計算六度自由度(DOF),RV-E2的機械臂在收獲機使用。據(jù)預(yù)計,這些結(jié)果可以擴展到七自由度機械手,即RV-E2的操縱器線性滑軌安裝。被發(fā)現(xiàn)的A*搜索算法很容易實現(xiàn)和強大的。通過這種方式,它提供了很多有識之士為機器人運動規(guī)劃的具體問題。此外,該算法的一個大優(yōu)勢是,它可以產(chǎn)生一個解決方案或停止時,無法找到一個解決方案。該財產(chǎn)的完整性,但是,使得算法望而卻步緩慢。結(jié)果發(fā)現(xiàn),與本文中所描述的算法涉及的多自由度機械手運動軌跡的計算是計算非常。至符合所需的周期時間的10秒為一個單一的收獲行動,需要進一步研究,以減少議案所需的計算時間規(guī)劃。研究,可沿兩條線。首先,可以減少計算時間,通過使用特殊的計算機硬件,例如并行處理器。另外,同時,減少計算可以通過使用更快和有效地實現(xiàn)的算法。此外,結(jié)果表明,該算法不包括許多情報。雖然它試圖產(chǎn)生定向運動的目標,如果它只是配置遇到障礙樣品中的搜索空間網(wǎng)格解決方案,直到發(fā)現(xiàn)不使用有關(guān)的問題,特別是結(jié)構(gòu)的信息點。因此,進一步研究需要獲得快速算法,有效地利用有關(guān)的問題,特別是結(jié)構(gòu)的信息,不卡,恕不另行通知。致謝這項工作是由荷蘭農(nóng)業(yè),食品和漁業(yè)部的支持。匿名介紹人的建設(shè)性意見表示感謝。參考文獻1Arima S; Kondo N (1999). Cucumber harvesting robot and plant training system. Journal of Robotics and Mechatro-nics, 11(3), 2082122Bontsema J; Van Kollenburg-Crisan L M; Van Henten E (1999). Automatic harvesting of vegetable fruits, Proceedings of the BRAIN International Symposium 2000 Progressive Technologies in Agriculture and Environmen towards 21 Century, November 24, 1999, IAM-BRAIN Omiya, Japan, pp 44513Boyse J W (1979). Interference detection among solids and surfaces. Communications of the ACM, 22(1), 394Craig J J(1989). Introduction to Robotics. Addison-Wesley,Reading, MA, USA5Gieling Th H; Van Henten E J; Van Os E A; Sakaue O;Hendrix A T M (1996). Conditions, demands and technol-ogy for automatic harvesting of fruit vegetables. ActaHorticulturae,440, 3603656 Hayashi S; Sakaue O (1996). Tomato harvesting by robotic system. ASAE Annual International Meeting, Phoenix, Arizona, USA, ASAE Paper No. 96-30677Herman M (1986). Fast, three-dimensional, collision-free motion planning. Proceedings of the IEEE International Conference on Robotics and Automation, San Francisco,CA, USA, pp 105610638 Hwang Y K; Ahuja N (1992). Gross motion planninga survey. ACM Computing Surveys, 24(3), 2192919 Kondo K (1991). Motion planning with six degrees of freedom by multistrategic bidirectional heuristic free-space enumera-tion. IEEE Transactions on Robotics and Automation, 7(3),26727710 Kondo N; Monta M; Fujiura T(1996). Fruit harvesting robots in Japan. Advances in Space Research, 18(1/2), 18118411 Latombe J C (1991). Robot Motion Planning. Kluwer Academic Publishers, Boston, USA12 Meuleman J; Van Heulen S F; Kornet J G; Peters D G(2000). Image analysis for robot harvesting of cucumbers. AgEng 2000, Agricultural Engineering International Conference, Warwick, UK, EurAgEng Paper No. 00-AE-00313 Pearl J (1984).Heuristics.Intelligent Search Strategies for Com-puter Problem Solving. Addision-Wesley, Reading, MA, USA14 Russell S; Norvig P (1995). Artificial Intelligence A mode Approach. Prentice-Hall, Englewood Cliffs, NJ, USA15 Schenk E J(2000). Modelvorming, voorwaartse kinematica, inverse kinematica met botsingsdetectie en padplanning van een 7 DOF manipulator systeem voor het automatisch oogsten van komkommers. Modelling, forward kinematics, inverse kinematics with collision detection and motion planning of a 7 DOF manipulator system used for cucumber harvesting. IMAG, Wageningen, The Netherlands, IMAGReport V2000-7716 Van Dijk G(1999). Modelvorming en padplanning van een 6 DOF manipulator voor het oogsten van komkommers. Modelling and motionplanning of a 6 DOF manipulator used for cucumber harvesting. IMAG, Wageningen, The Netherlands, IMAG Report V99-0417 Van Kollenburg-Crisan L M; Wennekes P; Werkhoven C (1997). Development of a mechatronic system for automatic harvesting of cucumbers. In: Proceedings of BIO-RO-BOTICS 97, The International Workshop on Robotics and Automated Machinery for Bio-productions, Valencia, Spain, pp 143148塔里木大學(xué)畢業(yè)論文(設(shè)計)中期檢查記錄表年 月 日學(xué)生姓名班級課題名稱課題完成進度(學(xué)生自述)存在的問題及整改措施(學(xué)生自述)指導(dǎo)教師意見(課題進展情況、優(yōu)缺點、整改措施等)指導(dǎo)教師簽名 年 月 日學(xué)院意見負責(zé)人簽名 年 月 日塔里木大學(xué)畢業(yè)論文(設(shè)計)任務(wù)書學(xué)院機械電氣化工程學(xué)院班級機械設(shè)計12-1學(xué)生姓名學(xué)號課題名稱多臂采摘機器人的初步設(shè)計采摘手的設(shè)計起止時間 2012年3 月 1日2012 年 5月 28日(共 14 周)指導(dǎo)教師職稱講師課題內(nèi)容根據(jù)國內(nèi)現(xiàn)有的機械手的設(shè)計資料,設(shè)計一款適合采摘果實的自動化機械裝置,要求結(jié)構(gòu)簡單,功能使用,操作性能好。具體要求如下:1.設(shè)計系統(tǒng)的總體結(jié)構(gòu),要求設(shè)計一個具有三個手指的仿人機械手外形,每個手指具有二個關(guān)節(jié)。2.繪制二維裝配圖和零件圖。3.選擇合適的動力配置和控制部件,能對手指進行簡單地抓取操作。4.要求利用Solidworks繪制三維圖,完成運動仿真。擬定工作進度(以周為單位)第12周 查閱相關(guān)文獻,撰寫開題報告。第34周 根據(jù)現(xiàn)有的機械手的設(shè)計確定采摘手的設(shè)計方案。第56周 根據(jù)工作要求,計算并查閱相關(guān)手冊,選擇和設(shè)計各零部件。第79周 運用AutoCAD軟件,繪制二維零件圖和裝配圖。第1011周 運用三維設(shè)計軟件完成整機各零部件的三維建模并進行運動仿真。第12周 從工藝性能,經(jīng)濟性能,實用性能等方面對產(chǎn)品進行綜合評價、校核、修正。第13周 完成設(shè)計說明書。第14周 整理材料,準備答辯。主要參考文獻1蔡自興. 機器人學(xué) M . 北京: 清華大學(xué)出版社, 20002李剛俊, 陳永. 機器人的三維運動仿真 J . 西南交通大學(xué)學(xué)報,2002, 37( 3 ) : 273 -276.3陳幼平,馬志艷,袁楚明,周祖德. 六自由度機械手三維運動仿真研究 華中科技大學(xué),20064殷際平,何廣平.關(guān)節(jié)型機器人M.北京;化學(xué)工業(yè)出版社,20035于順羊,陳扼西,馬履中,等.四自由度混聯(lián)機器人運動分析與仿真J.農(nóng)業(yè)機械學(xué)報,2007,38(10):558-5626李允文,工業(yè)機械手設(shè)計M,北京:機械工業(yè)出版社,19967崔玲麗,張建字,高立新,等.柔性機械臂系統(tǒng)的全局優(yōu)化設(shè)計J.北京工業(yè)大學(xué)學(xué)報,2007,33(4):337-3418梁喜鳳,苗香雯,崔紹榮,等.果實采摘機械手機構(gòu)設(shè)計與工作性能分析J.農(nóng)機研究所,2004(2):133-136任務(wù)下達人(簽字)同意按此計劃進行設(shè)計 2011年 12月 1 日任務(wù)接受人意見任務(wù)接受人簽名 張鑫 2011 年 12 月 1 日注:1、此任務(wù)書由指導(dǎo)教師填寫,任務(wù)下達人為指導(dǎo)教師。2、此任務(wù)書須在學(xué)生畢業(yè)實踐環(huán)節(jié)開始前一周下達給學(xué)生本人。3、此任務(wù)書一式三份,一份留學(xué)院存檔,一份學(xué)生本人留存,一份指導(dǎo)教師留存。前 言隨著電子計算機和自動控制技術(shù)的迅速發(fā)展、農(nóng)業(yè)高新科技的應(yīng)用和推廣,農(nóng)業(yè)機器人已逐步進入到農(nóng)業(yè)生產(chǎn)領(lǐng)域中,并將促進現(xiàn)代農(nóng)業(yè)向著裝備機械化、生產(chǎn)智能化的方向發(fā)展。果蔬采摘是農(nóng)業(yè)生產(chǎn)中季節(jié)性強、勞動強度大、作業(yè)要求高的一個重要環(huán)節(jié),研究和開發(fā)果蔬采摘的智能機器人技術(shù)對于解放勞動力、提高勞動生產(chǎn)效率、降低生產(chǎn)成本、保證新鮮果蔬品質(zhì),以及滿足作物生長的實時性要求等方面都有著重要的意義。工業(yè)領(lǐng)域是機器人技術(shù)的傳統(tǒng)應(yīng)用領(lǐng)域,目前已經(jīng)得到了相當(dāng)成熟的應(yīng)用; 而采摘機器人工作在高度非結(jié)構(gòu)化的復(fù)雜環(huán)境下,作業(yè)對象是有生命力的新鮮水果或蔬菜。同工業(yè)機器人相比,采摘機器人具有以下的特點: 作業(yè)對象嬌嫩、形狀復(fù)雜且個體狀況之間的差異性大,需要從機器人結(jié)構(gòu)、傳感器、控制系統(tǒng)等方面加以協(xié)調(diào)和控制; 采摘對象具有隨機分布性,大多被樹葉、樹枝等掩蓋,增大了機器人視覺定位難度,使得采摘速度和成功率降低,同時對機械手的避障提出了更高的要求; 采摘機器人工作在非結(jié)構(gòu)化的環(huán)境下,環(huán)境條件隨著季節(jié)、天氣的變化而發(fā)生變化,環(huán)境信息完全是未知的、開放的,要求機器人在視覺、知識推理和判斷等方面有相當(dāng)高的智能; 采摘對象是有生命的、脆弱的生物體,要求在采摘過程中對果實無任何損傷,從而需要機器人的末端執(zhí)行器具有柔順性和靈巧性; 高智能導(dǎo)致高成本,農(nóng)民或農(nóng)業(yè)經(jīng)營者無法接受,并且采摘機器人的使用具有短時間、季節(jié)性、利用率不高的缺點,是限制采摘機器人推廣使用的重要因素; 果蔬采摘機器人的操作者是農(nóng)民,不是具有機電知識的工程師,因此要求果蔬采摘機器人必須具有高可靠性和操作簡單、界面友好的特點。根據(jù)設(shè)計任務(wù)和設(shè)計要求,主要針對機械手部分進行機械方面的設(shè)計。由于設(shè)計者水平有限,本設(shè)計中難免有誤漏欠妥之處,懇請老師們批評指正。 12 屆畢業(yè)設(shè)計多臂采摘機器人的初步設(shè)計采摘手的設(shè)計學(xué)生姓名 學(xué) 號 所屬學(xué)院 機械電氣化工程學(xué)院 專 業(yè) 機械設(shè)計制造及其自動化 班 級 12-1 指導(dǎo)教師 日 期 2012.5 塔里木大學(xué)教務(wù)處制多臂采摘機器人采摘手的設(shè)計摘 要:近年來,農(nóng)業(yè)生產(chǎn)正朝著規(guī)模化、多樣化、精確化方向發(fā)展,農(nóng)業(yè)勞動力的成本迅速上升,勞動力不足的現(xiàn)象日趨明顯,農(nóng)業(yè)機器人技術(shù)越來越受到關(guān)注。但是,由于采摘對象的復(fù)雜性和工作環(huán)境的非結(jié)構(gòu)化,目前國內(nèi)的采摘自動化程度仍然很低,尤其是采摘機器人的關(guān)健部位機械手,其結(jié)構(gòu)復(fù)雜、控制繁瑣等因素,造成工作效率低、生產(chǎn)成本較高,故不能在農(nóng)業(yè)生產(chǎn)中得到普遍的適用。所以對采摘機械手的設(shè)計及控制研究對于今后農(nóng)業(yè)生產(chǎn)具有深遠意義。關(guān)鍵詞:采摘機械手;抓持采摘 0 引言21 世紀是農(nóng)業(yè)機械化向智能化方向發(fā)展的重要時期。隨著農(nóng)業(yè)生產(chǎn)的規(guī)?;?、多樣化和精確化,農(nóng)業(yè)生產(chǎn)作業(yè)要求逐漸提高,許多作業(yè)項目(如蔬菜和水果的挑選與采摘、蔬菜的嫁接等)都是勞動密集型工作,再加上時令的要求,保證作業(yè)質(zhì)量成為關(guān)鍵問題;同時,工業(yè)生產(chǎn)發(fā)展迅速,農(nóng)業(yè)勞動力將逐漸向社會其他產(chǎn)業(yè)轉(zhuǎn)移;隨著人口的老齡化和農(nóng)業(yè)勞動力的減少,農(nóng)業(yè)生產(chǎn)成本也相應(yīng)提高,這樣大大降低了產(chǎn)品的市場競爭力。果品采摘作業(yè)是水果生產(chǎn)鏈中最耗時、最費力的一個環(huán)節(jié)。采摘作業(yè)季節(jié)性強、勞動強度大、費用高,因此保證果實適時采收、降低收獲作業(yè)費用是農(nóng)業(yè)增收的重要途徑。由于采摘作業(yè)的復(fù)雜性,采摘自動化程度仍然很低。目前,國內(nèi)水果采摘作業(yè)基本上都是人工進行, 其費用約占成本的50%70%,并且時間較為集中。采摘機器人作為農(nóng)業(yè)機器人的重要類型,其作用在于能夠降低工人勞動強度和生產(chǎn)費用、提高勞動生產(chǎn)率和產(chǎn)品質(zhì)量、保證果實適時采收,因而具有很大發(fā)展?jié)摿Α? 采摘機器人的特點(1)采摘機器人主要工作在非結(jié)構(gòu)化的開放環(huán)境下,環(huán)境條件受季節(jié)和天氣的影響較大,因采摘機器人應(yīng)具有高水平的智能控制系統(tǒng);(2)采摘機器人的作業(yè)對象表皮組織柔軟、易損傷,由此決定了采摘機器人的末端執(zhí)行器應(yīng)具柔軟性,避免碰傷果實;(3)果實生長位置的隨機性、個體形狀的差異性和成熟期的不一致性等,增加了機器人的視覺定位的難度。(4)采摘機械手的設(shè)計應(yīng)在考慮栽培方式的基礎(chǔ)上使果實處于其作業(yè)空間內(nèi),并且能避免莖稈、葉子等障礙物,準確抓取到果實,這就要求機械手具有一定的避障能力,必要時可考慮采用冗余度機械手,但自由度多難于控制;(5)采摘機器人的操作者是農(nóng)民,因此要求機器人具有操作簡單的特點,另外還應(yīng)在保證高可靠性的前提下有更低的價位2機械手機械手又稱操作機,是指具有和人手臂相似的動作功能,并使工作對象能在空間內(nèi)移動的機械裝置,是機器人賴以完成工作任務(wù)的實體。在采摘機器人中,機械手的主要任務(wù)就是將末端執(zhí)行器移動到可以采摘的目標果實所處的位置,其工作空間要求機器人能夠達到任何一個目標果實。機械手一般可分為直角坐標、圓柱坐標、極坐標、球坐標和多關(guān)節(jié)等多種類型。多關(guān)節(jié)機械手又稱為擬人( 類人) 機器人,相比其它結(jié)構(gòu)比較起來,要求更加靈活和方便。機械手的自由度是衡量機器人性能的重要指標之一,它直接決定了機器人的運動靈活性和控制的復(fù)雜性。2.1工業(yè)機械手工業(yè)機械手發(fā)展比較迅速,多指手出現(xiàn)在20世紀80年代,其中最具有代表性的是stanford/JPL三指手(如圖2-7)和Utah/MIT四指手(圖2-8 )。Salisbury于1982年設(shè)計的Stanford/JPL手是當(dāng)時乃至現(xiàn)在都很具有代表性的三指手,它首次引入了模塊化設(shè)計方法,并模仿人手的結(jié)構(gòu)特點布置手指的相對位置,具有9個自由度。StanfordlJPL手對多指手的貢獻不僅僅在于多關(guān)節(jié)、多自由度的模塊化結(jié)構(gòu)設(shè)計,更重要的是它首次完整引入了位置、觸覺、力等傳感器系統(tǒng),從而開始了多指手對外部環(huán)境的感知時代,并開創(chuàng)了多指手實際抓取操作的先河。圖2-7 StanfordlJPLS手 圖2-8 Utah/MIT手1998年德國研制的DLR- I多指手實現(xiàn)了當(dāng)自由度的數(shù)目超過某個值時,把所有的驅(qū)動器和電路完全集成在手指、手掌或手腕里,被公認為是當(dāng)時世界上最復(fù)雜、智能化和集成度最高的靈巧手,如圖2-9。1999年由美國宇航中心(NASA)研制的Robonaut手,如圖2-10是一種面向國際空間站應(yīng)用的多指手,其目的是為了在危險的太空環(huán)境中代替人進行艙外操作。 圖2-9DLR手 圖2-10 NASA Robonaut手從20世紀80年代后期開始,我國的很多研究機構(gòu)相繼開展了多指手的研究工作,其中北京航空航天大學(xué)和哈爾濱工業(yè)大學(xué)在這方面的研究很具代表性。北航對多指手的研究開展較早,并于1993年首先研制了我國第一只三指手,然后在此基礎(chǔ)上不斷改進,先后研制了BUAA- II , BUAA-III三指手和BUAA四指手。哈工大在HIT I多指手的研究基礎(chǔ)上進行了大量的改進,研制了HIT/DLR多指手。如圖2-11和圖2-12圖2一11 HIT I手 圖2一12HIT/DLR多指手 2.2農(nóng)業(yè)機械手農(nóng)業(yè)上最早研制的機械手為SDOF番茄收獲機械手(Noboru Kawamura eta1,1984) 機械手與傳統(tǒng)的農(nóng)業(yè)機械完全不同,它是由許多桿件組成的空間開式鏈機構(gòu),具有較采摘機械手的設(shè)計及其控制研究大的靈活性,但是不適合處理重量大的物體,否則會出現(xiàn)負載過重的問題。桿件越多,機械手身的重量越大,尤其用于像西瓜、甜瓜等較人果實收獲與運輸時,機械手設(shè)計必須從組成結(jié)構(gòu)和內(nèi)部結(jié)構(gòu)方面使其承受較大的負載重量。 機械手的控制有點位控制(PTP)和連續(xù)軌跡(CP)控制兩種類型。PTP控制主要用于在機械手初始位置和目標點之間不存在障礙物的情況,此時不必考慮運動路徑,其路徑也是不可預(yù)測的。有時由于莖葉等障礙物的存在,必須通過控制其電機速度和預(yù)定運動軌跡到達目標位置,進行CP控制。 末端執(zhí)行器安裝在機械手的末端,其功能類似于人手,是直接與目標物體接觸的部件。在末端執(zhí)行器設(shè)計之前,不僅需要研究工作對象的物理特性(物體大小、體積、形狀、重量)和機械特性(young、模量、泊松比、粘性、摩擦阻力、剪切阻力等),還包括電特性和光學(xué)特性以及生物學(xué)特性和化學(xué)特性等。 末端執(zhí)行器的形式主要有吸盤式(真空式吸盤、噴射式負壓吸盤、擴散式負壓吸盤、擠壓排氣式吸盤、電磁式吸盤等)、針式、噴嘴式、杯狀、多關(guān)節(jié)手爪式、順應(yīng)型指結(jié)構(gòu)等,通常是末端執(zhí)行器都是專用的(N. Kondo, 1998) 末端執(zhí)行器所需的重要傳感器主要有觸覺傳感器和接近傳感器。觸覺傳感器包括接觸傳感器、壓力傳感器和滑覺傳感器.接近傳感器通常用來獲得位置信息,識別物體的存在,避障,測量物體的形狀,補償位置傳感器的誤差等。 在完成抓取動作后,末端執(zhí)行器還需要將果實與果柄分離。分離方式為切斷或擰斷。在條件允許的情況下,應(yīng)盡量采用剪斷果柄而不是擰斷果柄的方式,避免擰斷時給果蔬表面造成傷口,導(dǎo)致病菌侵入使果實腐爛,例如桃、李、杏的采摘都要求留有果柄。但對于某些束狀生長、果柄較短的果實,采用剪斷的方式比較困難。 末端執(zhí)行器中手指和關(guān)節(jié)的數(shù)量與抓取效果密切相關(guān),數(shù)量越多,末端執(zhí)行器的自由度就越多,抓取動作更為靈活,抓取效果更好。但大多數(shù)的靈巧手系統(tǒng)復(fù)雜,成本高,通用性差,仍停留在實驗室階段,更難以運用到農(nóng)業(yè)工程實踐之中。如何協(xié)調(diào)末端執(zhí)行器的通用性、靈活性和成本之間的矛盾,是果蔬采摘機器人末端執(zhí)行器研究發(fā)展的方向。3機械手的設(shè)計3.1設(shè)計方案果蔬采摘機器人的機械手直接接觸工作對象。為了避免碰傷果實,多數(shù)收獲機器人的手指內(nèi)側(cè)接觸果實的部位采用橡膠和尼龍材料。由于果實的外形有圓形、近似方形、近似長方形等,所以末端執(zhí)行器的設(shè)計應(yīng)著重考慮手指數(shù)量、手指關(guān)節(jié)數(shù)量、尺寸方式等問題。3.2手指數(shù)量 果實的外形有規(guī)則的和不規(guī)則的。對于規(guī)則的小型果實,多數(shù)收獲機器人采用帶有吸盤的2個直手指的末端執(zhí)行器直接抓取果實。相對2個手指,3個手指的收獲機器人也有一些研究,抓取果實的穩(wěn)固更好。而采用具有4個手指和一個吸盤的西紅柿收獲機器人,效果更好,但難于控制。對于大型的果實,雖然外形規(guī)則,但用2個手指顯然不行。西瓜收獲機器人中采用4個帶有橡膠的手指,指尖的滑輪沿西瓜表面向下滑動,利用橡膠與西瓜的摩擦力抓住果實。此外,還有一些特殊的手指,梳子式龍?zhí)资种缚梢詫⒐麑嵟c相臨的果實分開。 手指的數(shù)量和形狀與果實的外形密切相關(guān),一般數(shù)量越多,抓取效果越好,但控制也越難,應(yīng)在手指數(shù)量、控制難度和抓取成功率之間找到平衡點。根據(jù)設(shè)計任務(wù)要求選取3個手指最為合適。3.3手指關(guān)節(jié)數(shù)量對于多數(shù)形狀規(guī)則的果實,多數(shù)收獲機器人采用1個關(guān)節(jié)的手指。對于類人的柔性手指,由于材料和控制比較困難,研究成果不多。夏柑收獲機器人的柔性手指,手指的指尖通過細軟鋼絲與人工肌肉相連,當(dāng)人工肌肉產(chǎn)生收縮力時,鋼絲產(chǎn)生拉力使指尖能夠柔和地彎曲。西紅柿收獲機器人有4個具有4個關(guān)節(jié)的手指,通過控制纜采摘機械手的設(shè)計及其控制研究繩的伸縮,使手指彎曲成不同的形狀。對于不同的果實,控制鋼絲繩的拉力、拉動的距離、人工肌肉的收縮力等的控制都比較難。鑒于關(guān)節(jié)的控制比較難,和設(shè)計要求考慮采用兩個關(guān)節(jié)的手指。3.4尺寸的設(shè)定機械手的結(jié)構(gòu)尺寸可以參考人類手指的長度比例,并加以適當(dāng)放大或縮小,或根據(jù)所設(shè)計的多指靈巧手的使用場合作適當(dāng)?shù)某叽缯{(diào)整。通過對某學(xué)校的青年學(xué)生的手指長度的測量,得到了如表1所示的結(jié)果。表1-1和表1-2中所列出的人手的各關(guān)節(jié)(如圖3-1)長度尺寸值可以作為設(shè)計多指靈巧手的手指長度的參考。圖3-1擬人手指簡圖4其他零件的設(shè)計 4.1手掌的設(shè)計為了使手指能在手掌上旋轉(zhuǎn)運動形成不同的角度,將手掌底座設(shè)計成圓盤型如圖4-1所示。掌心則是長方形。兩邊形成圓角便于手指的旋轉(zhuǎn)如圖4-2圖 4-1手掌底座 圖 4-2掌心4.2手指底座采摘手就兩個指節(jié),要完成在手掌上的旋轉(zhuǎn)需要有個連接底座。一是支撐手指,二是完成旋轉(zhuǎn)運動其結(jié)構(gòu)如圖4-3所示 圖 4-3手指底座在手指底座的左端連接在手掌上,并由異步電機驅(qū)動旋轉(zhuǎn)。在右邊的結(jié)構(gòu)中來連接第一個關(guān)節(jié),并安裝微型電機通過齒輪傳動使手指完成抓取運動。內(nèi)部結(jié)構(gòu)如圖4-4圖4-4內(nèi)部結(jié)構(gòu)4.3第一個指節(jié)第一個指節(jié)長55mm,寬22mm。通過一個連接件與手指底座的傳動軸過度連接,從而帶動手指的轉(zhuǎn)動。同時在一手指內(nèi)也裝有一個異步電機,來傳動第二個手指轉(zhuǎn)動。連接件如圖5-5,手指零件如圖4-6,內(nèi)部結(jié)構(gòu)如圖4-7圖4-5連接件圖4-6手指一零件圖 4-7內(nèi)部結(jié)構(gòu)4.4第二個指節(jié)第二個指節(jié)長40mm,它的動力來源是第一個指節(jié)上的電機。根據(jù)人機工程學(xué)理論,人手在自然狀態(tài)下手指成彎曲狀態(tài),當(dāng)手掌繃緊時指尖也與手掌自然形成一定角度。通過測量這個角度平均在之間。所以在設(shè)計中第二個指節(jié)與第一個指節(jié)通過連接件連接時的起始位置就形成一個角。連接件和指節(jié)二如圖5-8和5-9所示,手指總裝配如圖4-10所示。圖 4-8連接件圖 4-9指節(jié)二圖 4-10手指總裝配圖5工作形態(tài)因為果蔬的形態(tài)各有不同,采摘機械手可以變換手指位置對不同形狀的果蔬進行抓去任務(wù)。通過Solidworks建模進行間隙驗證推算抓取范圍。下面對主要的三種形態(tài)進行分析。5.1形態(tài)一三指并攏狀態(tài)如圖7-2所示,最小抓取直徑為16.5mm,最大抓取直徑為60mm,長度大于80mm的棒狀物體,如黃瓜之類的果蔬最佳,抓取狀態(tài)如圖5-3和5-4所示。 圖5-2形態(tài)一圖5-3最小抓取形態(tài) 圖5-4最大抓取形態(tài)5.2形態(tài)二形態(tài)二如圖5-5所示三指互成120,在這種狀態(tài)抓取球狀物體最為穩(wěn)定。抓取范圍為直徑在70100mm之間球體。抓取形態(tài)如圖5-6和5-7所示。圖5-5形態(tài)二圖5-6最小抓取 圖5-7最大抓取5.3形態(tài)三形態(tài)三如圖5-8所示,兩個活動手指平行達與固定手指對立相比形態(tài)一抓取做大直徑為95mm。如圖5-9所示 圖5-8形態(tài)三 圖5-9最大抓取6結(jié)束語目前,大部分果蔬采摘機器人還處于研究階段,離實用化和商品化還有一定的距離。在采摘機器人的智能化果實識別和定位、機械本體的優(yōu)化設(shè)計、路徑規(guī)劃和運動控制技術(shù)、開放式的控制系統(tǒng)體系結(jié)構(gòu)等方面有待進一步的研究。隨著農(nóng)業(yè)工廠化經(jīng)營模式的推廣和采摘機器人成本的降低,相信采摘機器人最終會走出實驗室,實現(xiàn)商業(yè)化應(yīng)用,推動現(xiàn)代農(nóng)業(yè)向著裝備技術(shù)精細化、自動化、智能化方向的發(fā)展。參考文獻1 吳宗澤,羅盛國.機械設(shè)計課程設(shè)計手冊.3版.北京:高等教育出版社2006.5.2 濮良貴,紀名剛.機械設(shè)計.8版.北京:高等教育出版社,2006.5.3 毛謙德,李振清.袖珍機械設(shè)計手冊.2版.北京:機械工業(yè)出版社,2002.4 孫桓,陳作模,葛文杰.機械原理.7版.北京:高等教育出版社,2006.5. 5 梁喜鳳.番茄收獲機械手機構(gòu)分析與優(yōu)化設(shè)計研究D.杭州:浙江大學(xué),2004.6 陳利兵.草茍收獲機器人采摘系統(tǒng)研究D.北京:中國農(nóng)業(yè)大學(xué),2005.7 方建軍.移動式采摘機器人的研究現(xiàn)狀與進展J.農(nóng)業(yè)工程學(xué)報,2004(2):273-278.8 陸懷民,林木球果采摘機器人設(shè)計與試驗J.農(nóng)業(yè)機械學(xué)報,2001,32(6):52-58.9 梁喜鳳,苗香雯,崔紹榮,等.果實采摘機械手機構(gòu)設(shè)計與工作性能分析J.農(nóng)機研究所,2004(2):133-13610 殷際平,何廣平.關(guān)節(jié)型機器人M.北京:化學(xué)工業(yè)出版社,2003RESEARCH ON DESIGN AND CONTROL OF HARVESTING MANIPULATORAbstract:Recently, the development of agriculture is heading to mass production,diversification and precision. The cost of labor force is getting higher, and the phenomenon of lack of labor force is getting obvious. Therefore, more and more people pay attention to the research on a幼culture robot. But the roboticized level of picking is still very low now in homeland because of the complicated object and non-structural working environment. Especially, the structure of manipulator that is the key part of harvesting robot is complicated and it is very difficult to control, which causes low in the production efficiency and high in the production cost. Therefore it is not likely to adapt this manipulator widely in agriculture. It is very important to do much research on the design and control of apple harvesting manipulator for the future agriculture.Key words:harvesting manipulator; grasping and picking
收藏