蘋果采摘六自由度機械手設計—基于迭代學習和智能軌跡規劃

陳川雄，張學明，汪小志

(1.宜賓職業技術學院 現代制造工程系，四川 宜賓　644003；2.濟源職業技術學院，河南 濟源　459000；3.武漢理工大學，武漢　430070 )

?

蘋果采摘六自由度機械手設計
—基于迭代學習和智能軌跡規劃

陳川雄1，張學明2，汪小志3

(1.宜賓職業技術學院 現代制造工程系，四川 宜賓644003；2.濟源職業技術學院，河南 濟源459000；3.武漢理工大學，武漢430070 )

摘要：為了提高蘋果的采摘效率、降低采摘過程的漏采率和破碎率，設計了一種新的六自由度的采摘機械手。該機械手可以完成夾緊、旋轉、俯仰、搖擺及回轉動作，通過神經網絡迭代學習算法，可以有效地控制機械手的運動軌跡，提高采摘過程的自動化程度。為了驗證六自由度機械手對蘋果采摘的有效性和可靠性，對機械手進行了蘋果采摘測試，并使用脈沖神經網絡PID調節的方式調節軌跡控制誤差。通過測試發現：該機械手的誤差較小，可以有效地完成采摘作業，且漏采率和破碎率都很低，是一種高效的蘋果采摘機械手，可以在其他果蔬采摘作業中進行設計和推廣。

關鍵詞：迭代學習；軌跡規劃；六自由度；神經網絡；PID調節；機械手；蘋果

0引言

蘋果的采摘作業是蘋果生產作業環節中最費力、耗時的一個環節，且勞動強度大、季節性較強、費用較高。因此，提高果實的采摘效率，降低收獲作業的成本，可以有效地增加蘋果的生產收入。果蔬采摘機器人是最常用的一種作業機器人，可以利用采摘視覺系統對蘋果進行有效的識別，并使用神經網絡迭代算法對機械手的動作誤差進行調節，從而保證了采摘的質量，可大大提高采摘工作效率、降低工人勞動強度和生產費用，保證果實適時采收因而具有很大發展潛力。在我國對果蔬采摘機器人進行大力推廣，可以有效地提高農業的現代化水平。

1蘋果采摘六自由度智能機械手總體設計

采用模塊化的方法對蘋果采摘六自由度機械手進行總體設計，將機械手分為4部分，包括基座、手臂、手腕、手部，利用伺服電機對每個部分進行控制，使用鋁合金支架、螺母和螺絲等對裝置進行加固。機械手的模塊化總體設計如圖1所示。

其中，驅動舵機采用微伺服電機進行控制，微型伺服電機的工作原理是如圖2所示。

圖1　機械手模塊化控制方案

圖2　微型伺服直流電機工作原理圖

由圖2可以看出：伺服電機的控制主要通過比例電壓的脈沖來實現，通過神經網絡PID調節來完成機械手軌跡誤差的控制，并利用迭代學習的方法逐漸降低控制誤差，利用反饋調節提高計算精度，實現了六自由度采摘機械手的精確控制。

2機械手結構設計和智能軌跡規劃控制

2.1機械手結構設計

為了設計六自由度的蘋果采摘機械手，首先需要對包裹蘋果的手指進行設計，設計依據為壓縮力的大小。為了測試蘋果能承受壓縮力的大小，采用平板壓縮試驗，首先將蘋果放在夾具的中間，利用萬能電子試驗機對蘋果進行力的加載，其原理如圖3所示。

圖3　蘋果夾緊力實驗原理圖

為了實現對于壓力值進行精確測量和跟蹤，在試驗機里使用力傳感器和光電編碼器，將力的測量反饋給上位機軟件，利用上位機軟件反饋的數據繪制記錄曲線數值。試驗原理如圖4所示。

圖4　果柄剪切力試驗原理圖

為了設計一個合理的果枝分離機構，需要對果柄的剪切力進行試驗研究。首先將蘋果的果柄兩端固定在夾具上，然后將其固定在萬能機的底座上；在試驗機的夾具上安裝刀具，使用一定的加載速率加載力，利用上位機記錄加載力的數據，可以直觀地得到加載力的過程中切掉果柄需要的最大剪切力，并可以測試得到機械后刀具的位移。

蘋果采摘機械手采用氣動柔性彎曲關節，主要由轉軸、連桿、聯接件、左端蓋、右端蓋、橡膠管、螺旋鋼絲及進氣接頭組成，如圖5所示。其工作原理：壓縮氣從端蓋進入內腔后，利用螺旋鋼絲的作用力使橡膠管伸長，推動連桿進行轉動。機械手的總體設計如圖6所示。

1.連桿　2.左端蓋　3.聯接件　4.轉軸　5.橡膠管

圖6　機械手總裝圖

2.2智能軌跡規劃學習控制設計

為了實現機械手的智能軌跡規劃，使用神經網絡迭代算法對機械手活動的軌跡誤差進行控制，并利用PID調節器對誤差進行控制，使輸出層神經元的輸出狀態對應于PID控制器的3個可調參數kp、ki、kd，通過神經網絡迭代的自身學習、加權系數調整，從而使其穩定狀態對應于某種最優控制規律下的PID的控制器參數。基于BP神經網絡迭代學習自整定PID控制系統方框圖如圖7所示。

圖7　BP神經網絡迭代學習結構圖

圖7中，利用神經網絡迭代結構對機械手周圍的溫度進行控制，并對PID算法進行優化，如圖8所示。

圖8　BP神經網絡迭代學習訓練PID算法

控制結構的總體分為4部分，主要包括輸入部分、輸出部分、神經網絡迭代算法控制器和PID控制器。本文通過神經網絡迭代算法交叉和學習對機械手的軌跡進行規劃，使蘋果采摘機械手完成六自由度動作，并對動作軌跡進行優化，其過程如圖9所示。

圖9　神經網絡迭代訓練學習算法流程圖

i=1,2,…,q

(1)

隱含層底i個神經元的輸出為

(2)

其中，g(·)表示隱含層的激活函數。對于sinmoid型激活函數滿足

(3)

i=1,2,…,q

(4)

(5)

k=1,2,…,L

(6)

3六自由度蘋果采摘機械手測試

為了驗證本文設計的自由度蘋果采摘機械手的性能，利用蘋果采摘試驗對機械手進行了測試。首先利用脈沖寬度對伺服電機的輸出進行控制，其脈沖寬度和對應的輸出位置值如表1所示。

表1　伺服電機輸出位置脈沖寬度關系表

為了控制機械手的姿態，使用脈沖寬度對舵機輸出位置進行調整，從而得到了相應脈沖下的舵機輸出位置，因此可以在軟件程序中編寫脈沖寬度和舵機角度的轉換程序。在硬件電路中，使用神經網絡控制算法對軌跡控制脈沖進行迭代學習，從而降低軌跡智能控制的誤差，提高機械手控制的精確程度。通過計算的誤差曲線如圖10所示。

圖10　迭代學習算法誤差曲線

由圖10可以看出：在計算到600s時，誤差接近于0，計算的收斂性較好。

圖11表示使用神經網絡迭代學習算法時，使用MatLab仿真模擬計算得到PID控制參數優化結果曲線。由圖11可以看出：在計算到600s時，控制參數不在波動，計算趨于收斂，智能軌跡規劃控制系統達到了穩定狀態。

圖11　迭代學習算分析PID參數變化曲線

表2表示果實的漏采率和破碎率的測試結果。由表2可以看出：果實的破碎率較低，最大破碎率沒有超過1%，這是由于采用六自由度機械手可以對蘋果施加合適的夾緊力和切斷率，從而保持了較低的破碎率。由漏采率的結果可以看出：六自由度蘋果采摘機械手的漏采率也很低，這是由于采用迭代學習智能軌跡規劃算法后，機械手可以準確地定位蘋果的具體位置，從而大大降低了果實的漏采率。

表2　果實漏采率和破碎率測試

4結論

為了提高蘋果采收作業的機械化程度、減輕勞動強度，以及有效降低采摘過程的漏采率和破碎率，設計了一種新的六自由度的采摘機械手。利用神經網絡迭代學習的方法，可以有效地規劃機械手運動軌跡，提高控制精度，從而較好地完成蘋果采摘作業。對機械手進行蘋果采摘測試，利用脈沖寬度調節的方式對機械手的軌跡進行調節。通過測試發現：機械手的漏采率和破碎率均很低，可以有效地完成蘋果采摘作業，為果蔬采摘機器人的設計提高了有價值的參考。

參考文獻：

[1]紀晴,段培永,李連防，等.移動機器人全覆蓋路徑規劃算法綜述[J].山東建筑大學學報,2007,22(4): 354-358.

[2]王儉,陳衛東,趙鶴鳴.移動機器人全覆蓋路徑規劃優化方法[J].計算機工程,2005,31(22):162-163.

[3]吳修文,馮曉霞,孫康嶺,等.農用機器人導航電子地圖的研究[J].農業裝備與車輛工程,2010(3): 40-42.

[4]朱向慶,陳志雄.采用GPS和GPRS的移動目標監控導航系統設計[J].計算機測量與控制,2011,19(5): 1133-1136.

[5]李界家,陳浩,李穎.神經網絡迭代算法解耦控制在中央空調系統中的應用[J].沈陽建筑大學學報,2012, 28(1):182-186.

[6]徐文兵,高飛.天寶Trimble AgGPS 332單點定位在林業測量中的應用探析[J].浙江林學院學報,2010, 27(2):310-315.

[7]張楠，董曉晶，張健.WGS-84坐標系與BJ-54 坐標系的轉換方法及精度探討[J].制造業自動化,2009, 31(12):162-164.

[8]李紅;沈冬.基于ArcGlS Engine 的地理信息數據庫設計與實現[J].測繪與空間地理信息,2009,32(4): 74-76.

[9]李文國.導航電子地圖的設計與實現[J].科技資訊, 2008(30):3.

[10]陳文良,謝斌,宋正河，等.拖拉機電控液壓動力轉向系統的研究[J].農業工程學報,2006,22(10):122-124.

[11]韓高樓. GPS 定位技術的優缺點[J].陜西建筑,2010(2):56-58.

[12]李洪欣,楊建中.基于兩參數的表冷器建模方法研究[J].建筑熱能通風空調,2009,28(6):15-17.

[13]孟慶山.水源熱泵機組變流量水系統節能優化探討[J].制冷與空調,2010,10(1):84-89.

[14]謝志勇,張鐵中,趙金英.基于 Hough 變換的成熟草莓識別技術[J].農業機械學報,2007,38(3): 106-109.

[15]王東,趙宇,王秀紅.一種改進的DFT迭代的MIMO-OFDM系統信道估計算法[J].應用科技，2009, 3(3):19-22.

[16]徐文穎,張靜,董建萍.導頻信道估計中的插值算法[J].上海師范大學學報,2007,12(6):41-46.

[17]陳暉,陳曉光.基于直接判決導頻跟蹤的OFDM系統快時變信道估計[J].通信學報，2006,9(27):1-5.

[18]李文見,姬江濤.輪履復合式農業機器人越避障控制研究[J]. 河南科技大學學報:自然科學版,2007(8):57-59.

[19]王仲民,戈新良,唐智強.多傳感器信息融合技術研究現狀和發展趨勢[J].河北工業大學學報,2003,32(2):30-35.

[20]國剛,王毅.應用BP神經網絡迭代進行手寫體字母數字識別[J].人工智能及識別技術,2008,4(6): 1459-1460.

[21]施少敏,馬彥恒,陳建泗.基于BP神經網絡迭代的數字識別方法[J].兵工自動化,2006,25(10):40-41.

[22]許穎泉.用神經網絡迭代進行數字圖像識別研究[J].應用科技,2008(12):59-60.

Design of Apple-picking Six DOF Manipulator Based on Iterative Learning and Intelligent Trajectory Planning

Chen Chuanxiong1, Zhang Xueming2, Wang Xiaozhi3

(1.Department of Modern Manufacturing Engineering, Yibin Vocational and Technical College, Yibin 644003, China; 2.Jiyuan Vocational and Technical College, Jiyuan 459000, China; 3.Wuhan University of Technology,Wuhan 430070,China)

Abstract：In order to improve the apple picking efficiency, reduce the process of picking the leakage recovery rate and broken rate, it designed a new six degrees of freedom of the picking manipulator. The manipulator can complete clamping, rotating and pitching, rolling and rotary motion.Through neural network iterative learning algorithm, it can effectively control the manipulator trajectory, improve the picking process automation. In order to verify the six degree of freedom manipulator of apple picking the validity and reliability,the manipulator apple were picking test, and the use of pulse neural network PID regulating mode to adjust the trajectory error control.Through the test found that high precision error of the manipulator can be effectively complete picking, and loss rate and broken rate is very low, which is an efficient apple picking manipulator, design and promotion in other fruit and vegetable harvesting.

Key words：iterative learning； trajectory planning； six degree of freedom； neural network； PID regulation； manipulator； apple

文章編號：1003-188X(2016)07-0065-05

中圖分類號：S225.93；TP241

文獻標識碼：A

作者簡介：陳川雄(1969-)，男，四川自貢人，講師。通訊作者：汪小志(1981-)，女，武漢人，副教授，博士研究生，(E-mail)wangxiaozhi@ncu.edu.cn。

基金項目：湖北省自然科學基金項目(2014CFB322)

收稿日期：2015-06-16