基于CAM/CAE的采摘機器人運動軌跡控制研究

鄭東梅，王慶喜

(榆林職業技術學院，陜西 榆林 719000)

0 引言

隨著種植業的不斷發展，為更好地提高農民采摘效率，減輕農民作業強度，國內外學者針對應用于農作物及各類水果采摘的機械亦不斷進行改進優化?？紤]到作物生長環境及果實特點的差異性，研究大多從機械電子、結構優化及視覺識別等方向展開。采摘機器人采摘過程中，位置信息對于實現果實的精準采摘起決定性作用。為深入理解采摘機器人的運動機理，筆者在實地考察與調研基礎上，通過借鑒相關專家及學者的理論與方法，從CAM/CAE及智能控制分析角度對采摘機器人的運動軌跡進行探討，以便更好地掌握采摘機器人采摘臂體的細節運動狀況。

1 采摘機器人結構及原理

目前，國內外采摘機器人的形式多種多樣，均已應用于不同種類的作物或水果，圖1所示為正在進行采摘作業的果蔬采摘機器人外形圖。采摘機器人主要由智能控制系統、信息傳感裝置及機械執行部件等部分構成，且采摘機器人配置相應的應急處理及報警裝置。從機器人對果蔬場地的環境作業信息識別準確度的環節開始，依次通過以上部件引導采摘機器人模擬人類進行采摘作業。采摘原理可以簡要概述為：采摘機器人通過自身的導航與識別系統，向執行部件發出移動指令；待整機運動至目標果蔬位置，這一控制環節閉合，啟動采摘機器人臂體采摘控制環節；經圖像處理、位姿準確輸入、運動軌跡控制中心啟動運動路徑快速規劃與避障算法處理后，由機械臂體末端執行器執行采摘；采摘動作完成，相應按照規劃路徑返回。

圖1 采摘機器人外觀圖Fig.1 Appearance figure of the picking robot

2 運動控制部件設計

2.1 機器人采摘運動學方程建立

采摘機器人的采摘運動學理論可從正運動學、逆運動學兩方面綜合考慮，建立運動學模型，經矩陣變換獲取正確的模型參數。表1給出采摘機器人機械臂關節的D-H參數。針對采摘機械臂各關節的協調性問題進行了改善，實現了高速、精確采摘，提高了其轉動慣量性能，增加了滑移裝置，并結合采摘作業障礙物的情況設計了一種優化求解運動學算法，流程圖如圖2所示。通過對目標位姿與實時位姿不斷調整對比，獲取最優的采摘機械臂運動學軌跡。

表1 采摘機器人機械臂體關節D-H參數值Table 1 D-H parameter values of the mechanical arm of the picking robot

圖2 采摘機器人臂體運動求解算法流程圖Fig.2 Algorithm flow chart of arm moving on the picking robot

2.2 CAE/CAM軌跡控制應用

CAE/CAM作為一種現代計算機輔助工程分析方法，能夠對采摘機器人運動軌跡的計算及控制實現精準掌控。圖3 所示為基于CAE理論的有效體積細節抑制及重排簡圖。利用數值分析，通過對采摘機械人的臂體進行三維建模及網格劃分，進行模擬仿真試驗。對于模型預處理的要求尤為重要，適當地進行細節、特征、裝配及維度等方面等效變換，得出易于分析的控制模型。

圖3 基于CAE的有效體積重排示意圖Fig.3 Effective volume rearrangement schematic diagram based on the CAE

2.3 軟硬件部件優化

硬件配置對采摘機器人的作業有較大影響，果蔬識別與定位系統的選取在于攝像機的功能型號、信號轉換裝置(選取1394轉接卡)和主控制器等。其相應的移動驅動優化包含變壓電路、減速裝置、驅動器及伺服電機；機械臂體運動控制主要包含串口HUB、隔離及末端執行部件。運動軌跡規劃流程如圖4所示。工作時，通過一系列識別采集、傳遞感應、上位機控制及中心驅動等環節進行路徑軌跡規劃。

軟件控制程序需針對實現具體功能做調整導入，給出部分程序段代碼：

global u1 w1;

t=0: pi/200:2* pi;

u=600+80*cos(t);

w=80*sin(t);

temp=[0,0];

for k=1:500;

u1=u(k);

w1=w*u(k);

…

function x=my fun(y)

global u1 w1

R1=r(1);

R2=r(2);

r(1)=300*cos(R1)+300*cos(R1+R2)-u1;

r(2)=300*cos(R1)+300*cos(R1+R2)-w1;

…

圖4 采摘機器人運動軌跡規劃流程簡圖Fig.4 Brief planning process diagram of the motion trajectory of the picking robot

3 仿真試驗與分析

3.1 仿真條件

以試驗效果為出發點，采摘機器人臂體的三維建模及裝配必須在VRML虛設場景及三維CAM/CAE建模仿真條件結合下進行；在裝配及簡化概要的目標規則基礎上，按照協同與管理編碼生成仿真模型，著重考慮各個仿真部件作業過程中的干涉與監測相互影響等因素，可在一定程度上形成符合實際的虛擬試驗交互仿真模型。

進行I/O地址分配，用于實現采摘機器人運動軌跡控制的節點分配及信息獲取控制。

I0.0：工作初始位置；

I0.1：用于限位控制的行程開關1；

I0.2：用于傳遞信息的壓力傳感器1；

I0.3：用于控制采摘刀具位置的限位行程開關2；

I0.4：用于切割控制的限位行程開關3；

I0.5：用于收回機械臂的定位開關4；

…

…

Q0.0：機械臂卡盤控制開；

Q0.1：機械臂卡盤控制關；

Q0.2：輸出機械臂內部刀具至指定位置；

Q0.3：收回機械臂內部刀具至指定位置；

Q0.4：進行機械臂內部刀具采摘切割；

…

…

3.2 過程分析

經建立物理模型(見圖5)并模擬仿真，對采摘機器人運動控制的位置誤差進行統計，如表2所示。由表2可看出：采摘執行部件的絕對誤差范圍控制在10%以內，執行部件的相對誤差范圍控制在6%之內。

圖5 采摘機器人臂體三維模型Fig.5 3D model of the arm body of the picking robot

表2 采摘機器人運動控制位置誤差統計Table 2 The position error statistics of the motion control on the picking robot

同時，在仿真試驗環境之間，改變采摘機器人模型中各個臂體關節間的間隙等級。隨著精度等級的提高，臂體的運動學參數與動力學參數隨之發生變化，如表3所示。由表3可知：采摘執行部位的位移及機械臂的加速度在一定精度范圍內可以保持較好的穩定采摘性能，機械臂各關節間的間隙配合對其有影響，配合精度可對機械臂的運動軌跡控制過程抖動與碰撞等產生作用。

表3 采摘機器人機械臂不同間隙對應的響應參數值Table 3 The corresponding response parameter values in differen mechanical arm interval on the picking robot

4 結論

1)在分析采摘機器人組成機構及工作原理的基礎上，利用CAM/CAE分析工具，通過三維建模，優化了軟硬件構成，從而提升了采摘機器人運動軌跡的可控性。

2)通過虛擬仿真試驗，驗證了所建控制理論模型的正確性，并得出擬設計的執行部件誤差范圍控制在10%以內。試驗可行，一定程度上節約了試驗成本，可有效縮短采摘機器人的整體設計及優化時間。

3)通過對采摘機器人的運動軌跡進行控制研究，更好地了解了機械臂體運動規律，對于提高采摘機器人的作業效率有一定的參考價值。