先進武術教學與智能采摘的協同管理技術應用

謝志斌

(西安科技大學,西安 710054)

0 引言

近年來,我國智能采摘技術不斷發展,推動了農業果蔬采摘技術的進步。采摘準確率的提升及勞動量的降低是我國發展智能采摘技術的初衷。武術作為我國的傳統文化,其整體思維理念可融合到采摘系統的布局控制中,剛柔協調性思維理念則可以具體結合到采摘機器的各個部件。為較好地利用當前的協同管理技術,筆者在借鑒前人理論與實際研究成果的基礎上,從先進武術教學與智能采摘角度出發,針對采摘系統的協同系統進行了探討。

1 協同采摘機理

高性能的采摘設備及高效率的采摘管理水平是實現協同采摘的前提條件,單一的智能采摘控制主要從圖像的識別、特征提取、信息處理及傳遞到機構動作等一系列環節來完成。圖1所示為一特定農業智能采摘機器人進行獨立作業的場景,其各動作的協調完成歸屬于后臺的程序控制及指令收發。由于引入了先進的協同管理理念,即一種或多種控制信息在同一個管理平臺上進行分享與控制,在自適應模式的管控下,通過核心控制協調、數據共享和各元素的相互作用,使單調式的控制管理向效率化、信息化轉變。

智能采摘基礎上的協同管理是將整體系統分解為多個子系統,各系統間為非線性的函數關系,如圖2所示。工作時,部件協調動作在協同采摘機理的控制下實現采摘作業,且動作執行依據先進武術的剛柔并濟的機理,充分考慮智能采摘執行部件的材料選取及硬件連接等。

圖1 農業智能采摘機器人作業場景

圖2 智能采摘控制協同機理簡圖

2 協同管理平臺構建

2.1 智能采摘模型建立

針對智能協同采摘目標,選取合適的執行部件參數,可確保非結構因素引起的干擾降至最小,具體參數如表1所示。采摘過程中,如出現果樹枝條碰損現象,把柔性度考慮在采摘機器人的執行部件材料選擇范疇,并進行動靜態受力分析,進而實現協調采摘管理。

表1 智能采摘機器執行部件的核心參數

機器的智能采摘主要過程可以描述為:首先進行采摘作業果蔬周邊多維化信息值感知與提取,然后經圖像處理到達采摘機器本體的認知環節。良好精準的感知可進一步指導采摘部件進行動作與行為的規劃,故以HIS模型為基礎建立智能協同采摘預處理與特征提取理論模型,即

(1)

(2)

(3)

式中m(x,y)—獲取圖像像素灰度值;

i、j—圖像像素點;

Q—像素點集總數;

S—圖像鄰域;

f—圖像單個像素特征;

n—圖像特征數目;

g—計算后的圖像像素特征;

G—圖像像素特征閾值;

s—圖像特征判定結果。

以武術與采摘的協同為目標,在進行智能協同采摘控制算法中,選取適應度為目標函數,給出智能采摘算法核心流程,如圖3所示。工作時,經初始化后的參數值在與適應度達標和迭代值最大化的條件下進行柔性選擇匹配;兩次匹配成功后,進行核心算法編譯,實現協同控制。

圖3 智能采摘核心算法流程圖

2.2 武術教學模型切入

武術教學重在肢體的協調控制,以及跳躍、攻擊、防守等動作的完成,由大腦控制并捕捉運動,分解下的合并是武術動作運動規律的體現,向對手的攻擊相似于智能機器人進行采摘作業。為此,以武術與采摘協同的軌跡控制為核心,在控制指令的判定下,經速度控制函數和傳感器反饋系統進行采摘軌跡控制(見圖4),若不符合要求,返回初始動作判定。

2.3 協同采摘實現

為更好地將先進武術教學與智能采摘機合理化銜接組合,設計如圖5所示的武術力度與智能采摘的協同控制實現流程。在采樣環節分別設定計數變量和采樣時間間隔,同時設定采摘接觸力的信號,判定力度需考慮人體肢體的武術靈活水平并結合采摘所需力的大小。設定25N為初次判定標準,設定30N為最終控制電機的判定標準,進行信號的啟動與停止。

圖4 基于武術與采摘協同的軌跡控制Fig.4 Trajectory control based on the coordination between martial and the picking

圖5 武術力度與智能采摘的協同控制實現流程簡圖

針對武術教學與智能采摘實現進行硬件模塊設計,將整體采摘的硬件設計主要劃分為六大模塊,如表2所示。其中,采摘驅動模塊和轉向控制模塊需要經過CAN總線和MP系列運動卡在TCP/IP協議控制下達到采摘執行模塊,而后數據處理模塊和傳感控制模塊信息實時在人機交互界面進行智能化顯示。

表2 武術教學與智能采摘實現主要設計硬件

考慮智能采摘的協同性,預知采摘機器人各部件的耦合能力,利用ANSYS進行三維運動建模,如圖6所示。

圖6 協同智能采摘實現的三維運動建模

工作時,把采摘動作的初始位置設定為動作出發點,經后臺程序控制與執行后,達到采摘執行部件接觸果實的位置,可清晰看到該設計的可行性。這期間,視覺伺服控制系統應準確、快速將果實圖像信息傳遞至采摘機器人,實現靈活性與柔和度的協同應用。

3 協同試驗

3.1 試驗條件

試驗裝置包括傳感器、電機驅動、動作執行、顯示儀表等,如圖7所示。同時,對CAN通信的ID進行功能性設置(見表3),主要包括主節點、角速度傳感器和GPS模塊,通過視覺、感知與執行,在硬件電路和軟件程序的控制下完成智能協調采摘行為。

1.采摘控制電機驅動裝置 2.電源 3.動作控制裝置 4.執行機械臂 5.采摘裝置 6.傳感器 7.電位控制裝置 8.顯示儀表

表3 協同采摘試驗CAN通訊主要ID設置

3.2 試驗分析

對協同智能采摘進行試驗數據記錄與處理,旨在測定協同采摘在基礎避障的條件下對采摘的準確率,得出評價參數數據統計表,如表4所示。為排除不符合實際及非結構因素,獲取6次試驗數據。由表2可看出:整體的改善效果與單一智能采摘效果處于同一水平,雖正負準確率有所波動,但兩者準確率誤差控制在4%范圍內,說明武術結合采摘的協同系統具有可行性。

表4 協同采摘試驗下的評價參數數據統計

4 結論

1) 通過全面理解武術教學的本質和內涵,在智能采摘機器人工作原理基礎上,建立了協同采摘控制模型,并進行相應的算法和硬件控制電路設計,再經部件結構協調分配,得出協同采摘的三維運動模型。

2) 進行基于先進武術教學和智能采摘的協同采摘試驗,結果表明:經協同技術應用后的采摘準確率可控制在88%以上,誤差控制在4%范圍內。