基于改进粒子群的食品分拣机器人动态目标抓取控制方法

目的：解决目前食品生产线分拣机器人抓取操作不稳定、分拣效率低的问题。方法：基于高速并联食品分拣机器人的体系结构,提出了一种基于改进粒子群算法的多目标运动优化策略用于食品分拣机器人的动态目标抓取控制方法。协调抓取顺序和分拣轨迹建立最短路径模型,以末端加速度建立机构稳定性优化模型,并通过改进粒子群优化算法对目标进行优化。结果：通过试验进行了验证,在输送速度100 mm/s时,抓取成功率由96.8%提高到100%,分选速率由1.62个/s提高到1.98个/s。结论：该控制方法能有效提高食品分拣机器人的操作稳定性和分拣效率。     

基于IPSO-BPNN-PID控制的食品并联机器人抓取技术

目的:解决并联机器人在食品分拣中存在的效率低、精度差等问题。方法:在食品分拣系统结构的基础上,提出了一种改进BP神经网络与PID控制相结合的Delta机器人运动目标抓取策略。通过改进的粒子群优化算法优化BP神经网络初始权值,并利用优化的BP神经网络对PID控制参数进行实时调整。通过试验分析该方法的性能验证其优越性。结果:相比于传统控制方法,所提方法能够较为准确、高效地实现动态目标捕获,动态抓取成功率达到98%以上,能够满足食品分拣的需要。结论:通过对动目标抓取策略的优化可以有效地提高Delta机器人的抓取效率和精度。     

基于Delta机器人的食品生产线动态目标抓取方法

目的：解决当前食品生产中Delta机器人在动态目标抓取方面存在的精度差、效率低等问题。方法：提出了一种新的动态目标抓取方法用于食品生产线中Delta机器人的抓取控制,通过传送带的偏移量和编码器的反馈值计算目标的动态位置,优化目标的抓取顺序,并结合门型轨迹和改进的梯形加减速算法对动态目标进行抓取。通过试验对优化前后的控制方法进行分析。结果：在20 mm/s的输送速度下,优化前后机器人漏抓率由3.33%降至0,抓取速度从0.756个/s提高到0.860个/s;在30 mm/s的输送速度下,优化前后机器人漏抓率从8.83%降至0,抓取速度从0.885个/s提高到1.130个/s。结论：动态目标抓取方法能有效提高Delta机器人的抓取效率。     

基于并联机器人的单片装火腿缺陷识别与分拣系统设计

目的:提升单片装火腿的分拣效果.方法:以 Delta 并联机器人为基础,结合自动控制、机器视觉等技术,设计搭建了一种能够识别单片装火腿缺陷的分拣系统.建立2自由度 Delta并联机器人的运动学与动力学模型,并对 Delta并联机器人进行优化设计,还设计了控制系统的组成与图像处理的算法.结果:该系统能够成功识别异物缺陷与折痕缺陷,识别率高达95%;能够准确、高效地分拣单片装火腿,分拣成功率达到 98%,分拣效率为 160包/min.结论:该系统可实现单片装火腿识别、抓取、 搬运、分拣、剔除的连续化作业.     

基于三维模型的食品分拣机器人抓取控制方法

目的:解决现有串类水果在机器人分拣中存在的准确性差、分选效率低等问题。方法:基于高速并行食品分拣系统结构,将改进的SURF算法与改进的RANSAC算法相结合用于食品分拣机器人抓取点定位,建立三维抓取模型实现串类水果的自动稳定抓取。以葡萄为例,通过试验验证了所提方法的优越性和准确性。结果:所提方法与常规方法相比,平均抓取成功率提高15.00%左右,平均抓取时间缩短0.101 s。结论:该食品分拣机器人可有效提高串类水果抓持点定位的准确性,具有较高的成功率。     

食品协作机器人动态目标抓取控制方法研究

目的:解决目前协作机器人在食品动态目标抓取中存在的准确性较低问题。方法:基于协作机器人体系结构,提出将模糊自整定PID控制和鲁棒自适应补偿器相结合用于协作机器人食品动态目标抓取。PID结合模糊控制完成参数自整定,鲁棒算法与自适应算法相结合用于系统不确定性补偿。通过试验分析了所提方法的性能,验证了该方法的可行性。结果:所提方法在协作机器人动态目标抓取中具有较好的效果,提高了协作机器人动态抓取的准确性,在传送带速度100 mm/s时,动态抓取成功率达到99.50%,对食品动态目标抓取具有一定的应用价值。结论:通过优化现有目标抓取控制方法,可有效提高协作机器人的抓持精度。     

基于颜色特征的筒纱分拣机器人识别定位方法

针对筒纱分拣机器人作业目标的表面纹理复杂、位置随机摆放等干扰因素的问题,课题组提出了基于颜色特征的筒纱识别定位方法。构建了具有视觉感知的4自由度DOBOT筒纱分拣机器人系统,通过视觉系统获取筒纱多目标的图像,采用对图像进行预处理的算法来提高分拣目标的对比度;将作业目标由RGB空间转换到HSV颜色空间,提取各分量的颜色特征,采用区域生长法对不同颜色的多目标区域进行提取;建立基于图像信息的形心坐标,对各目标区域的连通域进行定位。实验结果表明:该方法能够实现对不同颜色的作业目标的识别与定位,并在分拣机器人的手眼标定的基础上,实现了对不同颜色的作业目标进行分拣。     

基于改进NURBS曲线插补算法的食品分拣机器人轨迹规划

目的：为了更好地规划食品分拣机器人的运动轨迹,降低其振动幅度,使食品分拣机器人能够高精度地完成任务。方法：以Delta并联机器人为基础,结合NURBS曲线插补算法和改进的遗传算法,提出了一种以最优运动时间为目标的食品分拣机器人路径规划方法。采用改进遗传算法来优化NURBS曲线。通过仿真对优化前后进行对比分析,验证了该优化方法的可行性。结果：与优化前相比,所提的优化方法可以在一定程度上降低食品分拣机器人的运动时间,从优化前的3 230 ms降低到优化后的3 070 ms。关节空间的机器人曲线也更加平滑,可以充分发挥并联机器人的性能。结论：该轨迹规划方法能有效提高食品分拣机器人的分拣稳定性和效率。     

基于改进PSO-SVM的生产线分拣机器人罐装食品识别方法

目的:解决现有食品生产线分拣机器人目标识别方法存在的准确率差和效率低等问题。方法:在对基于双目视觉食品分拣系统进行分析的基础上,提出了一种将改进的粒子群算法和支持向量机相结合用于食品分拣机器人的目标识别。通过改进粒子群算法寻优支持向量机参数,获得优化的支持向量机分类模型,对全局特征和局部特征分别进行分类器训练,动态分配特征权重系数,得到最佳识别率。通过试验分析所提方法的性能,验证其可行性。结果:与常规方法相比,所提方法在食品分拣机器人的目标识别中具有较高的识别精度和效率,准确率为99.50%,平均识别时间为0.048 s,满足机器人的分拣需要。结论:所提方法能有效识别罐装食品,提高了分拣机器人分拣准确率和效率。     

基于SURF特征点的包装空间双目视觉定位研究

为便于多自由度的机械臂识别抓取特定包装,对包装外边缘轮廓精确定位,强化机械臂作业系统对包装的外边缘轮廓抓取精度与视觉特征识别.基于双目机器视觉中的SURF特征点的定位,提高检测系统的图像信息收集精度,确定复杂环境下的目标包装物边缘标定核心识别定位要点.在传统单眼视觉的基础上,进行双目视觉SURF特征点的应用建设分析.以...     

基于改进门字形轨迹的番茄生产线DELTA分选机器人轨迹规划

目的：解决现有番茄加工生产线DELTA机器人在番茄分选过程中存在的效率低和运动稳定性差等问题。方法：在对DELTA机器人分选系统进行分析的基础上，将回旋线优化的门字形轨迹用于DELTA机器人轨迹规划。利用回旋线替换门字形轨迹的直角部分，建立以时间最优为目标的优化模型，通过改进的蚁群优化算法求解优化后门字形轨迹参数。通过试验对其性能进行分析。结果：所提方法相比于门字形轨迹和文献[20]方法具有更优的平均分选时间和分选成功率，平均分选时间分别降低了11.61%和1.63%，分选成功率提高了2.05%和0.56%。结论：所提规划方法有效提高了DELTA机器人分选精度和效率。     

高速机器人分拣系统机器视觉技术的研究

针对我国食品生产行业的实际需求,基于并联机器人、机器视觉等先进技术,构建了面向食品生产包装的高速机器人分拣系统,研究了输送带上运动食品的机器视觉定位算法,设计了运动食品分级与定位的机器视觉硬件系统,基于专业图像处理软件Sherlock,研发了自动分拣机器视觉软件系统,以提高我国食品生产效率、保证食品卫生、降低劳动强度。     

基于改进反演控制的食品分拣机器人末端执行器智能控制方法

目的:解决并联食品分拣机器人分拣过程中存在的末端执行器定位精度差、效率低等问题。方法:提出一种将模糊系统、模糊神经网络和反演控制算法相结合用于并联食品分拣机器人末端执行器的智能控制。建模信息由模糊系统逼近,未建模信息由模糊神经网络逼近和预测,反演控制完成控制输出,最后进行实验验证。结果:与传统控制方法相比,所提控制方法具有良好的末端执行器跟踪精度和控制效率,末端执行器误差小于0.3mm,分选效率达到1.99个/s。结论:该控制方法可以实现准确、高效和稳定的位置跟踪。