面向大质量串型水果采摘的夹持试验与仿真

对于香蕉这类大质量水果采摘的末端执行机构,确定合理、可靠的夹持方式是机构精简的关键。文中对不同夹持因素组合产生的夹持效果进行了试验研究及夹持过程的有限元仿真分析,得到各夹持因素与夹持效果之间的影响关系及最佳的夹持方式。在自制的夹持试验平台上,针对摩擦夹持方式,进行了不同接触材料及不同夹持力的夹持效果试验;针对钉刺夹持方式,开展了钢钉数量、钢钉直径、钉刺深度的三因素三水平正交试验。试验数据表明,对于依靠摩擦力夹持蕉串的摩擦夹持方式,可靠性不足;钉刺夹持方式夹持效果优于摩擦夹持,影响夹持效果的因素主次顺序为:钢钉数量、钢钉直径、钉刺深度,最佳夹持效果因素组合为:钢钉数量6颗、钢钉直径5 mm、钉刺深度10 mm。文中研究为香蕉这类大质量串型水果采摘机械手夹持机构的设计提供了理论依据。     

基于PCA-ELM和光谱技术预测香蕉成熟度

本文利用高光谱成像技术(Hyperspectral imaging)对常温下贮存的450个未剥皮香蕉样本光谱数据进行采集,首先检测样本果肉可溶性固形物含量(TSS)、坚实度(FIM),采用SPSS单因素方差分析,然后运用线性优化岭回归分析-偏最小二乘法(RR-i PLS)建立了香蕉成熟度理化指标的光谱和图像特征分类模型,结果表明通过实验平台获取光谱数据预测香蕉可溶性固形物含量以及坚实度的相关系数R2值分别为0.92和0.94。再通过连续投影法(successive projections algorithm,SPA)法以及主成分分析法(principal component analysis,PCA)分别选取特征波长,建立基于特征波长的极限学习机(extreme learning machine,ELM)对光谱数据进行建模交叉验证。通过比较RR-i PLS,SPA-ELM与PCA-ELM三种分类预测模型,表明基于特征波长的PCA-ELM分类模型具有较好的预测性能。交叉验证准确率达到99%。为能快速无损识别香蕉果实品质提供一种有效的预测研究,基本满足对香蕉成熟度分类检测且显示出有效建模分析,且能达到有效的经济效益。     

基于高光谱技术的马铃薯外部品质检测

为了快速无损检测马铃薯外部品质,研究采用高光谱成像技术对马铃薯外部品质分级。选取合格、发芽、绿皮、孔洞4种马铃薯外部特征,获取光谱数据,采用不同预处理方法对光谱数据进行处理,并分别建立偏最小二乘判别模型,结果显示采用标准正态变量变换法(SNV)获得的模型效果最优。对预处理后的光谱数据利用连续投影算法(SPA)及加权权重法(WWM)分别优选出了13个和9个特征波段,对两种不同方法得出的特征波段分别建立了支持向量机判别模型,结果显示两种方法对预测集的判别准确率均达到了100%,WWM-SVM判别模型对校正集的交叉验证率为99.5%,高于SPA-SVM判别模型的交叉验证率。利用高光谱成像技术结合SPA-SVM和WWM-SVM对马铃薯外部品质进行分级具有可行性。     

一种全站仪免置平实现的刚体六自由度测量方法

刚体六自由度是机械系统重要参数,其测量既可应用于运动学与动力学理论模型的验证,也可作为已知条件求解系统的约束反力等动力学分析。针对目前六自由度测量对仪器需求高、操作复杂的问题,提出一种基于常规测绘仪器全站仪实现的世界坐标系下刚体六自由度的测量方法,特点是通过全站仪测量分别设置在世界坐标系（World coordinate system,W系）和刚体的体坐标系（Body coordinate system,B系）一组已知控制点,即可实现刚体六自由度的测量,而且测量过程中全站仪无须置平操作。论文基于矩阵分析法分析了本全站仪免置平测量六自由度方法的原理,提出了数学模型并通过最小二乘法和奇异值分解相结合,实现模型的解算,在此基础上提出了本方法完整的应用步骤。利用SGT320E型三轴多功能转台与KTS460RM全站仪对本文方法进行了试验验证,并进行了相关误差分析。结果表明,全站仪免置平实现的刚体六自由度测量所得欧拉角精度（按Z-Y-X旋转顺序）分别为2.738°、3.424°、2.344°;刚体质心位置精度（按X-Y-Z顺序）分别为0.006 m、0.013 m、0.009 m,证明全站仪免置平测量方法理论和实践应用的可行性,可以满足多体机械系统中刚体六自由度的测量需求。