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。     

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。     

基于双目视觉的食品分拣Delta机器人定位抓取技术

目的：解决Delta机器人在食品分拣中定位精度差、抓取成功率低等问题,提高机器人的柔性抓取能力。方法：在现有双目视觉和Delta机器人技术的基础上,提出一种基于双目视觉的Delta机器人柔性抓取方法。采用张正友标定方法对相机进行标定,通过弦中点Hough变换对目标进行识别和定位,根据PID跟踪抓取控制Delta机器人抓取动态目标。通过试验对单目标分拣和多目标分拣性能进行分析,验证该方法的可行性。结果：该方法能够准确、快速、稳定地对目标进行动态抓取(成功率在94.0%以上)。结论：双目视觉与Delta机器人相结合可以有效提高机器人的定位精度和分拣抓取的成功率。     

一种自整定PID/PI及其在纸张定量控制中的应用

结合纸张定量控制难点，提出了一种能用于大时滞过程的自整定PID／PI控制算法。该算法参数整定简单，对过程模型的依赖性小，只需获得实际过程Nyquist曲线与S平面负虚轴交点处极限环信息便能完成PID／PI控制器参数的自整定，易于在线实现。参数整定基于幅值裕度和相角裕度鲁棒性能指标，算法鲁棒性强，适于纸张定量回路具有大时滞的工业过程控制。     

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。     

基于闭环和前馈控制的高速食品分拣机器人控制技术

目的：满足当前对食品分拣机器人速度和精度的需求。方法：基于高速并联食品分拣机器人的系统体系结构,提出一种将传统的运动学闭环控制和力矩前馈控制相结合的高速并联食品分拣机器人控制方法;在原有遗传算法整定PID控制参数的基础上,引入力矩前馈控制方法进行动态控制;对比分析系统的动态跟踪精度和关节力矩,并验证该控制方法的优越性。结果：与传统PID控制相比,最大和平均关节位置跟踪误差降低了65％以上,最大轨迹误差降低了50%以上。结论：该控制方法可以有效提高高速运行时抑制动态干扰的能力。     

基于误差性能指标的强时变时滞系统鲁棒PID继电自整定控制技术

对于工业过程中常见的强时变时滞过程，提出了一种基于误差性能指标的数字鲁棒PID控制参数继电自整定控制策略和技术，应用这种整定方法整定的PID控制器，闭环不确定系统可具有强时变时滞鲁棒镇定性，且完全抑制负载干扰，具有很好的动静态性性能，现场应用效果良好。     

多算法融合的并联食品分拣机器人轨迹跟踪控制方法

目的：解决并联食品分拣机器人轨迹跟踪控制方法存在的控制精度低和运动稳定性差等问题。方法：在四自由度并联机器人结构基础上,提出将滑模控制算法、模糊控制算法和改进蝙蝠算法相结合用于并联食品分拣机器人轨迹跟踪控制。通过改进蝙蝠算法对模糊算法带宽进行寻优,通过优化的模糊控制算法自适应调整滑膜控制算法的模糊增益和滑膜面斜率,降低控制器的跟踪误差,提高抗干扰能力,并验证所提轨迹跟踪控制方法的优越性。结果：所提轨迹跟踪控制方法实际分拣准确率为99.90%,平均分拣时间为0.509 s。结论：与常规方法相比,所提轨迹跟踪控制方法的关节轨迹跟踪精度更高,抗干扰能力更强,输出力矩更加平滑。     

沥青砂浆车液压系统的辨识与PID参数整定

针对沥青砂浆车液压系统难以精确控制的问题,采用实验与理论相结合的方法,对液压系统进行辨识:分别采用绝对误差积分(IAE)、平方误差积分(ISE)、时间与误差平方乘积积分(ITSE)3种适应度函数,利用粒子群优化算法(PSO)对辨识得到的系统模型进行PID参数整定.对比研究结果表明:辨识得到的系统与实际系统相似度达到96%,基于ITSE性能指标的PSO整定得到的PID参数用于系统控制,响应速度更快、稳定性更好、准确性更高.     

基于模糊自适应PID算法的复卷机退纸辊张力控制

复卷机张力控制具有非线性、大滞后、强干扰特点,是复卷机电控系统的难点。常规PID在复卷机升降速及高速运行时控制效果不佳。模糊自适应PID控制可在线实时调整PID参数,适应系统在升降速及结构发生变化时的影响。结果表明,系统动态特性好,鲁棒性强,实现简单。     

基于并联机器人的食品分拣控制系统设计

为解决食品包装过程中分拣困难、漏拣和误拣率高等问题,基于并联机器人设计一种食品分拣控制系统。食品分拣设备主要包括并联机器人、夹持器、工业相机、LED光源、传送带等。以并联机器人为研究对象,设计一种模糊神经网络控制器,实现在线调节PID控制参数。通过改进粒子群优化算法,实现神经网络初始权值最优化处理,并开展相关试验研究。结果表明,系统漏抓和误抓率非常低,最大为0.1%;并联机器人的食品分拣控制系统具有好的稳定性和可靠性;抓取精度较高;能够满足食品包装要求。     

基于S7-400PLC的啤酒发酵靶向温度控制系统

针对啤酒发酵温控系统非线性、大时滞的特点,提出将靶向控温思想与模糊PID控制算法相结合,设计了基于靶向控温点实现控温的模糊PID控制器,以提高啤酒发酵温度控制的精确性。以西门子S7-400PLC和Braumat软件平台为控制核心,设计啤酒发酵温度控制系统软硬件结构,实现对整个生产过程的控制与监测。现场实际应用表明:啤酒发酵温度控制误差为±0.3℃,控温效果好,满足实际生产要求。     

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。     

神经网络分数阶PID控制器在纸浆浓度控制中的应用

分数阶PID控制器继承了常规PID控制器的优点,并且具有更高的控制精度和更强的鲁棒性。针对常规PID控制器在纸浆浓度控制过程中存在的问题,设计了一种基于神经网络的分数阶PID控制器。用分数阶PID控制器代替常规PID控制器,并通过神经网络调节分数阶PID控制器的5个控制参数,实现一种参数自整定的PID控制器。仿真实验结果表明,神经网络分数阶PID控制器比常规PID控制器的控制精度高,对纸浆浓度的控制更稳定;采用神经网络分数阶PID控制器控制纸浆浓度是切实可行的,具有很好的推广应用前景。     

基于单神经元PSD的纸浆浓度控制算法研究

稳定的纸浆浓度是保证纸张质量的重要因素,但是纸浆浓度本身又处于长期不可预测的波动中。针对常规方法无法解决纸浆浓度模型的不确定、大时滞、时变性等特点带来的控制问题,提出了一种单神经元PSD的控制算法。利用增益自调整中的PSD算法改善单神经元响应慢的特性,使其增益具有自调整功能,设计出一种不依赖模型、实时性好的快速自适应控制算法。在Simulink中,调用s函数进行仿真,结果表明,与单神经元控制算法以及常规PID算法相比,改进的PSD控制算法响应速度快,并有较强的抗干扰性和自适应性。THJSK-1平台中的控制研究也表明该算法具有可行性。