基于改进鸡群优化算法的食品拣取机器人路径规划

目的:优化多工位食品拣取机器人路径.方法:提出了 一种基于改进鸡群优化算法(Improved Chicken Swarm Optimization,ICSO)的食品拣取机器人路径规划方案,充分考虑单个工位点机器人最优拣取位置和多工位点之间机器人移动最短距离,构建多工位食品拣取机器人路径规划双层模型.利用密度峰值聚类算法...     

基于离散多目标布谷鸟算法的食品拣取机器人协同路径规划

目的：提高大型食品加工仓储原材料拣取效率。方法：针对按食品加工配方比例拣取多货位原材料问题,建立以总移动距离、总能耗和周期拣取原材料总重量为指标的多目标食品拣取机器人协同路径规划模型。提出Pareto最优解离散多目标布谷鸟算法(discrete multi-objective cuckoo algorithm,DMCA),设计3层布谷鸟编码,重新定义突变、同类进化、异类进化更新策略,以提高DMCA全局优化能力。结果：该方法能够快速给出多机器人协同规划路径,相比于其他算法,总移动距离缩短了约6.3%,总能耗降低了约7.5%。结论：所提方法能够有效提高大型网格化仓储原材料拣取效率,规划路径平衡了移动距离和能耗。     

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。     

面向信息物理系统的食品拣取机器人状态估计与攻击检测

目的:应对食品拣取机器人信息物理系统受网络攻击的情况。方法:基于区间观测器提出了一种用于食品拣取机器人系统状态估计与攻击检测的方法。首先建立位于信息物理系统中的食品拣取机器人数字化模型，应用拉格朗日方法确立机械臂动力学方程并转换为状态空间模型，而后依据反馈控制策略构建系统网络攻击模型。考虑系统中存在的非线性特征和噪声，应用广义系统理论将传感器攻击转换为系统状态，设计区间观测器为攻击检测器，并验证其误差系统的稳定性。结果:通过给定参数进行仿真，观测器输出贴近给定真实信号，所提方法正确且有效。由区间估计结果可以重构传感器攻击并检测出执行器攻击。结论:试验所提方法可以实现信息物理系统环境中的食品拣取机器人状态估计与执行器攻击检测。     

基于离散型麻雀搜索算法的食品抽检路径优化

目的 提出一种基于离散型麻雀搜索算法的食品抽检路径高效优化方法.方法 通过对抽检点编码,不同编码间路径计算及优化,构建离散型麻雀搜索算法并与其他已知算法进行比较与验证.结果 本研究构建的离散型麻雀搜索算法,对于Burma14、Bays29、Oliver30和Att48等实例,本算法都可以求得已知最优解.对于Kioa10...     

食品搬运机器人工作空间仿真与轨迹规划

目的:提高食品搬运机器人连续平稳运动时对轨迹插值点位的追踪控制能力。方法:分析食品搬运机器人的组成结构,建立运动学模型并通过MATLAB进行验证,对机器人工作空间进行建模求解,给出食品搬运台的合理布置位置;结合食品搬运任务要求,提出3段五次多项式插值方法对机器人末端轨迹进行规划,通过MATLAB仿真计算与采集试验数据进行验证。结果:食品搬运台的合理布置空间为z>0 mm且200 mm相似文献   

基于多目标优化的油茶果分选机器人轨迹规划方法研究

目的：解决并联机器人食品分选过程中的运动平稳性差和精度等问题。方法：在分析三自由度食品分选机器人系统的基础上，提出将多项式插值法与改进的多目标粒子群算法相结合用于Delta机器人轨迹优化。以并联机器人运行时间最短、能耗最低、运动冲击最小为优化多目标，通过改进的多目标粒子群算法优化多项式插值法，并对其性能进行验证。结果：试验所提规划方法的规划轨迹相比于常规方法更平滑、更高效。在实际的油茶果分选中，准确率>99.00%，平均一次筛选时间为0.620 s。结论：试验所提轨迹规划优化方法提高了油茶果分选机器人的分选效率、准确性和稳定性。     

基于深度学习卷积神经网络的花生籽粒完整性检测

目的:准确区分完整花生、果仁破损花生和表皮破损花生。方法:提出了一种基于深度学习卷积神经网络(CNN)的花生籽粒完整性检测方案。搭建了花生籽粒色选系统,建立了花生籽粒图像库;利用改进的密度峰值聚类(DPC)算法对CNN卷积核进行自适应压缩,有效平衡网络深度和运算效率;采用改进的麻雀搜索算法对CNN超参数配置和网络结构进行优化,得到适用于花生籽粒完整性检测的CNN模型。结果:相比于DL-CNN、CO-Net等检测方法,该方案识别准确率提高了5.41%~13.92%,花生籽粒单幅图像检测时间缩短了约16.9%。结论:该方法可有效提高花生籽粒完整性检测的准确率和实时性。     

食品自动装箱并联机器人的设计及仿真分析

食品装箱工序工作简单,重复性高,用机器人代替人工是一个必然趋势。设计一台基于食品自动装箱的四自由度并联机器人,建立运动学模型,得到此并联机器人的雅克比矩阵,并运用ADAMS/view模块对设计的机器人进行运动学仿真分析,得到末端执行器的坐标曲线和速度与加速度的仿真曲线,曲线平滑,符合设计要求。证明机器人能够实现精确控制,验证运动学模型建立的正确性,也为机器人轨迹规划提供理论依据,为自动装箱并联机器人设计选型提供技术支持。     

基于改进模糊PID的全向搬运机器人路径跟踪控制研究

为了提高复杂的食品原料仓库中全向搬运机器人的跟踪能力,提出一种改进路径跟踪控制方法。首先依据机器人状态空间模型,以跟踪误差信息和电机电压为输入、输出设计控制器,并且设计论域放缩因子优化模糊控制器,通过试验测定初步确定了参数kp、ki、kd的取值范围。然后通过加入反向学习策略初始化麻雀种群,设计权重因子控制靠近发现者的跟随者比例防止早熟。结果显示：改进麻雀算法比原算法在测试函数下寻优精度和收敛速度有所提升,提出的控制方法跟踪误差快速降零、跟踪过程较为平顺,到达期望路径速度较快。该方法提高了全向搬运机器人的工作状况。     

基于改进鲸鱼算法和神经网络的食品机器人能耗轨迹规划

目的:针对食品工业机器人动力学参数未知的节能轨迹规划问题,提出一种基于鲸鱼算法和神经网络的点到点机器人关节能耗轨迹规划方案。方法:构建食品机器人移动机械臂点到点关节能耗模型,设计基于神经网络的相似动力学辨识,用改进的鲸鱼算法对权重和偏置参数进行离线优化;采用四次多项式插值法规划关节移动轨迹,将轨迹参数等效为鲸鱼编码,通过求解关节能耗目标优化函数,最终得到能耗最优的关节运动规划轨迹。结果:该方案适用于机器人动力学参数未知下的轨迹规划场景,得到的轨迹能耗比同类降低约9.01%。结论:基于鲸鱼算法和神经网络的轨迹规划能实现食品机器人能耗优化目标。     

基于改进引力搜索算法的高速并联机器人轨迹优化

目的:解决并联机器人在罐头食品拾放过程中刚性冲击大、运动稳定性差等问题。方法:基于高速并联机器人的体系结构,提出了一种运动轨迹规划方法用于高速并联机器人末端执行器的轨迹优化。建立多约束、多目标、非线性轨迹优化模型,并采用改进的引力搜索算法求解。通过仿真验证了所提方法的可行性。结果:与改进前的规划方法相比,所提规划方法能在较短的时间内完成拾放任务,一次操作的最短时间为0.169 1 s。结论:该规划方法解决了传统并联机器人拾放过程中刚性冲击大、运动稳定性差等问题,具有一定的实用价值。     

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。