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。     

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。     

基于改进光滑滑模阻抗控制的水果分拣机械人夹持机构控制方法

针对目前串类水果自动无损分拣机构存在的不足,在水果自动分拣机器人系统体系结构的基础上,提出了一种将时延估计和光滑滑模阻抗控制方法相结合的串类水果自动分拣机器人夹持机构控制方法.利用时延估计方法实时获取串类水果自动分拣系统夹持机构动力学模型,进一步设计了自适应规则调整的光滑滑模阻抗控制方法,通过仿真和试验进行了验证.结果...     

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。     

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。     

基于改进BP神经网络的食品分拣机器人视觉伺服控制方法

目的：解决目前食品分拣机器人的视觉伺服控制系统结构复杂、计算量大,无法满足分拣机器人对视觉伺服控制系统的灵活性和适应性的问题。方法：在机器人视觉伺服控制系统结构的基础上,提出一种将改进粒子群算法与BP神经网络相结合的食品分拣机器人视觉伺服控制方法。粒子群算法在迭代过程中使用交叉和变异来保持种群多样性,对BP神经网络的初始权值和阈值进行优化。结果：与常规控制方法相比,该控制方法可以在较短的时间内将食品生产线机器人带到预定位置,位置逼近的相对误差为0.38%。结论：该控制方法在处理较复杂的任务时,具有较强的适应性,有一定的实用价值。     

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....     

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。     

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。     

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。