鸡枞菌锥形削根装置设计

针对鸡枞菌人工锥形削根速度慢、一致性差等问题,设计了锥形削根装置。该装置采用两个对称布置的四连杆机构,连杆刀片运动轨迹呈腰形,两个刀片的直线工作段形成圆锥包络,实现鸡枞菌根部锥形切削。装有摄像头的机械臂识别、抓取并精确控制鸡枞菌进入切削区域的深度,实现精准切削。试验结果表明:两个连杆刀片在0.8s内共进行12次作业,完成锥形切削;装置可在6s内实现1个鸡枞菌的抓取、切削、分级,不仅速度快,且一致性更好。以菇柄直径为12mm的鸡枞菌为例,对比人工削根形成的7棱、6棱、5棱和4棱锥,试验装置削根可分别减少7.5%,9.1%,13.9%,24.4%的根部浪费率。     

基于ARIZ的污泥深度脱水装置创新设计

ARIZ是TRIZ理论中专门用于解决复杂问题的方法,它集成了多个TRIZ方法及工具,设定了一套从问题分析到方案优选的系统性问题思考及解决流程.针对已有常用的污泥深度脱水处理设备在应用中出现的滤布难以清洗、易堵塞、易破损及脱水后污泥含水率仍较高等问题,利用ARIZ及知识库进行创造性的思考和解决,按照流程逐步实施ARIZ的9个关键步骤,分析问题模型,最终设计出一套创新设计方案——模组式污泥高效深度减量化处理装置.利用该装置可有效解决污泥深度脱水中存在的问题.研究的结果既验证了ARIZ方法解决复杂工程问题的有效性和实用性,也可为装置的详细设计和加工提供方案支持,并为开发新型高效的污泥深度脱水设备提供了一种方案.     

七自由度番茄收获机械手动力学研究

在番茄收获机械手动力特性优化控制的研究中,采用Lagrange法,建立了七自由度番茄收获机械手的动力学模型,获得了机械手力、质量和加速度以及力矩、转动惯量和角加速度之间的关系,并得到了机械手在完成指定运动时各关节驱动器所需要的驱动力(力矩).利用Pro/E和ADAMS建立了机械手的虚拟样机,分别在MATLAB和ADAMS中进行了动力学仿真.结果表明,利用动力学模型与虚拟样机得到的各关节作用力(矩)均呈规律性变化,除关节2和关节4外,各关节力(矩)值是相同的.两种方法得到的关节2和关节4力(矩)的最大相对误差为3.76％,验证了动力学模型的正确性和虚拟样机的可靠性,为番茄收获机械手轨迹跟踪控制提供了动力学模型和基于虚拟样机的被控对象,并为优化设计提供了依据.     

基于模糊补偿的七自由度机械手轨迹跟踪控制

针对多关节机械手的不精确动力学模型导致计算力矩法控制的鲁棒性差和不能实现全局渐进稳定的问题,以一种七自由度机械手为研究对象,采用计算力矩加自适应模糊补偿控制,通过ADAMS与MATLAB联合仿真进行机械手轨迹跟踪控制研究,并证明了系统的稳定性和误差的收敛性。仿真结果表明:利用该方案控制的七自由度机械手具有较好的轨迹跟踪特性,无须机器手精确的动力学模型。     

番茄收获机械手机构尺寸优化设计

尺寸优化设计是机械手总体设计的关键步骤之一.介绍了一种能够获得合理果实收获机械手工作空间和结构轻量化的优化设计方法.基于番茄生物学特性和栽培模式,根据机械手几何工作空间,以工作空间主截面包络面最佳和结构轻量化为目标函数,以轨迹区域约束、杆件尺寸和关节角度限制为约束条件,建立了机械手机构尺寸优化设计模型,采用MATLAB软件进行仿真试验,并分析了机械手各杆件长度、关节角度与目标函数的关系,获得了机械手尺寸的最优解,为番茄收获机械手机构进一步分析奠定了基础.     

室内地面清洁机器人路径规划

采用栅格法建立环境地图模型,利用沿边走的路径规划算法进行室内地面清洁机器人无障碍与避障路径规划与仿真试验.结果表明,在静态结构化环境中,清洁机器人能够沿内螺旋式“回”字型路径完成清扫任务,并成功避开障碍物和边界,自动定位和转向,清洁完毕机器人能够自动返回到初始位置.这说明沿边走的内螺旋式“回”字型路径规划方式是可行的.     

七自由度番茄收获机械手的轨迹规划与仿真

为了探究番茄果实串收获机械手的轨迹规划方法,以七自由度番茄收获机械手为研究对象,运用D-H法建立运动学模型,得到位置和速度的正、反解.采用多项式插值法、抛物线过渡的线性插值法、摆线运动法和B样条插值法,对关节约束条件下的机械手,从复位点到采摘点的运动进行关节空间轨迹规划与仿真试验.分析关节运动的位移、速度和加速度,对不同规划方法的关节最大速度进行定量分析.利用五次多项式法和摆线运动法,研究末端执行器的位移和速度. 结果表明,利用五次多项式插值法能够满足关节路径点的位移、速度和加速度边界条件,规划的关节运动轨迹连续平滑,关节最大速度较摆线运动法平均降低了6.25%,提高了机械安全性能,对应的末端执行器运动轨迹平滑,无跳变点.     

传感器阵列的CO与H_2S混合气体检测系统设计与试验

采用气体传感器单敏感性和多敏感性相结合的交叉方法,基于传感器阵列和人工神经网络模式识别技术,设计了一种CO与H2S混合气体检测系统.该系统以AT89C51单片机芯片作为控制核心,优选MQ135,MQ136和TGS2602构成气体传感器阵列,通过RS232串行通信接口实现单片机与上位机通信连接,利用改进的BP神经网络算法进行模式识别,完成了CO和H2S混合气体浓度的检测试验.结果表明,BP神经网络训练误差均在0.01范围内,识别率达到95%,验证了检测系统设计的正确性和可行性,为气体检测传感器的进一步研究开发提供了基础.