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。     

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。     

食品拾放的3-PUU并联机器人轨迹规划

为使机器人能够高速精确地完成作业任务,需要对机器人的运动轨迹进行轨迹规划。主要针对三自由并联机器人在食品拾放作业中运动不平稳的问题,提出采用回旋线和圆弧线组合的方式,作为机器人运动轨迹中2段直线之间的过渡曲线,以修正梯形加速度运动规律为前提,以运动时间最优为目标,采用蚁群算法得到优化后的运动轨迹参数。运用ADAMS和MATLAB联合仿真的方式,验证优化后运动轨迹能够提高机器人的运动平稳性,减小末端执行器运动时的抖动,为机器人的运动控制研究提供理论方法及依据。     

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RBF神经网络的码垛机器人轨迹优化

为了提高码垛机器人笛卡尔空间轨迹规划算法的收敛性和稳定性,提升机器人运行轨迹圆滑度。首先从运动学角度出发,建立了码垛机器人运动学模型。针对码垛机器人笛卡尔空间轨迹规划提出了一种基于RBF神经网络的码垛机器人轨迹优化算法。仿真结果表明,经过RBF神经网络轨迹优化使得在拟合的曲线更加接近实际的曲线,减小了逼近误差,提高了规划的准确性。该方法能够有效提升码垛机器人运动轨迹圆滑度,保证码垛机器人能够按照预定轨迹路径进行运动,有效实现了机器人笛卡尔空间轨迹规划。     

基于抖动和时间的码垛食品机器人轨迹优化算法研究

对码垛食品机器人结构进行分析,构建其运动学模型并将模型进行函数表达;并在此基础上结合机器人的工作工况采用三次样条函数进行合理的轨迹规划,建立了以时间和抖动为最优目标的优化模型,再利用粒子群算法对目标模型进行优化。进一步通过实验验证,结果该方法能够在保证稳定性的前提下提高码垛食品机器人的执行效率。     

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。