[发明专利]一种基于自适应神经网络的采摘机器人手臂及其控制方法

权利要求书

1.一种基于自适应神经网络的采摘机器人手臂，其特征在于，包括固定在支撑平台的第一伺服电机、与第一伺服电机相邻的第二伺服电机、与第二伺服电机相连的大臂，与大臂相连的第三伺服电机、与第三伺服电机相连的小臂、小臂内联直动关节，位于小臂末端的末端执行器；在末端执行器下设置有一个收集带；所述的第一伺服电机控制手臂左右转动，第二伺服电机控制手臂前后转动，第三伺服电机控制末端执行器上下运动；上述三个伺服电机整体联动实现末端执行器在工作空间中进退任意方向；末端执行器用于采摘果实并放入收集带。

2.根据权利要求1所述的一种基于自适应神经网络的采摘机器人手臂，其特征在于，所述的小臂内部设置有直动关节，用于伸长末端执行器。

3.根据权利要求1所述的一种基于自适应神经网络的采摘机器人手臂，其特征在于，所述的末端执行器包括视觉传感器和扭转电机；视觉传感器安装在末端执行器手心内，是一种单目视觉系统，用于采集果实图像；所述的扭转电机可驱动末端执行器取下果实。

4.一种基于自适应神经网络的采摘机器人手臂控制方法，其特征在于，包括以下步骤：

(1)控制系统进行初始化；

(2)控制手臂各关节运动：在此过程中，采用RBF神经网络控制算法计算和补偿外界干扰，并建立采摘手臂在理想条件下的动力学模型；根据控制系统存在的不确定项f，设计自适应神经网络控制器修正所述动力学模型；通过Lyapunov函数证明自适应神经网络控制器的稳定性，并给出系统收敛条件；从而对采摘机器人手臂进行负反馈控制并抵消干扰，解决果实的识别定位时间变长，连续采摘间断，采摘效率不高的问题；

(3)检测各关节驱动电机，即第一、第二、第三伺服电机的状态，并确认各电机都停止转动；若未停止则重新检测电机状态；

(4)在确保上述电机停止后，传输果实图像数据并更新目标果实与图像中心的偏差；

(5)若偏差在阈值范围内，则说明末端执行器距离目标果实很近，可结束手臂运动过程；若偏差很大，则需要再次进行步骤(1)-(5)。

5.根据权利要求4所述的一种基于自适应神经网络的采摘机器人手臂控制方法，其特征是，在所述的RBF神经网络控制算法中，其自适应神经网络控制器参数的选取如下：ΔD、ΔC和ΔG的变化量为20％，反馈增益矩阵kv＝6eye(7)，kp＝9eye(7)，γ＝20，k1＝0.001，高斯基函数的中心值及基宽度参数初始值分别取为0.6和3.0。