[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

说明书

本发明公开了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，以实现采摘机器人快速采摘为目标，解决采摘机器人手臂控制方法及机器人视觉图像降噪的关键技术，实现采摘机器人的快速采摘。其控制方法采用RBF神经网络控制算法计算干扰，首先建立采摘手臂在理想条件下的动力学模型；然后根据系统存在的不确定项，设计自适应神经网络控制器来修正上述动力学模型；进而通过Lyapunov函数证明了该控制器的稳定性，并给出系统收敛条件；从而对机器人手臂进行负反馈控制和抵消干扰。本发明采摘机器人果实识别定位时间短，采摘效率高；其控制方法抗干扰性和自学习能力强，能够快速准确地估计并补偿模型的不确定项。

技术领域

本发明涉及一种基于视觉伺服控制、自动化的采摘作业机器人手臂及其控制方法，尤其是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。

背景技术

伴随着科技技术的发展，农业机器人技术在科技的驱动下也日趋成熟，使得采摘机器人的发展也达到一个前所未有的高度。视觉系统作为采摘机器人的“眼睛”，用来进行环境感知以及实现果实目标物的识别和定位，能否准确、快速地识别出采摘目标物，直接影响着采摘机器人的可靠性和实时性，即影响着采摘机器人的采摘效率。因此，目标物的识别是采摘机器人的关键环节之一，也吸引着众多的学者关注，并取得了可喜的研究成果。

目前采摘机器人的技术开发主要有基于自主导航的控制方法。其中中国专利申请“一种可自主导航的履带式多手臂苹果采摘机器人”(申请号：2001610147863.0)，其方法是采用机器视觉模块、超声波壁障模块、GPS模块和导航控制模块组成导航系统，由履带式移动平台搭载多手臂，实现自主苹果采摘。上述现有技术的不足主要表现为：

(1)不能满足快速视觉伺服控制的要求。采摘机器人的作业环境相对复杂，采摘机器人视觉系统的精准、快速识别目标果实，仍是研究的难点和重点。为进一步提高采摘机器人果实的识别精度与速度，满足果实采摘作业的实时性需求，需进一步优化识别算法。

(2)不能自主的消除外界干扰。采摘机器人在进行果实采摘时，首先采摘机器人各模块初始化，其手臂靠近果树于适合距离；视频摄像头捕捉并获得目标果实的图像信息，图像处理软件进行背景消除、识别定位等，得出目标果实的位置信息。但果实不会一直处于稳定状态，外界作用力如自然界风力的作用会导致果实振荡的发生，从而不能精确定位。

(3)采摘过程中自身产生干扰。采摘过程中计算机驱动手臂运动，完成果实抓取、果实与果枝分离等采摘动作。然而，在采摘机器人进行果实与果枝分离的过程中，不管采用切断方式还是扭断方式，都会引起果树上其他果实的振荡。

(4)采摘效率不高。外界和自身产生的干扰会使得后续果实的识别定位时间变长，连续采摘间断，进而加长了果实采摘的整体时间，影响采摘机器人的采摘效率。

发明内容

本发明的目的在于针对现有技术的不足之处，提出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，它采用RBF神经网络控制算法计算干扰，首先，建立了采摘手臂在理想条件下的动力学模型。然后，根据系统存在的不确定项f，设计了自适应神经网络控制器来修正上述动力学模型。进而，通过Lyapunov函数证明了该控制器的稳定性，并给出了系统收敛条件。从而对机器人手臂进行负反馈控制，抵消干扰，解决了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。

为解决上述技术问题，本发明采用以下技术方案。

本发明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，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。