智能竹分切机充电机械手的优化与实验研究

摘要

进行了非竹分裂机必须用手工材料和工具的变化充电。然而，手动充电是很危险的。智能竹分裂机可以自动送料，改变智能工具，具有广阔的应用前景。充电机械手是一个智能竹分裂机的重要组成部分。机械手的大小，使用遗传算法优化这里。捕获率，中心率，和智能竹分裂机充电机械手，其中的关键因素被认为是动态特性，进行了实验研究。First, three different manipulators, with arm lengths at 210, 220, and 230 mm, were developed. Then, the bamboo materials were divided into three gradients (60–85, 85–110, and 110–135 mm) according to diameter ranges. Accelerators were used to measure the manipulator arm dynamic characteristics, and a high-speed charge-coupled device was used to record the grasping process. Experimental results showed that the manipulator capture rate with an arm length of = 220 mm was as high as 100%, but that of manipulators with arm lengths of = 210 and 230 mm was 96 and 98.67%, respectively. Thus, the manipulator with a 220 mm arm length showed better performance than the other two manipulators. Trend curves of the influence of material diameter on capture time were similar to an exponential function.

一。介绍

亚太、美洲和非洲是世界竹子的主要分布区[1]。在亚洲，竹子主要分布在中国、印度和其他发展中国家。竹子生长迅速，具有良好的机械性能，可以加工成多种日用品。竹制品的生产过程如图所示1。竹材料由竹分裂机分裂成碎片。然后，它是由拉丝机拉成丝从，干燥，最终加工成的产品，如牙签和筷子。因此，竹分裂机起着竹子加工的重要作用。进行了非竹分裂机必须用手工材料和工具的变化充电。然而，手动充电是很危险的。智能竹分裂机可以养活和自动充电，能够可靠地更换工具，因而具有广阔的应用前景。充电机械手是一个智能竹分裂机的重要组成部分。

作为各种智能机械的重要组成部分，人们对柔性机械臂等各种机械臂进行了大量的研究[2，3]。Peng等人研究了一种苹果内部质量评分机械手[4]. Li等人。设计了一种移栽机械手[五]。Wan等人使用粒子群优化算法对并联机器人进行了尺寸合成[6]. 摘要对可重构六自由度机械臂进行了优化设计[7]，其中三个性能标准已经使用加权和方法组合并优化进行了使用顺序单纯形法。Mandur和布德曼已经讨论一种使用状态的测量[更新机制的模型参数8，9]. 冈崎等人。研制了一种由McKibben人工肌肉驱动的六自由度机械手[10个]. 提出了一种测量高温钢瓶机器人系统的P-4R（棱柱四转动关节）[11个]. 采用假设模态法（AMM）建立了平面柔性刚性机械臂的动力学模型[德意志北方银行]。安倍定义轨迹的三次样条和使用粒子群优化（PSO），以优化样条控制点。轨迹功能已被定义为高次多项式为平面柔性机械手[13个]。A 7自由度机械手的设计，完全由拮抗麦克基本人工肌肉对致动[14个]. Ahmad等人。提出了一种用于柔性关节机械臂末端角位置控制的PD型模糊控制器[15个]. Nikdel等人。提出了一种基于并行分布补偿技术的柔性关节机器人模糊控制方法[16个]。

遗传算法、解析法和线性最小二乘法在机构设计中有着广泛的应用。例如，李和徐使用了遗传算法来优化平面三自由度并联机器人[17岁]。Gao等。已经采用基于帕累托前沿方法遗传算法来synthetize 6自由度并联机构[18岁]. 采用遗传算法对三次多项式参数进行优化，其中四次多项式用于描述柔性机械臂两关节的角速度[19个]. Chen等人。提出了一种确定串联机器人标定冗余参数的解析方法[20.]。一种机械手已经使用静电模型[研究21]. 介绍了一种考虑轴承对机械手动力学影响的方法[22]. Liu等人。智能机械椭圆边界模型检测方法研究[23，24]。Bucolo等。不完善动力系统的研究的控制方法[25，26]。

竹分裂过程的复杂特性使得它昂贵制定一个准确的机制。其中需要专门知识的一定程度的经验模型是比较容易和更适合机构的设计。在本文中，一个智能竹裂机的充电操纵器使用遗传算法进行了优化，并进行了一系列的实验来研究在关键性能特征，诸如捕获速率，定心率和动态特性。

2.设计和机械手的优化

2.1。智能竹分切机的组成

一般来说，智能劈竹机包括送料机构、上料机械手、换刀机构和控制机构（图2)。本研究开发了一种智能劈竹机的局部结构，其中(1)为装料机械手，(2)为送料机构，(3)为机架，(4)为推料机构，(5)为自动换刀机构(图)3)。馈送竹子材料，并且同时自动地且连续地测定直径供给机构（2），充电机械手（1）准确地掌握材料，推动机构连续地（5）推压材料的工具，自动换刀（5）改变工具自动根据材料的直径。

这种智能竹裂机的工作流程图显示在图4. 在操作过程中，刀具首先复位。喂入过程中，用激光束传感器测量竹材直径。然后机器根据测得的直径自动选择刀具。在喂料过程结束时，竹子到达托盘，并被装料机械手捡起，抓住并对中。然后，它被推动机构推入工具。

2.2。机械手的设计与优化

机械手结构对其稳定性和运动性能有很大的影响，因此有必要通过获得优化的理想的运动性能。在优化的过程中，所需要的机械手的工作空间最大化，但它的灵活性和稳定性，需要满足工作要求。

机械手的两种可选结构如图所示5（甲）和5（b）。大和小武器的尺寸是相同的，这两个操纵器的工作空间是与图中的实线一起绘制5（c）表示图形的操纵器5（甲），虚线代表图形5（b）移动之后。很明显，在手臂和关节尺寸相同的情况下，机构的目标轨迹如图所示5（甲）是比图较大5（b）. 因此，图中的充电机械手5（甲）获得通过。

该构型的机械手通过气缸的上下运动和肩、肘、腕关节的旋转来抓住目标物体。由于智能劈竹机整体尺寸的限制，机械手手指的工作路径必须满足公式(1）掌握目标对象。 在哪里一个，b，C， ，和如图所示6。

为了使机械手达到以最小的规模最大的目标轨迹，目标函数可以写成

优化函数必须接受式（1），以减少操纵器重量，以确保所述操纵器是更轻和更灵活。的范围一个，b，C，d， ，和从0到300 mm，0到400 mm，0到500 mm，0到300 mm，0到π/ 2，和0至3个π/分别是4个。该尺寸优化问题采用多变量遗传算法求解，算法流程如图所示7。选择一组满足条件的初始值，开始优化过程。初始种群数设为50，最大进化世代设为100，交叉概率设为0.7，突变概率设为0.01，终止条件设适应度函数的平均变化小于10^-2。

该算法实际上是进化97代，这些参数用于优化结果一个，b，和d分别等于190、220及220毫米(图2)8). 杆的总长度C和d需要满足因为 ， 。因此， ，什么时候 ，使目标函数最小化，并且杆的长度C是380 毫米。

2.3条。优化装料机械手

优化后的加料机械手结构如图所示9。主要包括一个圆柱体(1),五铰链(10),(6)两大武器,两个小型武器(7),两个手腕关节(8),v型手指(11),和两个u型手指(9)。它有四列(3),两个上横梁(2),和两个底梁(4),缸(1)安装在顶梁使用螺栓(2)。组件(10)作为一个肩部，安装在气缸活塞的末端。大臂(6)一端与元件(10)连接，另一端与小臂(7)a穿过铰链连接。小臂(7)上端安装在铰链上，铰链也安装在旋转轴上。将v形手指(11)和u形手指(9)分别安装在小臂(7)的下端，在装料过程中，用u形手指(9)将竹材拾起，然后将样品推送至推料机构前端，再接触v形手指(11)。然后，用u形和v形的手指紧紧夹住它。

三。材料和方法

3.1条。材料

试验样本为2019年9月底在中国广东省惠州市龙门县南昆山砍伐的不同直径的竹子。所有样本均放置在中国广州华南农业大学实验室，少数样本如图所示10个. 样品直径是本研究的一个关键参数，等于用卡尺测量的两个样品端部对角线外径的平均值。

3.2。方法

一个previous study has demonstrated that when the length of big arm was between 200 and 240 mm, the manipulator could grasp bamboo materials of common diameters. Therefore, three manipulators, with big arm lengths of 210, 220, and 230 mm, were developed for this trial and comparison. Hereinafter, those three manipulators were referred to as manipulators A, B, and C, respectively.

3.2.1。抓住可靠性和准确性测试

速度和定心率是决定抓取可靠性和准确性的两个参数。根据直径差异，将样品分为三个梯度：60-85、85-110和110-135 mm。如果在V形和U形手指之间紧紧抓住样本，则抓取成功。因此，捕获率是通过成功捕获的样本数除以捕获的样本总数来计算的。

If the distance between tool and sample centerlines was less than or equal to 5 mm, the charging was accurate enough for useful production. Otherwise, the charging failed. Thus, the centering rate was computed by the number of successfully charged samples divided by the number of total charged samples. To estimate whether the charging was successful or not, a laser pointer was installed at the tool head center. At the end of every charging test, the distance between the laser light point and the center of the bamboo sample was measured using a caliper.

3.2.2条。动态特性试验

为了分析样品的瞬时运动，汞系列聚体-030-120gx-PDE的坡以太网接口CCD被用于抓持过程的捕获图像。其获取频率是每秒20帧。四个图像显示在图11个包括抓握之前（图图11（a）)，一个触摸样本的机械手（图11 (b))，抓取样本的机械手（图11（c）)，抓取完成后（图11 (d))。

一种压电加速计（成科CT1010SLFP）是安装在操作器腕部关节检测其加速度。The sampling frequency of the accelerometer was set as 1 kHz, and the measured voltages of acceleration signals, termed ， ，和 ，被转换成X，ÿ，和ž轴加速度，称为 ， ，和 ，通过USB-6001采集卡，并输入到使用USB 2.0端口的计算机（图德意志北方银行)。

用来计算加速度矢量大小的表达式使用(3），这是在其部件方面获得 ， ，和 ，使用毕达哥拉斯定理。 在哪里是绝对值或 。

合成加速度的峰值和它们的标准偏差，这更清楚地反映加速度的总体趋势，的中值的平均值的结果分析中使用了，并使用下列公式计算： 在哪里表示用于抓取一世样品和ñ表示组中的数据量。

示例X，ÿ，和ž由加速度计检测到的轴的加速度在图中示出13个。加速度矢量的从图的加速度计算出的大小13个在图中示出14个. 通过对加速度曲线的分析，找出抓取的起始时间点和结束时间点。此外，使用以下公式计算抓取过程的总周期： 在哪里ñ是从取样到抓牢的取样加速度信号数F为加速度计的采样频率。

四。结果和讨论

4.1。结果

4.1.1。抓住可靠性和准确性测试

机械手抓取定心率的实验研究一个，乙，和C示于表1。机械手的平均捕获率一个，乙，和C中心率分别为87.52%、90.45%和88.35%。一般来说，抓取直径为85-110 mm的样品的平均捕获率最高，抓取直径为60-85 mm的样品的平均捕获率最低。实验结果还表明，机械手B的捕获率高达100%，因此机械手B最适合于该智能劈竹机。实验平均对中率<91%。采集的图像表明，造成定心误差的原因是一些样品截面不是圆形的。

4.1.2。动力特性试验

捕捉机械手的时间曲线一个，乙，和C在图中所示15个结果表明，捕获时间随样品直径的增大而减小。这三种机械手在抓取直径在105.1~114.4 mm之间的样本时，没有观察到明显的抓取时间差异。样品直径对平均捕获时间影响的趋势曲线与指数曲线相似，拟合曲线表达式见表2。

无论使用哪种机械手抓取，平均加速度都随着样本直径的减小而减小（图16个)。较长的大手臂，平均加速度变得更大。对平均加速度样品直径的影响的趋势曲线也类似指数曲线;拟合曲线的表达式列于表3。

4.2条。讨论

时间越长，大臂是，较大的机械手的抓力是和快抓速度。拍摄的图像显示，在机械手抓取C，小样本总是滑倒在高速作用U形手指的槽，而U和V形指之间卡住在错误位置的一些样品。因此，机械手的捕获率C对直径在60～85 mm之间的样品的抓取率仅为96%。如果大臂太短，抓取力就会变得太小，无法抓取小材料，这也解释了为什么机械手的平均对中率一个最低。

当用U形手指抓取时，大样本几乎不能滑动，抓取得又快又稳。因此，抓取大样本所需的时间较短。如果大臂太短，抓持力不足，材料在U形手指中以大幅度振动。这解释了为什么机械手A捕获样本所需的时间最长。

所捕获的图像显示，小样品中的U形的手指剧烈振动。由于U形的手指的大小限制，大的样品的振动空间是有限的。随着大臂变长，抓持力越来越大，瞬间抓取加速变大。这解释了为什么检测机器人的平均加速度C是最高的。

5个。结论

实验结果表明，机械手的平均捕获率乙为100％，而其平均定心率为90.45％。因此，掌握不同直径的样品成功。机械手的大小乙也等于我们计算的最佳尺寸。这些实验验证了部分本优化策略。

抓取大样本所需的时间比抓取小样本所需的时间短。样本直径对平均抓取时间影响的趋势曲线与指数曲线相似，机械手的拟合曲线表达式乙是Ť = 2.8384Ë^-0.038个d。对平均加速度样品直径的影响趋势曲线也类似指数曲线，以及机械手的拟合曲线表达乙是一个 = 24.472d^-0.17个。

数据可用性

目前无法共享复制这些发现所需的处理数据，因为这些数据也构成正在进行的研究的一部分。

利益冲突

作者声明他们没有利益冲突。

致谢

这项研究是由美国国家关键的中国研究发展计划（项目批准号2018YFD0101001）和广东省科技计划项目（批准号：2017A010102024和2017A020208052）共同支持。

参考

1. J. M.许，R. J.赵和B. H.飞，“研究性和中国竹资源的利用，”木材加工机械卷。18，没有。3，第39-42，2007年，在中国。查看位置：谷歌学者
2. G. H.高，Z. Y.董，十N. Sun和H.王“开发基于3D打印的柔性机械臂的测试，”智慧农业，第1卷，第1期，第85-95页，2019年，中文版。查看位置：谷歌学者
3. 赵玉文，耿大祥，刘世民，孙国德，“气动柔性果蔬采摘机械手之运动学与实验”，中国农业机械学会会刊，第50卷，no。08，第31-42，2019年，在中国。查看位置：谷歌学者
4. Y、 彭建民，马勇，李立军，“苹果内在品质分选机械手之设计与实验”中国农业机械学会会刊，第50卷，no。1、307-312页，2019查看位置：谷歌学者
5. B、 李世谷，朱立刚等，“椰泥炭栽培叶菜苗移栽机械手的设计与试验，”中国农业工程学会学报，第33卷，no。14、18-24页，2017年。查看位置：谷歌学者
6. 十、 -J.Wan，Q.Li和K.Wang，“支撑夹具机器人化单元的尺寸合成”机器人和计算机集成制造卷。48，第80-92，2017年。查看位置：出版商的网站|谷歌学者
7. “一个六自由度可重构混合并联机构”，机器人和计算机集成制造卷。30，没有。2，第99-106，2014。查看位置：出版商的网站|谷歌学者
8. J、 S.Mandur和H.M.Budman，“存在模型-工厂失配的同时模型识别和优化”化工科学，第129卷，第106-115页，2015年。查看位置：出版商的网站|谷歌学者
9. J、 S.Mandur和H.M.Budman，“模型-对象不匹配情况下同时进行模型识别和优化的鲁棒算法”工业与工程化学研究，第54卷，否。38, pp. 9382-9393, 2015。查看位置：出版商的网站|谷歌学者
10. Y.冈崎，山本M.，M.小松，Y. Tsusaka和Y.安达，“人类安全的发展，多自由度的自由度机械手技术采用气动肌肉”日本机器人学会杂志，第28卷，第3期，第302-310页，2010年。查看位置：出版商的网站|谷歌学者
11. J.他，F.高，S.武，刘河，和X赵，“旋转使用上PRRR机器人脉冲激光大热的不锈钢外壳的度量维度，”测量卷。45，没有。7，第1814至1823年，2012。查看位置：出版商的网站|谷歌学者
12. A.安倍晋三，“为双连杆刚柔机械臂的残余振动抑制轨迹规划中考虑大变形”机构与机器原理，第44卷，no。9, 1627-1639页，2009。查看位置：出版商的网站|谷歌学者
13. 平面多连杆柔性机械臂的向后递归的静息-静息运动，IFAC诉讼卷。36，没有。17，第289-294，2003。查看位置：出版商的网站|谷歌学者
14. B.通迪，S.伊波利托，J. Guiochet，和A. Daidie，“A七度的自由度机器人臂由气动人工肌肉人形机器人驱动”国际机器人研究杂志，第24卷，第4期，第257-2742005页。查看位置：出版商的网站|谷歌学者
15. M. A.艾哈迈德，R.R。伊斯梅尔，M.拉马，M. A.扎瓦维和M. H. SUID，“柔性关节机械手振动控制策略：模糊逻辑控制方法工业电子和应用（ISIEA）”，在工业电子与应用研讨会论文集，第469-474，IEEE，槟城，马来西亚，2010年10月。查看位置：出版商的网站|谷歌学者
16. P. Nikdel，M. Hosseinpour，M.A. Badamchizadeh和M. A.阿克巴丽，“通过混合田口遗传算法柔性关节机器人的改进的TS模糊基于模型的控制，”人工智能的工程应用，第33卷，no。8，第12-20，2014。查看位置：出版商的网站|谷歌学者
17. Y. Li和Q.许，“基于GA的平面三自由度电缆驱动的并联机器人的多目标优化设计，”在机器人和仿生学国际会议论文集，第1360-1365页，IEEE，中国昆明，2006年12月。查看位置：出版商的网站|谷歌学者
18. Z.高，D.张某和Y.戈，“基于人工智能的空间六度的自由度并联机器人的优化设计方法，”机器人和计算机集成制造卷。26，没有。2，第180-189，2010。查看位置：出版商的网站|谷歌学者
19. H.小岛和T.木部，“双连杆柔性机器人臂的最优轨迹规划基于遗传算法的残余振动减少”，在IEEE智能机器人与系统国际会议(IROS)，IEEE，毛伊岛，夏威夷，美国，2001年11月。查看位置：出版商的网站|谷歌学者
20. G、 陈、王、林，“基于POE公式的机器人标定中可识别参数的确定”IEEE交易上的机器人，第30卷，第5期，第1066-1077页，2014年。查看位置：出版商的网站|谷歌学者
21. A、 Klimchik，D.Bondarenko，A.Pashkevich，S.Briot和B.Furet，“基于机器人的铣削信息学中的柔顺误差补偿”，in控制，自动化和机器人，第197-216页，斯普林格，查姆，瑞士，2014年。查看位置：出版商的网站|谷歌学者
22. H、 N.Rahimi和M.Nazemizadeh，“柔性机械手的动态分析和智能控制技术：综述”高级机器人卷。28，没有。2，第63-76，2014。查看位置：出版商的网站|谷歌学者
23. T、 -H.Liu、R.Ehsani、A.Toudeshki、X.-J.Zou和H.-J.Wang，“使用多椭圆边界模型检测自然环境中的柑橘果实和树干”工业计算机，第99卷，第9-16页，2018年。查看位置：出版商的网站|谷歌学者
24. T.-H.刘R. Ehsani，A. Toudeshki，X.-J.邹和H.-J.王，“识别不成熟，在由铬-CB色彩空间椭圆模型拟合树成熟的柚果”精准农业，第20卷，第1期，第138-156页，2019年。查看位置：出版商的网站|谷歌学者
25. 布科洛，巴斯卡里诺，法莫索，福图纳和弗拉斯卡，“不完善的机电系统的智能控制”，在系统，人与控制论2019年IEEE国际会议论文集（SMC），1882-1886页，IEEE，巴里，意大利，2019年10月。查看位置：出版商的网站|谷歌学者
26. 布科洛、布卡里诺、法莫索、福图纳和弗拉斯卡，“不完全动力系统的控制，”非线性动力学卷。98，没有。4，第2989至2999年，2019。查看位置：出版商的网站|谷歌学者

版权

版权所有©2020刘天虎等人这是一篇开放获取的文章知识共享署名许可，其允许在任何介质无限制地使用，分发和再现时，所提供的原始工作正确的引用。