苗间锄草机器人锄草刀优化设计

建立了苗间锄草机器人锄草刀的运动学模型,并通过仿真锄草刀工作过程设计了锄草刀的运动轨迹。选取锄草刀的不同参数和水平进行正交试验,将覆盖率和入侵率代替除草率和伤苗率作为评价指标,分析了锄草刀直径、豁口夹角、刀刃切除距离、锄草刀圆心与作物秧苗行线的偏距等因素对苗间除草效果的影响,优化出最佳结构参数组合为:锄草刀直径175 mm、豁口夹角140°、锄草刀圆心与作物秧苗行线的偏距45 mm、刀刃切除距离10 mm。验证试验结果表明,模拟仿真及正交试验优化结果准确有效,样机作业效果良好,平均除草率为88.5%,伤苗率仅为1.6%。

基于里程信息融合的株间锄草刀定位数据优化方法

为提高株间锄草刀定位精度、降低机器视觉受外界因素的影响,该文提出里程信息融合机器视觉的方法对锄刀定位数据进行优化。通过分析定位数据校正和视觉滞后补偿的原理,设计了模糊逻辑校正器,通过模糊规则将模糊校正系统简化为单输入单输出形式,采用Mamdani模糊推理方法获得视觉数据可信度决策表,将可信度作为加权值生成校正锄刀定位数据,并提出采用实时里程信息作为视觉滞后补偿量的方法,给出补偿公式。田间刀苗距优化静态试验表明,视觉刀苗距误差为9.88 mm,优化后刀苗距误差为6.06 mm;动态试验表明,视觉数据出错率为4.8%~6.6%,刀苗距变化曲线显示,优化方法可有效过滤视觉坏点或不稳定的数据点,将视觉滞后纳入衡量标准,不同车速下动态优化后刀苗距平均误差为5.30~7.08 mm,较优化前降低了25%左右。研究结果表明,锄草刀定位数据优化方法可有效提高机器视觉静态和动态获取刀苗距的精度。该研究为提高株间锄草技术的锄刀定位精度提供了参考。