摘 要： 采摘机器手在农业生产中具有广阔的应用前景，其采摘效率和采摘质量主要受机械手结构的影响。 为了提高采摘机器人的作业性能，将武术套路训练的勾拳动作引入到了采摘机器人的机械手结构设计中，根据 勾拳手形对采摘机器人的动作进行了优化，并结合神经网络武术动作误差训练方法，对机械手控制系统进行了 改进，从而有效地提高了机械手作业的灵活性。 为了验证该方案的可行性和可靠性，对采摘机械手进行了实验 验证。 结果表明：对机械手进行结构和控制系统进行优化后，其采摘范围较大，可以满足三维空间作业需求，采 摘机械手动作响应较快，误差较小，满足高精度快速采摘的需求。
关键词： 采摘机械手； 武术套路； 勾拳训练； 神经网络； ＰＩＤ 控制
0 引言
武术套路训练时，动作误差的纠正有助于学习者 快速地掌握武术动作要领，使攻防动作能够快速、准 确地命中目标。 采摘机械手的设计主要需要考虑两 方面的问题：一是机械结构，要求外形简单、美观大 方、经济实用；二是机械手的作业性能，需要能够很好 地躲避障碍物，具有最佳的工作空间、尽量少的自由 度及合理的结构，而且在作业的过程中能够很好地避 开运动死区的位置。 为了实现这个目标，可以将武术 动作误差训练过程引入到采摘机械手控制系统设计 和机械结构优化中，如利用勾拳形状优化机械手手指 结构，使其具有更加灵活的动作。 因此，采用武术动 作误差训练的神经网络 ＰＩＤ 控制算法对系统进行设 计，将明显提高机械手的设计效率，对于现代化自动 作业机器人的改进和升级具有重要的意义。
1 武术动作套路训练及其在机械手结构优化 中的应用
冲拳是武术动作中最常用的动作之一，此动作较 容易犯错误，包括冲拳无力、动作不规范、拳屈腕严重 及出拳时在肩部冲出等，在进行武术冲拳动作训练时 需要对这些容易犯的错误进行纠正。 针对冲拳无力， 可以对学生强调出拳的快速性， 进行拧腰顺肩等技术动作训练；针对冲拳目标不准，可以对学生进行 击靶训练；针对拳面不平屈腕问题，可以讲解冲拳的 作用力分析等。
手形关键动作部位是勾尖和勾顶，动作训练时需 要五指撮拢成勾、屈腕，其动作误差主要是松指，腕没 有扣紧，因此在进行修正误差训练时需要着重讲解勾 手的攻防作用。 冲拳和勾拳都是较为精准的动作，其 完整的武术动作套路训练可以使学习者达到精准攻 防的目的，如果将这些动作套路及误差训练方法应用 在采摘机械手的结构优化和控制系统设计中，如利用 冲拳关键动作设计机械结构，使机械手可以在较小的 动作范围内精准的采摘到果实作物，采用勾拳形状可 以使采摘机械手终端采摘果实更加灵活，从而有效地 提高采摘机械手的设计效果。
2 基于神经网络的动作误差训练算法
武术套路对于采摘机器人动作的精准控制具有 重要的影响，特别是冲拳的关节动作和勾拳的拳形， 有助于采摘机械手机械结构和控制系统的优化。 使 用武术套路对采摘机械手进行动作训练时，往往会产 生较大的误差，使机械手动作偏离采摘目标，而采用 ＰＩＤ 控制算法可以通过反馈调节的方式降低误差。 其 控制原理如图 １ 所示。
运用 ＰＩＤ 控制器可以对采摘机器人的武术动作 训练误差进行校准，通过对误差的反复校验，达到精 确控制的目的。 其控制方程为
根据武术训练的冲拳动作，对采摘机器人的关节 进行了优化设计。 优化过程主要根据果实的位置信 息，结合勾拳得动作形状，对关节的弯曲角度进行了 优化，从而使采摘机械手的动作更加准确。
勾拳手形结构优化如图 ５ 所示。 在进行较小作 物果实的采摘时，采摘手形对采摘质量的影响较大， 采用勾拳手形动作可以降低果实的破损率，且通过反 复训练，可以提高采摘速度。 为此，对机械手的采摘 范围进行了测试。
图 ６ 为通过测试得到的采摘范围二维平面图。 测试结果表明：采摘机器人可以对左右浮动 ３０ｃｍ × １００ｃｍ 范围内的果实进行采摘。
采摘机械手的三维动作测试范围如图 ７ 所示。 测试结果表明：采摘机械手可以实现三维的空间动 作，并且动作范围满足果实采摘的需求。 为了进一步 验证神经网络训练算法的效果，对普通 ＰＩＤ 控制和神 经训练 ＰＩＤ 的参数进行了测试，分别得到了如图 ８ 和图 ９ 所示的结果。
由图 ８ 可以看出：采摘机器人的动作响应较为迅 速，最大响应时间仅为 １ｓ，１ｓ 之后便可以达到稳定的 状态。
由图 ９ 可以看出：采用神经网络算法训练后，采 摘机械手的控制仅在 ６００ｓ 内就可以达到稳定状态，有效地提高了机械手的反应速度。
图 １０ 为神经网络训练次数对应的动作误差曲 线。 图 １０ 表明：随着神经网络训练次数的增多，采摘 机械手的动作呈现下降的趋势，最后使误差降低到最 小，从而验证了基于武术套路训练的神经网络算法对 采摘机械手控制系统的优化作用，提高了采摘机械手 的作业性能。
4 结论
为了使采摘机械手具有更好的灵活性，提高其作 业性能，将武术套路误差纠正训练算法引入到了采摘 机械手的设计过程中，通过勾拳拳形对机械手的末端 进行了结构优化。 通过神经网络 ＰＩＤ 控制算法，对机 械手控制系统进行了优化升级，从而提高了机械手的 动作速度和准确性。 为了验证设计方法的可靠性，对 采摘机械手进行了动作范围和动作误差的实验，结果 表明：采用神经网络误差训练方法对采摘机械手进行 训练后，其二维和三维空间动作范围都可以满足采摘 需求；同时，利用设计网络 ＰＩＤ 控制器后，其动作响应 速度有了明显的提高，动作误差也随着训练次数的增 多而降低，从而有效地提高了机械手的作业性能，可 以满足高精度复杂环境下作业的需求。
立即询价
