Preview

Известия Юго-Западного государственного университета

Расширенный поиск

Моделирование конфигурации робототехнического захвата для манипуляций с сельскохозяйственной продукцией

https://doi.org/10.21869/2223-1560-2020-24-4-76-90

Полный текст:

Аннотация

Цель исследования. Повышение качества и скорости сбора сельскохозяйственной продукции за счёт разработки моделей, алгоритмов управления и многокритериальной оптимизации конфигурации робототехнического захвата.
Методы. Для достижения поставленной цели в работе использовались методы математического и компьютерного моделирования, многокритериальной оптимизации, теории объектно-ориентированного проектирования и программирования. Описана математическая модель кинематической схемы прототипа робототехнического захвата, ее геометрические ограничения и целевые функции, используемые при оптимизации.
Результаты. Выполнен обзор подходов к роботизированной уборке сельскохозяйственной продукции, подтверждающий актуальность данного исследования конфигураций робототехнического захвата, обеспечивающего надежную без нанесения повреждений фиксацию объекта. Представлены результаты экспериментов по оцениванию разработанных алгоритмов и программной системы оптимизации конфигурации робототехнического захвата. Разработанная программная система AgroGripModeling для моделирования конфигурации робототехнического захвата с использованием трёх апостериорных алгоритмов NSGA-II, MOGWO и MOPSO многокритериальной оптимизации апробирована при проектировании прототипа четырёхпалого захвата с вакуумным сильфоном для сбора томатов.
Заключение. При проектировании робототехнического захвата необходимо учитывать разнообразие манипулируемых объектов, сложность их идентификации и наведения манипулятора в сложной естественной среде с препятствиями. Задача оптимизации механизма захвата связана с выполнением ряда противоречивых требований по надёжности, мягкости, точности, скорости, энергоэффективости, формирующих сложное пространство поиска решений. Разработанная программная система AgroGripModeling обеспечивает моделирование конфигурации робототехнического захвата и оценивание ее качества с использованием трёх апостериорных алгоритмов NSGA-II, MOGWO и MOPSO. Апробация системы проведена при многокритериальной оптимизации конфигурации прототипа четырёхпалого захвата с вакуумным сильфоном для сбора томатов.

Об авторах

Д. К. Ву
Санкт-Петербургский институт информатики и автоматизации Российской академии наук (СПИИРАН)
Россия

Ву Дык Куен, соискатель лаборатории автономных робототехнических систем

14-я линия В.О. 39, г. Санкт-Петербург 199178



А. Л. Ронжин
Санкт-Петербургский институт информатики и автоматизации Российской академии наук (СПИИРАН)
Россия

Ронжин Андрей Леонидович, доктор технических наук, профессор РАН, профессор лаборатории автономных робототехнических систем

14-я линия В.О. 39, г. Санкт-Петербург 199178



Список литературы

1. Shamshiri R.R., Weltzien C., Hameed I.A. Research and development in agricultural robotics: A perspective of digital farming // International Journal of Agricultural and Biological Engineering. 2018. № 1(4). Р. 1-14. https://doi.org/10.0.98.77/j.ijabe.20181104.4278.

2. West T., Sullivan R., Seavert C. Orchard Economics: Establishing and Producing High-Density Sweet Cherries in Wasco County. OSU Extension Service Publication, EM. 2012.

3. Agricultural workforce report. Labor and market performance analysis. Washington State: Employment Security Department; 2012. URL: https://esd.wa.gov/.

4. Афанасьев Р.А., Ермолов И.Л. Перспективные направления роботизации точного земледелия // Робототехника и техническая кибернетика. 2017. №1 (14). С. 27-32.

5. Шевченко А.В., Мещеряков Р.В., Мигачев А.Н. Обзор состояния мирового рынка робототехники для сельского хозяйства. Ч. 1. Беспилотная агротехника // Проблемы управления. 2019. № 5. С. 3-18.

6. Ling P., Ehsani R., Ting K.C. Sensing and End-Effector for a Robotic Tomato Harvester. 2004 ASAE Annual Meeting. 2004. Р. 1-4.

7. Naoshi K., Kazuya Y., Hiroshi S. A. Machine Vision System for Tomato Cluster Harvesting Robot // Engineering in Agriculture, Environment and Food. 2009. № 2(2). Р. 60-65. https://doi.org/10.13031/2013.24691.

8. Hiroaki Y., Kotaro N., Takaomi H. Development of an autonomous tomato harvesting robot with rotational plucking gripper // IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS).2016.

9. Zhao Y., Gong L., Liu C. Dual-arm Robot Design and Testing for Harvesting Tomato in Greenhouse // IFAC-PapersOnLine. 2016. №49(16). Р. 161-165. https://doi.org/10.1016/j.ifacol.2016.10.030.

10. Wang L.L., Zhao B., Fan J.W. Development of a tomato harvesting robot used in greenhouse // International Journal of Agricultural and Biological Engineering. 2017. № 10(4). Р. 140-149. https://doi.org/10.25165/j.ijabe.20171004.3204.

11. Van Henten E., Hemming J., van Tuijl B. An autonomous robot for harvesting cucumbers in greenhouses // Autonomous Robots. 2002. №13. Р. 241–258. https://doi.org/10.1023/A:1020568125418.

12. Van Henten E.J., Van Tuijl B.A., Hemming J. Field Test of an autonomous cucumber picking robot. Biosystems Engineering. 2003. №86(3). Р. 305-313. https://doi.org/10.1016/j.biosystemseng.2003.08.002.

13. Tang X., Zhang T., Liu L. A New Robot System for Harvesting Cucumber. 2009 Reno. 2008.

14. Диагностика азотного питания растений с использованием беспилотных летательных аппаратов / В.Г. Сычев, Р.А. Афанасьев, И.Л. Ермолов, С.Г. Кладко, В.В. Ворончихин // Плодородие. 2017; 5(98): 2-4.

15. Применение кластерного анализа с элементами нечеткой логики для оценки окружающей обстановки группы робототехнических средств / М.П. Кочетков, Д.Н. Корольков, В.Ф. Петров, О.В. Петров, А.И. Терентьев, С.Б. Симонов // Труды СПИИРАН. 2020. №4(19). С. 746-773.

16. Нагоев З.В., Денисенко В.А., Лютикова Л.А. Система машинного зрения автономного робота для сельскохозяйственного применения в условиях горных территорий на основе мультиагентных когнитивных архитектур // Устойчивое развитие горных территорий. 2018. №10-2(36). С. 289-297.

17. Нго К.Т., Нгуен В.В., Ронжин А.Л. Рекомендующая программная система оценивания состава гетерогенных робототехнических средств для выполнения сельскохозяйственных операций // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2019. №4. С. 141-149.

18. Goldberg D. Genetic algorithms in search, optimization, and machine learning. 978- 0201157673. Addison-Wesley Professional. 1988.

19. Deb K., Pratap A., Agarwal S. A fast and elitist multiobjective genetic algorithm: NSGA-II // IEEE Transactions on Evolutionary Computations. 2002. №6(2). Р. 182–197. https://doi.org/10.1109/4235.996017.

20. Mirjalilia S., Mirjalili S.M., Lewis A. Grey Wolf Optimizer. Advances in Engineering Software. 2014. № 69. Р. 46-61. https://doi.org/10.1016/j.advengsoft.2013.12.007

21. Eberhart Shi Y. Particle swarm optimization: developments, applications and resources. Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546). 2001.


Для цитирования:


Ву Д.К., Ронжин А.Л. Моделирование конфигурации робототехнического захвата для манипуляций с сельскохозяйственной продукцией. Известия Юго-Западного государственного университета. 2020;24(4):76-90. https://doi.org/10.21869/2223-1560-2020-24-4-76-90

For citation:


Vu Q.D., Ronzhin A.L. Modeling the Configuration of a Robotic Gripper for Handling Agricultural Products. Proceedings of the Southwest State University. 2020;24(4):76-90. (In Russ.) https://doi.org/10.21869/2223-1560-2020-24-4-76-90

Просмотров: 60


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2223-1560 (Print)
ISSN 2686-6757 (Online)