CN119567273B 基于油茶树枝夹持机械手的夹持力度修正方法、系统及存储介质 (湖南农业大学).docxVIP

CN119567273B 基于油茶树枝夹持机械手的夹持力度修正方法、系统及存储介质 (湖南农业大学).docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119567273B(45)授权公告日2025.07.01

(21)申请号202510075853.X

(22)申请日2025.01.16

(65)同一申请的已公布的文献号申请公布号CN119567273A

(43)申请公布日2025.03.07

(73)专利权人湖南农业大学

地址410128湖南省长沙市芙蓉区农大路

一号

(72)发明人吴明亮潘睿唐乐为万子平

(51)Int.CI.

B25J9/16(2006.01)

A01D46/30(2006.01)

(56)对比文件

CN110139552A,2019.08.16CN118811238A,2024.10.22审查员靳红蕾

李杰刘子琦

(74)专利代理机构北京万新知识产权代理有限

公司16195专利代理师杨其

权利要求书3页说明书9页附图4页

(54)发明名称

基于油茶树枝夹持机械手的夹持力度修正方法、系统及存储介质

(57)摘要

CN119567273B本发明提供一种基于油茶树枝夹持机械手的夹持力度修正方法、系统及存储介质,涉及机械化和自动化技术领域,包括:对油茶树枝、操作环境和机械手运动状态进行监测和分析,采集关键参数,生成夹持适应性指数和夹持稳定性指数,将夹持适应性指数和夹持稳定性指数结合,计算夹持控制指数;构建深度学习模型,将历史关键参数作为训练集,将对应的历史机械手夹持力作为标签,对模型进行训练,得到夹持力预测模型,将实时采集的关键参数输入至模型中,输出预测夹持力,将其与夹持控制指数结合,计算最终夹持力。本发明在实时获取关键参数的基础上,生成夹持适应性指数和夹持稳定性指数,进而计算夹持控制指数,实现动态调节夹持力的目

CN119567273B

步骤1:对油茶树枝、操作环境和机械手运动状态进行监测和分析,采

步骤1:对油茶树枝、操作环境和机械手运动状态进行监测和分析,采

集关键参数,包括树枝的平均直径、树枝硬度、树枝湿度、目标距离、

机械手的央持速度、夹持角度和环境温度

步骤2:根据无量纲化处理后的平均直径、树枝硬度、树枝湿度和环境

温度,生成夹持适应性指数;根据无量纲化处理后的目标距离、夹持角

度和夹持速度生成央持稳定性指数,将央持适应性指数和央持稳定性指

数结合,进行相关性分析,计算央持控制指数

步骤3:构建深度学习模型,将历史关键参数作为训练集输入至模型中

,将对应的历史机械手夹持力作为标签,对模型进行训练,得到训练好

的央持力预测模型,将实时采集的关键参数输入至夹持力预测模型中,

输出预测夹持力

步骤4:将预测央持力与央持控制指数结合,得到修正后的最终夹持力

CN119567273B权利要求书1/3页

2

1.一种基于油茶树枝夹持机械手的夹持力度修正方法,其特征在于,具体步骤包括:

步骤1:对油茶树枝、操作环境和机械手运动状态进行监测和分析,采集关键参数,包括树枝的平均直径、树枝硬度、树枝湿度、目标距离、机械手的夹持速度、夹持角度和环境温

度;

步骤2:根据无量纲化处理后的平均直径、树枝硬度、树枝湿度和环境温度,生成夹持适应性指数;根据无量纲化处理后的目标距离、夹持角度和夹持速度生成夹持稳定性指数,将夹持适应性指数和夹持稳定性指数结合,进行相关性分析,计算夹持控制指数;

步骤3:构建深度学习模型,将历史关键参数作为训练集输入至模型中,将对应的历史机械手夹持力作为标签,对模型进行训练,得到训练好的夹持力预测模型,将实时采集的关键参数输入至夹持力预测模型中,输出预测夹持力;

步骤4:将预测夹持力与夹持控制指数结合,得到修正后的最终夹持力;

生成夹持适应性指数,所依据的公式如下:

其中,ADAP为夹持适应性指数,D为树枝的平均直径,H为树枝硬度,M为树枝湿度,T为环境温度,Tre为理想状态下的环境温度,e为自然常数,k?、k?、k?和k?为预设的比例系数,且k?k?=k?k?0;

生成夹持稳定性指数,所依据的公式如下:

其中,STA为夹持稳定性指数,V为夹持速度,0是夹持角度,0ref为机械手的最佳夹持角度,P为目标距离,k?、k?和k?为预设的比例系数,且k?k?k?0;

计算夹持控制指数,所依据的公式如下:

其中,CON为夹持控制指数,ADAP为夹持适应性指数,STA为夹持稳定性指数,D为树枝的平

文档评论(0)

aabbcc + 关注
实名认证
文档贡献者

若下载文档格式有问题,请咨询qq1643702686索取原版

1亿VIP精品文档

相关文档