權(quán)龍哲，彭 濤，沈柳楊，安思宇，季忠良，孫 濤

（1. 東北農(nóng)業(yè)大學工程學院，哈爾濱 150030；2. 哈爾濱工業(yè)大學機器人技術(shù)與系統(tǒng)國家重點實驗室，哈爾濱 150080；3. 海馬汽車有限公司，鄭州 450016；4. 長安汽車股份有限公司，重慶 404100）

立體苗盤管理機器人的機械臂參數(shù)優(yōu)化與試驗

權(quán)龍哲1，彭 濤2，沈柳楊1，安思宇3，季忠良4，孫 濤1

（1. 東北農(nóng)業(yè)大學工程學院，哈爾濱 150030；2. 哈爾濱工業(yè)大學機器人技術(shù)與系統(tǒng)國家重點實驗室，哈爾濱 150080；3. 海馬汽車有限公司，鄭州 450016；4. 長安汽車股份有限公司，重慶 404100）

為使立體苗盤管理機器人的機械臂能夠在植物工廠狹窄的作業(yè)環(huán)境下，靈活、高效地完成目標工作空間的所有搬運和噴灑動作任務(wù)需求，同時盡量減小機械臂的操縱空間和結(jié)構(gòu)尺寸，采用理論與試驗相結(jié)合的方法對機械臂參數(shù)進行了優(yōu)化設(shè)計。首先采用D-H法建立了機器人的運動學模型，然后通過工作空間分析確定出優(yōu)化參數(shù)的工作空間約束條件。在此基礎(chǔ)上，以“距離最短”和“結(jié)構(gòu)緊湊”為性能指標建立目標優(yōu)化函數(shù)，并利用遺傳算法求解出最優(yōu)的大臂桿長648 mm、中臂桿長472 mm和小臂桿長396 mm ，最優(yōu)機械臂關(guān)節(jié)轉(zhuǎn)角極限值為96°、68°和126°。最后進行機器人樣機的搬運和噴灑運動規(guī)劃試驗，并借助高速攝像系統(tǒng)標記機械臂末端運動軌跡坐標。試驗結(jié)果表明：優(yōu)化后的機械臂能夠到達目標工作空間的所有極限位置及其他特征位置點，最大絕對定位誤差為9.8 mm，最大相對定位誤差為0.98%，在允許的誤差范圍內(nèi)，能夠滿足機械臂工作空間對目標工作空間的有效包容。

機械臂；優(yōu)化；試驗；工作空間；植物工廠；遺傳算法；高速攝像

權(quán)龍哲，彭 濤，沈柳楊，安思宇，季忠良，孫 濤. 立體苗盤管理機器人的機械臂參數(shù)優(yōu)化與試驗[J]. 農(nóng)業(yè)工程學報，2017，33(7)：10－19.doi：10.11975/j.issn.1002-6819.2017.07.002 http://www.tcsae.org

Quan Longzhe, Peng Tao, Shen Liuyang, An Siyu, Ji Zhongliang, Sun Tao. Parameter optimization and experiment of manipulator for three-dimensional seedling tray management robot[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(7): 10－19. (in Chinese with English abstract)doi：10.11975/j.issn.1002-6819.2017.07.002 http://www.tcsae.org

0 引 言

隨著現(xiàn)代農(nóng)業(yè)技術(shù)的高速發(fā)展，植物工廠已成為設(shè)施農(nóng)業(yè)的最高級發(fā)展階段[1-4],因此農(nóng)業(yè)智能化裝備的研制成為植物工廠發(fā)展中的研究熱點[5-10]。近年來，植物工廠規(guī)模的不斷增大，立體苗盤的搬運和噴灑等作業(yè)項目的勞動強度和投入成本也越來越高；同時，隨著立體苗盤層數(shù)的增多，由人力進行相應(yīng)的搬運和噴灑任務(wù)變得越來越難，并且作業(yè)效率不高[11-12]。因此研制了一種立體苗盤管理機器人，該機器人能夠?qū)崿F(xiàn)秧苗盤的層間搬運和秧苗的定點定量噴灑，并且該機器人具有較高的可升降軀干機構(gòu)，能夠完成高空作業(yè)，不受立體苗盤層數(shù)和高度限制。但考慮植物工廠投入成本較高，所以在有限的空間內(nèi)應(yīng)盡量提高空間利用率，因此要求立體苗盤管理機器人能夠在狹窄的作業(yè)環(huán)境下，進行靈活、高效的搬運和噴灑等任務(wù)動作。針對以上植物工廠作業(yè)任務(wù)需求，需對立體苗盤管理機器人的機械臂進行參數(shù)優(yōu)化設(shè)計，使其作業(yè)性能達到最優(yōu)，提高作業(yè)效率，減少投入成本。

針對機器人的機械臂參數(shù)優(yōu)化問題，相關(guān)研究人員展開了深入的研究：王燕等[13-15]以機械臂“工作空間”和“結(jié)構(gòu)尺寸”最小化為優(yōu)化性能指標，分別針對黃瓜、茄子和蘋果采摘機械臂的參數(shù)優(yōu)化問題展開了研究。樊炳輝等[16-18]分別提出了“結(jié)構(gòu)尺寸最小”、“質(zhì)量最輕”和“能耗最小”等性能指標，對機械臂的參數(shù)進行了優(yōu)化，提高了機械臂的工作效率、降低了作業(yè)能耗。Lan等[19]以機械臂末端工作點速度和機械臂的靈巧度為性能指標對機械臂參數(shù)進行了優(yōu)化。Liu等[20]基于工作空間、奇異性、各向同性等性能指標，對可重構(gòu)機器人參數(shù)進行了優(yōu)化設(shè)計。Hwang等[21]以定常姿態(tài)空間、GCI（global conditioning index）和時變姿態(tài)空間為性能指標，并采用遺傳算法對六自由度并聯(lián)機械臂參數(shù)進行了優(yōu)化設(shè)計。

綜上所述，以機械臂的“工作空間”或“結(jié)構(gòu)尺寸”等性能指標為設(shè)計準則，并建立相應(yīng)的數(shù)學優(yōu)化模型求解機械臂參數(shù)最優(yōu)解是機械臂參數(shù)優(yōu)化通常采用的方法。故而，針對植物工廠中狹窄的作業(yè)環(huán)境特征和機械臂靈活、高效的作業(yè)性能需求，本文提出一種適用于立體苗盤管理機器人的機械臂參數(shù)優(yōu)化的方法：以機械臂工作空間包容目標工作空間為約束條件，建立機械臂參數(shù)目標優(yōu)化函數(shù)，并利用遺傳算法進行求解，最后研制機器人樣機進行運動規(guī)劃試驗分析。

1 立體苗盤管理機器人結(jié)構(gòu)與原理

立體苗盤管理機器人主要由平移機構(gòu)、回轉(zhuǎn)機構(gòu)、升降機構(gòu)、機械臂、視覺系統(tǒng)、噴灑系統(tǒng)和控制系統(tǒng) 7部分組成，其結(jié)構(gòu)簡圖如圖1所示。

圖1 立體苗盤管理機器人Fig.1 Three-dimesional seedling tray management robot

工作原理為：1）安置在機器人上的機器視覺系統(tǒng)實時監(jiān)測立體苗盤中秧苗的生長狀態(tài)情況，并識別需要搬運或噴灑的秧苗盤，實時將需要工作的秧苗盤位置數(shù)據(jù)信息輸送給機器人的控制系統(tǒng)；2）控制系統(tǒng)根據(jù)立體苗盤管理機器人視覺系統(tǒng)反饋的秧苗盤位置數(shù)據(jù)，控制機器人的平移機構(gòu)、回轉(zhuǎn)機構(gòu)和升降機構(gòu)進行相應(yīng)的位移和轉(zhuǎn)動，使機器人到達相應(yīng)的秧苗盤工作區(qū)位置；3）機械臂根據(jù)控制系統(tǒng)實時反饋的動作指令進行秧苗盤的搬運或噴灑動作；4）立體苗盤管理機器人根據(jù)視覺信息的實時反饋，到達下一個秧苗盤位置工作，直到所有秧苗盤的搬運或噴灑任務(wù)完成后結(jié)束工作；5）機器人進行相應(yīng)的復位動作。

2 機械臂的工作空間分析

立體苗盤管理機器人的機械臂工作空間是反映機械臂對目標工作空間的包容能力和機械臂運動的靈活程度重要指標，因此需要對該機器人的機械臂工作空間進行分析，找出機械臂的工作空間包容目標工作空間的定量約束條件，可為下文該機器人的機械臂參數(shù)優(yōu)化提供重要的理論約束條件。

2.1 運動學模型建立

立體苗盤管理機器人的運動學模型是該機器人的工作空間分析和運動規(guī)劃的重要理論基礎(chǔ)。因此，本節(jié)首先采用D-H法、齊次變換矩陣建立了機器人的正運動學方程，并通過一般解法推導出機器人的逆運動學方程。

2.1.1 連桿坐標系

采用 D-H法[22-23]建立立體苗盤管理機器人的連桿坐標系如圖2所示，該機器人的各連桿坐標系原點均固連在機器人的各關(guān)節(jié)處，水平移動機構(gòu)上固連的O0X0Y0Z0為基坐標系，O1X1Y1Z1固連在回轉(zhuǎn)機構(gòu)關(guān)節(jié)，O2X2Y2Z2固連在升降機構(gòu)關(guān)節(jié)，O3X3Y3Z3、O4X4Y4Z4、O5X5Y5Z5分別固連在機械臂的大臂、中臂和小臂的旋轉(zhuǎn)關(guān)節(jié)，O6noa固連在小臂末端。該機器人的D-H桿件坐標參數(shù)如表1所示。

圖2 立體苗盤管理機器人的連桿坐標系Fig.2 Connecting rod coordinate system of three-dimesionalseedling tray management robot

表1 機器人的D-H桿件參數(shù)范圍Table1 Parameters range of D-H rod of robot

2.1.2 正運動學方程

本文根據(jù)各個連桿坐標系間的轉(zhuǎn)換矩陣對機器人的正運動學方程進行推導。兩個相鄰連桿坐標系間轉(zhuǎn)換關(guān)系的齊次變換矩陣i-1Ai[16]為式中i-1Ai為第i坐標系相對于第i-1坐標系的變換矩陣。

由齊次變換矩陣i-1Ai表達式和表1中參數(shù)變量可以推導出0A1、1A2、2A3、3A4、4A5、5A6，將0A1～5A6依次右乘可以求得該機器人的機械臂末端相對于基坐標系O0X0Y0Z0的位姿矩陣0A6，如式（2）所示。

式中p為機械臂末端在基坐標系的位置矢量。

因此結(jié)合公式（1）、（2）和表 1中的參數(shù)變量可以求得位置矢量p=[pxpypz]為：

式中C3=cosθ3，C456=cos(θ4+θ5+θ6)，C45=cos(θ4+θ5)，C4=cosθ4，S3=sinθ3，S456=sin(θ4+θ5+θ6)，S4=sinθ4，S45=sin(θ4+θ5)。下同。

2.1.3 逆運動學方程

采用一般解法[22]對該機器人逆運動學方程進行求解，首先通過逆變換0A1-1左乘公式（2）兩端得：

式中(nx,ny,nz)，(ox,oy,oz)，(ax,ay,az) 分別為矢量n、o、a的坐標。

根據(jù)式（5）、式（6）對應(yīng)元素相等，可列出

同理，將逆變換0A1-1、1A2-1、2A3-1、3A4-1、4A5-1、5A6-1左乘公式（2），然后根據(jù)對應(yīng)元素相等，可以求解出關(guān)節(jié)變量θ4、θ5和θ6為

2.2 工作空間分析

2.2.1 目標工作空間

如圖3a所示為一個秧苗盤的生長空間，當立體苗盤管理機器人工作于該生長空間內(nèi)的秧苗盤時，機械臂的搬運和噴灑運動可達工作空間應(yīng)該包容該秧苗盤生長空間，這樣機械臂才能完成秧苗盤生長空間所有作業(yè)任務(wù)需求，因此選取該秧苗盤生長空間為目標工作空間，機械臂在參數(shù)優(yōu)化時應(yīng)該滿足機械臂工作空間包容目標工作空間[24]條件。

圖3b顯示了目標工作空間尺寸以及該目標工作空間在機器人連桿坐標系中O2X2Y2Z2坐標系下的空間坐標位置。在圖3b中，目標工作空間關(guān)于X2O2Y2平面上下對稱，關(guān)于X2O2Z2平面前后對稱，點P1為目標工作空間與O2X2軸相交線段的左端點，點P2、P3、P4、P5均為長方體形目標工作空間的頂點。

圖3 目標工作空間和秧苗盤生長空間Fig.3 Target workspace of manipulator and growth space of seedling tray

2.2.2 機械臂工作空間

立體苗盤管理機器人的機械臂工作空間是指該機器人工作于某一秧苗盤時機械臂末端所到達空間點和線的集合[25-26]。根據(jù)表1機械臂的初始參數(shù)值，采用圖解法[27]構(gòu)建出了該機器人的機械臂在X2O2Z2平面內(nèi)的工作空間截面，即圖 4中內(nèi)、外圓弧所圍區(qū)域，該區(qū)域為機械臂末端在X2O2Z2平面內(nèi)能到達的所有點集合，且該截面區(qū)域決定了機械臂的工作空間體積大小，因此簡稱“工作空間主截面”。圖 4中處于內(nèi)、外圓弧之間的“矩形”為目標工作空間在X2O2Z2平面投影。

圖4 機械臂工作空間的X2O2Z2截面Fig.4 X2O2Z2section of manipulator workspace

2.2.3 工作空間約束條件

考慮三維坐標系下機械臂工作空間與目標工作空間包容關(guān)系，將圖4中工作空間主截面繞Z2軸旋轉(zhuǎn)θ3（θ3為機器人回轉(zhuǎn)機構(gòu)轉(zhuǎn)角范圍）即可得到工作空間立體圖，其中GA弧旋轉(zhuǎn)得到機械臂工作空間“內(nèi)極限包絡(luò)界面”，而CE弧旋轉(zhuǎn)得到機械臂工作空間“外極限包絡(luò)界面”。目標工作空間應(yīng)處于“內(nèi)極限包絡(luò)界面”和“外極限包絡(luò)界面”所包圍的工作空間內(nèi)，實現(xiàn)機械臂工作空間對目標工作空間的完全包容。由機械臂工作空間與目標工作空間的包容關(guān)系可以確定機械臂的工作空間約束條件為：

其中R=O2C（mm）為“工作空間主截面”外圓弧CE旋轉(zhuǎn)半徑，即

r=O2A為“工作空間主截面”內(nèi)圓弧GA旋轉(zhuǎn)半徑，由于立體苗盤管理機器人工作于某一秧苗盤時，O3X3Y3Z3坐標系相對于O0X0Y0Z0坐標系時是固定的（圖2），因此r可由機械臂末端O6noa坐標系相對于O3X3Y3Z3坐標系位姿矩陣3A6求得，結(jié)合式（1）可得

而O2P1=L=600（mm）為目標工作空間與機器人的回轉(zhuǎn)機構(gòu)中心軸Z2的最短距離，O2P2值可由圖3b中目標作業(yè)空間尺寸及坐標值求得：

3 基于遺傳算法的機械臂參數(shù)優(yōu)化設(shè)計

3.1 目標優(yōu)化函數(shù)的建立

針對植物工廠中狹窄的作業(yè)環(huán)境空間，為使機器人能安全可靠地執(zhí)行相應(yīng)的動作任務(wù)，在能夠滿足目標工作空間作業(yè)任務(wù)前提下，機械臂的操縱空間應(yīng)盡量小，即三維坐標系下機械臂的工作空間“內(nèi)極限包絡(luò)界面”應(yīng)盡量靠近目標工作空間的P1點（圖3b），工作空間“外極限包絡(luò)界面”應(yīng)盡量靠近目標工作空間的P2、P3、P4、P5點（圖3b）。因此需建立內(nèi)外極限包絡(luò)界面與5個極限特征位置點的距離目標優(yōu)化函數(shù)，求解機械臂的最優(yōu)參數(shù)使工作空間內(nèi)外極限包絡(luò)界面盡可能靠近5個極限位置點，其中P2、P3、P4、P5點與“外極限包絡(luò)界面”距離相等。因此“距離最短”目標優(yōu)化函數(shù)為

同時，為使立體苗盤管理機器人的機械臂結(jié)構(gòu)更加緊湊，執(zhí)行搬運和噴灑作業(yè)任務(wù)時更加靈活、高效，在能滿足立體苗盤目標工作空間作業(yè)任務(wù)前提下機械臂的結(jié)構(gòu)尺寸應(yīng)盡量小，即機械臂的“連桿長度和”應(yīng)盡量小。因此“結(jié)構(gòu)緊湊”目標優(yōu)化函數(shù)為:

機械臂的參數(shù)優(yōu)化屬于多目標函數(shù)優(yōu)化問題，可以通過對兩個目標優(yōu)化函數(shù)分別加權(quán)后轉(zhuǎn)化為單一目標優(yōu)化函數(shù)，即

式中λ1和λ2分別表示minF1(x)和minF2(x)相對于總目標函數(shù)minF(x)的權(quán)重，本文取λ1=λ2=0.5，表示“距離最短”和“結(jié)構(gòu)緊湊”相對于總目標函數(shù)的權(quán)重相等。

3.2 優(yōu)化參數(shù)及約束條件

根據(jù)立體苗盤管理機器人的機械臂目標優(yōu)化函數(shù)所涉及的變量可以得出待優(yōu)化的參數(shù)為機械臂的連桿長度l4、l5、l6以及關(guān)節(jié)轉(zhuǎn)角極限值α1、β1、γ1，因此立體苗盤管理機器人的機械臂參數(shù)優(yōu)化問題可以被定義為尋找一個最優(yōu)向量X。

使機械臂在能夠滿足目標工作空間所有作業(yè)任務(wù)需求的前提下，機械臂的操縱空間以及結(jié)構(gòu)尺寸應(yīng)盡量小，從而提高機械臂作業(yè)性能，達到作業(yè)效率更高、運動更靈活的目的。

根據(jù)立體苗盤管理機器人實際作業(yè)任務(wù)需求以及機械臂運動極限范圍，確定待優(yōu)化機械臂參數(shù)變化范圍為

通過該機器人的機械臂的工作空間分析后，根據(jù)機械臂工作空間與目標工作空間之間的包容關(guān)系，確定出機械臂工作空間約束條件，結(jié)合式（12）、（13）和（15），整理后為

3.3 最優(yōu)參數(shù)的求解

立體苗盤管理機器人的機械臂參數(shù)優(yōu)化屬于單一目標非線性函數(shù)的極值問題，可借助Matlab中的遺傳算法工具箱對此優(yōu)化問題進行求解[28]。首先將機械臂目標優(yōu)化函數(shù)編譯為Matlab中遺傳算法的適應(yīng)度函數(shù)形式，并將工作空間約束條件公式（22）編譯為遺傳算法的約束函數(shù)形式，然后設(shè)置待優(yōu)化參數(shù)的參數(shù)范圍，并設(shè)置初始種群規(guī)模為50，突變概率為0.04，交叉概率為0.98，進化代數(shù)為 300，最后運行遺傳算法進行最優(yōu)參數(shù)的求解。遺傳算法進化過程中適應(yīng)度函數(shù)值隨進化代數(shù)變化趨勢如圖5所示。

圖5 遺傳算法進化圖Fig.5 Evolution diagram of genetic algorithms

在進化到 150代左右時適應(yīng)度函數(shù)（目標函數(shù)）完全收斂，計算結(jié)束后對機械臂參數(shù)最優(yōu)解進行圓整化處理，結(jié)果如表2所示。

表2 遺傳算法所得最優(yōu)參數(shù)結(jié)果Table2 Optimal parameters obtained by genetic algorithm

根據(jù)立體苗盤管理機器人的機械臂參數(shù)最優(yōu)解并結(jié)合機器人的運動學方程和機械臂參數(shù)變化范圍，在Matlab軟件平臺下繪制出了立體苗盤管理機器人的工作空間立體圖和目標工作空間立體圖，如圖6所示。其中目標工作空間處于機械臂的“內(nèi)極限包絡(luò)界面”和“外極限包絡(luò)界面”之間，即機械臂的工作空間完全包容目標工作空間，證明了理論優(yōu)化機械臂參數(shù)的合理性。

圖6 機械臂工作空間與目標工作空間三維仿真圖Fig.6 3D simulation of manipulator workspace and target workspace

4 試驗分析

為了進一步驗證理論優(yōu)化的機械臂能否完成實際目標工作空間內(nèi)所有動作任務(wù)需求，即機械臂工作空間是否具有對目標工作空間的包容能力，以目標工作空間內(nèi)的極限位置點和其他特征位置點為“目標路徑點群”進行搬運和噴灑的運動規(guī)劃試驗，同時借助高速攝像系統(tǒng)記錄和分析機械臂軌跡信息[29-30]，通過理論規(guī)劃的目標位置坐標值與實測坐標值的對比分析，驗證理論優(yōu)化的機械臂參數(shù)的合理性。

4.1 試驗樣機及設(shè)備

如圖7所示，根據(jù)理論優(yōu)化的機械臂最優(yōu)參數(shù)值重新設(shè)計、研制立體苗盤管理機器人樣機，同時搭建立體苗盤試驗平臺，其尺寸參數(shù)如表 3所示。準備高速攝像系統(tǒng)，其中高速攝像機為KODAK公司的彩色CCD攝像機，分辨率為512×480像素，幀頻率為125幀/s。

圖7 機器人樣機、立體苗盤試驗平臺和高速攝像系統(tǒng)Fig.7 Robot prototype, three-dimesional seedling tray experimental platform and high speed video camera system

表3 立體苗盤試驗平臺尺寸參數(shù)Table3 Size of three-dimesional seedling tray experimental platform

4.2 試驗方案

4.2.1 機械臂搬運試驗

立體苗盤管理機器人對某一秧苗盤進行搬運任務(wù)時，動作流程為：機器人自主運動至目標作業(yè)秧苗盤位置處，機械臂將秧苗盤搬起一定高度，然后機身旋轉(zhuǎn)90○將秧苗盤搬出。針對機器人對秧苗盤的搬運動作流程，當相鄰秧苗盤內(nèi)的秧苗高度不同時，機械臂對目標秧苗盤的搬起高度也不同，如圖8a所示。

圖8 機械臂搬運試驗與噴灑試驗示意圖Fig.8 Schematic diagram of handling test and spraying test of manipulator

圖8a中，當hm＞hx情況下，該機器人即可通過機身向一側(cè)回轉(zhuǎn)90○后將秧苗盤搬出。為了使機械臂能完成目標工作空間的所有搬運動作任務(wù)，針對任意的hx，應(yīng)始終滿足hm＞hx，因此需驗證機械臂在目標工作空間內(nèi)的垂直方向的包容能力，即沿Z2軸（圖2）方向的“遍歷”能力；當機械臂將秧苗盤搬起任意高度hm時，機器人始終可以通過機身的回轉(zhuǎn)運動將秧苗盤順利搬出。

搬運試驗動作規(guī)劃為：根據(jù)目標工作空間尺寸及理論位置坐標值，控制該機器人的機械臂搬運某一秧苗盤從目標工作空間的最底端（下限）垂直向上運動至最頂端（上限），重復該組動作 100次，并且搬運過程中秧苗盤始終保持水平放置。由于機械臂的搬運試驗主要驗證機械臂在目標工作空間內(nèi)的垂直方向的包容能力，因此高速攝像系統(tǒng)獲取機械臂在目標工作空間的X2O2Z2（圖 2）投影平面內(nèi)的二維搬運軌跡坐標值即可。試驗開始前，在選定目標秧苗盤的一側(cè)使用三角支架固定高速攝像機，調(diào)整好高速攝像機焦距并借助相關(guān)配套軟件記錄整個搬運過程中機械臂末端在二維目標工作空間的運動軌跡，其中部分動作位置如圖9所示。

圖9 機械臂搬運高速攝像試驗Fig.9 High-speed camera test of manipulator carring

圖9a、9b和9c 3張照片是高速攝像機拍下的械臂搬運秧苗盤試驗時的一組特征位置，分別為機械臂末端連桿處于目標工作空間的下極限、中間和上極限位置時的瞬間，從圖中可以看出優(yōu)化后的機械臂將秧苗盤從目標工作空間的低端搬運經(jīng)過中間位置至頂端，并且搬運過程中秧苗盤始終保持水平放置，符合預先規(guī)劃的搬運動作要求。

4.2.2 機械臂噴灑試驗

立體苗盤中的秧苗高度不同，其噴灑高度也不同；并且每株秧苗在秧苗盤中的分布位置不同，其噴灑位置也不同,如圖 8b左所示。為滿足目標工作空間內(nèi)不同高度、不同位置秧苗的噴灑作業(yè)需求，需要驗證機械臂對目標工作空間的垂直方向和水平方向的包容能力。通過上述開展的機械臂搬運試驗，已經(jīng)驗證了機械臂對目標工作空間的垂直方向的包容能力。因此在噴灑試驗過程中，完成機械臂對目標工作空間的水平方向的包容能力試驗即可。綜合搬運和噴灑試驗，可驗證末端噴頭對目標工作空間垂直、水平兩個方向包容能力。

由于實際噴頭噴灑區(qū)域能覆蓋 “噴頭安置點”的遍歷區(qū)域，因此本噴灑試驗以“噴頭安置點”為研究對象，如圖8b右所示。以Z2軸為旋轉(zhuǎn)中心，當N1點和N2點的噴灑運動軌跡為弧1時，則N點運動軌跡為弧2。根據(jù)N1、N2點運動軌跡弧1所形成的“運動范圍外包絡(luò)區(qū)”包含N點運動軌跡弧2所形成的“運動范圍內(nèi)包絡(luò)區(qū)”，即“N點運動所覆蓋的工作范圍”是“N1、N2點運動所覆蓋的工作范圍”的子集，從而推出：N點能夠達到的位置點，N1點或N2點一定可以到達，因此取N點為N1和N2點的“等效噴頭安置點”，下文噴灑試驗運動規(guī)劃與控制均以該“等效噴頭安置點”為研究對象。由于噴灑試驗主要驗證機械臂在目標工作空間內(nèi)的水平方向的包容能力，因此高速攝像系統(tǒng)獲取機械臂在目標工作空間的X2O2Y2投影平面內(nèi)的二維搬運軌跡坐標值即可。

試驗開始前，在選定目標秧苗盤的上方架設(shè)高速攝像機，調(diào)整好攝像機焦距并借助相關(guān)配套軟件記錄整個噴灑過程的機械臂末端“等效噴頭安置點”二維目標工作空間的運動軌跡。噴灑試驗步驟：1）初始化機械臂噴灑高度值hp取100 mm；2）將秧苗盤平面分成m×n個網(wǎng)格，每個網(wǎng)格點代表噴灑位置點，m=10，n=20；3）以處在當前噴灑高度hp的所有噴灑位置點為“目標路徑點群”，控制機械臂使“等效噴頭安置點”依次經(jīng)過“目標路徑點群”；4）令hp=hp+20 mm；5）重復試驗步驟2）、3）、4），直到hp=1 020 mm時結(jié)束噴灑試驗。

圖10中6張圖片為噴灑高度hp=500 mm時，機械臂末端的“等效噴頭安置點”經(jīng)過秧苗盤噴灑極限位置時的瞬間，分別為秧苗盤的左上極限、中上極限、右上極限、左下極限、中下極限、右下極限。為使機械臂對秧苗噴灑均勻，在噴灑試驗過程中機械臂的小臂連桿始終保持水平。

4.3 結(jié)果分析

將搬運和噴灑運動規(guī)劃的理論坐標值與實際測得坐標值以及機械臂在目標工作空間中相對定位誤差值整理后如表4、表5所示。

圖10 機械臂噴灑試驗高速攝像Fig.10 High-speed camera of manipulator spraying test

表4 搬運試驗理論坐標值與實測坐標值的對比Table4 Comparison of theoretical coordinate value and measured coordinate value of handling experiment

表5 噴灑試驗理論坐標值與實測坐標值的對比Table5 Comparison of theoretical coordinate value and measured coordinate value of spraying experiment

表4和表5中的相對定位誤差計算公式為

其中Xmax、Ymax和Zmax分別為圖3b中目標工作空間的外圍尺寸，即Xmax=600 mm，Ymax=800 mm，Zmax=1 000 mm。

由表4和表5數(shù)據(jù)結(jié)果可知，立體苗盤管理機器人樣機的機械臂在目標工作空間中的最大絕對定位誤差為9.8 mm（考慮該機器人搬運和噴灑運動精度，本試驗設(shè)定允許的最大絕對定位誤差為 15 mm），最大相對定位誤差為0.98%，該誤差滿足理論優(yōu)化機械臂到達目標工作空間的所有極限位置及其他特征位置點的要求，如圖9、圖10所示，驗證了該機械臂在搬運和噴灑過程中對目標工作空間具有有效包容的能力，并證明了理論優(yōu)化機械臂參數(shù)的合理性。

機械臂在搬運和噴灑試驗過程中定位誤差產(chǎn)生的原因有：1）機械臂的加工裝配所引起的誤差；2）機械臂在執(zhí)行搬運和噴灑動作時受到慣性以及重力的影響所導致的誤差；3）運動學正、逆解的準確程度引起的誤差。以上誤差可以通過軟件控制補償、動力學模型優(yōu)化和運動學模型優(yōu)化進行改善，對于該機器人的搬運與噴灑動作任務(wù)需求，該精度已經(jīng)達到要求。

5 結(jié) 論

1）采用D-H法建立了機器人連桿坐標系，運用齊次變換矩陣推導了正運動學方程，通過一般解法求解了逆運動學方程，并由工作空間分析確定出了機械臂工作空間約束條件。

2）以“距離最短”和“結(jié)構(gòu)緊湊”為性能指標建立目標優(yōu)化函數(shù)，通過遺傳算法求解出最優(yōu)的大臂桿長648 mm、中臂桿長472 mm和小臂桿長396 mm ，最優(yōu)機械臂關(guān)節(jié)轉(zhuǎn)角極限值為96°、68°和126°。

3）研制機器人樣機和立體苗盤試驗平臺，采用高速攝像技術(shù)測試了機械臂對搬運和噴灑目標工作空間的包容能力，試驗結(jié)果表明：機械臂在目標工作空間中的最大絕對定位誤差為9.8mm，最大相對定位誤差為0.98%，該誤差精度滿足立體苗盤的搬運和噴灑作業(yè)任務(wù)要求，驗證了機械臂在搬運和噴灑過程中對目標工作空間具有有效包容的能力，并證明了理論優(yōu)化機械臂參數(shù)的合理性。

[1] 楊其長. 植物工廠的發(fā)展策略[J]. 科技導報（北京），2014(10)：20－24.

[2] 仝宇欣. 設(shè)施農(nóng)業(yè)的技術(shù)革命——人工光植物工廠[J]. 科技導報，2014，32(10)：84－84.

[3] Kozai T. Resource use efficiency of closed plant production system with artificial light: Concept, estimation and application to plant factory[J]. Proceedings of the Japan Academy, Series B, Physical and Biological Sciences, 2013, 89(10): 447－461.

[4] Kozai T. Plant Factory with Artificial Light[M]. Tokyo: Ohmsha Ltd., 2012.

[5] 辜松，楊艷麗，張躍峰，等. 荷蘭蔬菜種苗生產(chǎn)裝備系統(tǒng)發(fā)展現(xiàn)狀及對中國的啟示[J]. 農(nóng)業(yè)工程學報，2013，29(14)：185－194. Gu Song, Yang Yanli, Zhang Yuefeng, et al. Development status of automated equipment systems for greenhouse vegetable seedlings production in Netherlands and its inspiration for China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(14): 185－194. (in Chinese with English abstract)

[6] 權(quán)龍哲，張冬冬，查紹輝，等. 三臂多功能棚室農(nóng)業(yè)機器人的運動學分析及試驗[J]. 農(nóng)業(yè)工程學報，2015，31(13)：32－38. Quan Longzhe, Zhang Dongdong, Zha Shaohui, et al. Kinematics analysis and experiment of multifunctional agricultural robot in greenhouse with three arms[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(13): 32－38. (in Chinese with English abstract)

[7] 張俊雄，曹崢勇，耿長興，等. 溫室精準對靶噴霧機器人研制[J]. 農(nóng)業(yè)工程學報，2009，25(增刊2)：70－73. Zhang Junxiong, Cao Zhengyong, Geng Changxing, et al. Research on precision target spray robot in greenhouse[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(Supp.2): 70－73. (in Chinese with English abstract)

[8] Kondo N, Yata K, Iida M, et al. Development of an end-effector for a tomato cluster harvesting robot[J]. Engineering in Agriculture, Environment and Food, 2010, 3(1): 20－24.

[9] Montero J I, Henten E J V, Son J E, et al. Greenhouse engineering: new technologies and approaches[C]// International Symposium on High Technology for Greenhouse Systems: Greensys, 2011: 51－63.

[10] 劉繼展，劉煒，毛罕平，等. 面向立柱栽培的機器人移栽苗序與路徑分析[J]. 農(nóng)業(yè)工程學報，2014，30(5)：28－35. Liu Jizhan, Liu Wei, Mao Hanping, et al. Preparation and path analysis of robot transplantation for column cultivation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(5): 28－35 (in Chinese with English abstract)

[11] 權(quán)龍哲，申靜朝，奚德君，等. 狹閉空間內(nèi)苗盤物流化搬運機器人運動規(guī)劃與試驗[J]. 農(nóng)業(yè)機械學報，2016，47(1)：51－59. Quan Longzhe, Shen Jingzhao, Xi Dejun, et al. Motion planning and test of robot for seedling tray handling in narrow space[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(1): 51－59. (in Chinese with English abstract)

[12] 權(quán)龍哲，李成林，馮正陽，等. 體感操控多臂棚室機器人作業(yè)決策規(guī)劃算法研究[J]. 農(nóng)業(yè)機械學報，2017，48(3)：1－12.Quan Longzhe, LI Chenglin, Feng Zhengyang, et al.Study on decision-making algorithm for robot operation in somersault control [J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(3): 1－12. (in Chinese with English abstract)

[13] 王燕，楊慶華，鮑官軍，等. 關(guān)節(jié)型果蔬采摘機械臂優(yōu)化設(shè)計與試驗[J]. 農(nóng)業(yè)機械學報，2011，42(7)：191－195. Wang Yan, Yang Qinghua, Bao Guanjun, et al. Ptimization design and experiment of fruit vegetable picking manipulator[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(7): 191－195. (in Chinese with English abstract)

[14] 宋健，孫學巖，張鐵中，等. 開放式茄子采摘機器人設(shè)計與試驗[J]. 農(nóng)業(yè)機械學報，2009，40(1)：143－147. Song Jian, Sun Xueyan, Zhang Tiezhong, et al. Design and experiment of opening picking robot for eggplant[J]. Transactions of the Chinese Society of Agricultural Machinery, 2009, 40(1): 143－147. (in Chinese with English abstract)

[15] 李偉，李吉，張俊雄，等. 蘋果采摘機器人機械臂優(yōu)化設(shè)計及仿真[J]. 北京工業(yè)大學學報，2009，35(6)：721－726. Li Wei, Li Ji, Zhang Junxiong, et al. Optimization design and simulation of the apple-picking-robot arm[J]. Journal of Beijing University of Technology, 2009, 35(6): 721－726. (in Chinese with English abstract)

[16] 樊炳輝，逄振旭. 一種機器人大臂結(jié)構(gòu)的優(yōu)化設(shè)計[J]. 機器人，1995，17(6)：325－331. Fan Binghui, Pang Zhenxu. Optimization design of a robot arm structure[J]. Robot, 1995, 17(6): 325－331. (in Chinese with English abstract)

[17] 何春燕，何允紀，浦紀壽. HP99型堆垛機器人結(jié)構(gòu)參數(shù)的優(yōu)化設(shè)計[J]. 江蘇理工大學學報：自然科學版，2000，21(3)：42－45. He Chunyan, He Yunji, Pu Jishou. Optimization of physical dimension of HP99 stacker robot[J]. Journal of Jiangsu University of Science and Technology: Natural Science, 2000, 21(3): 42－45. (in Chinese with English abstract)

[18] 丁淵明，王宣銀. 串聯(lián)機械臂結(jié)構(gòu)優(yōu)化方法[J]. 浙江大學學報：工學版，2010，44(12)：2360－2364. Ding Yuanming, Wang Xuanyin. Optimization method of serial manipulator structure[J]. Journal of Zhejiang University: Engineering Science, 2010, 44(12): 2360－2364. (in Chinese with English abstract)

[19] Lan P, Liu M, Lu N, et al. Optimal design of a novel high speed and high precision 3-DOF manipulator[C]// IEEE International Conference on Mechatronics, 2005: 689－694.

[20] Liu H, Huang T, Mei J, et al. Kinematic design of a 5-DOF hybrid robot with large workspace/limb-stroke ratio[J]. Journal of Mechanical Design, 2007, 129(5): 530－537.

[21] Hwang Y K, Yoon J W, Ryu J H. The optimum design of a 6-DOF parallel manipulator with large orientation workspace[C]// IEEE International Conference on Robotics & Automation, IEEE, 2007: 163－168.

[22] 蔡自興. 機器人學[M]. 北京：清華大學出版社，2009.

[23] 高文斌，王洪光，姜勇，等. 基于距離誤差的機器人運動學參數(shù)標定方法[J]. 機器人，2013(5)：600－606. Gao Wenbin, Wang Hongguang, Jiang Yong, et al. Method for Kinematic Parameter Calibration of Robot Based on Distance Error [J]. Robot, 2013(5): 600－606. (in Chinese with English abstract)

[24] 甘屹，王均壘，孫福佳. 基于給定工作空間的 6R型機器人D-H參數(shù)優(yōu)化設(shè)計[J]. 中國機械工程，2014(22)：3003－3007. Gan Yi, Wang Junlei, Sun Fujia. Optimal design of D-H parameters of a 6R robot for a prescribed workspace[J]. China Mechanical Engineering, 2014(22): 3003－3007. (in Chinese with English abstract)

[25] 趙杰，王衛(wèi)忠，蔡鶴皋. 可重構(gòu)機器人工作空間的自動計算方法[J]. 天津大學學報，2006，39(9)：1082－1087. Zhao Jie, Wang Weizhong, Cai Hegao. Algorithms for automatically determining workspace of reconfigurable robots[J]. Journal of Tianjin University, 2006, 39(9): 1082－1087. (in Chinese with English abstract)

[26] 田海波，馬宏偉，魏娟. 串聯(lián)機器人機械臂工作空間與結(jié)構(gòu)參數(shù)研究[J]. 農(nóng)業(yè)機械學報，2013，(04):196－201. Tian Haibo, Ma Hongwei, Wei Juan.Study on Working Space and Structural Parameters of Series Robot Manipulator [J]. Journal of Agricultural Mechanization, 2013, (04): 196－201. (in Chinese with English abstract)

[27] 段齊駿，黃德耕. 機器人工作空間與包容空間的圖解法[J].南京理工大學學報：自然科學版，1996，20(4)：318－322. Duan Qijun, Huang Degeng. The graphic method of workspace and inscribed cube[J]. Journal of Nanjing University of Science and Technology: Natural Science, 1996, 20(4): 318－322. (in Chinese with English abstract)

[28] 杜小強，倪柯楠，潘珂，等. 可調(diào)振幅單向拽振式林果采收機構(gòu)參數(shù)優(yōu)化[J]. 農(nóng)業(yè)工程學報，2014，30(16)：25－32. Du Xiaoqiang, Ni Ke’nan, Pan Ke, et al. Parameter optimization of stroke-adjustable and monodirectional pulling fruit harvester[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(16): 25－32. (in Chinese with English abstract)

[29] 翟之平，吳雅梅，王春光. 物料沿拋送葉片的運動仿真與高速攝像分析[J]. 農(nóng)業(yè)工程學報，2012，28(2)：23－28. Zhai Zhiping, Wu Yamei, Wang Chunguang. Dynamic simulation and high-speed camera analysis on materials moving along throwing impellers[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(2): 23－28. (in Chinese with English abstract)

[30] 崔濤，劉佳，楊麗，等. 基于高速攝像的玉米種子滾動摩擦特性試驗與仿真[J]. 農(nóng)業(yè)工程學報，2013，29(15)：34－41. Cui Tao, Liu Jia, Yang Li, et al. Experiment and simulation of rolling friction characteristics of maize seeds based on high-speed camera [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(15): 34－41. (in Chinese with English abstract)

Parameter optimization and experiment of manipulator for three-dimensional seedling tray management robot

Quan Longzhe1, Peng Tao2, Shen Liuyang1, An Siyu3, Ji Zhongliang4, Sun Tao1
(1.College of Engineering, Northeast Agricultural University, Harbin150030, China; 2.State Key Laboratory of Robotics and System,Harbin Institute of Technology,Harbin150080, China; 3.Hippocampus Car Co.,Ltd, Zhengzhou450016,China; 4.Changan Automobile Co., Ltd, Chongqing404100,China)

With the rapid development of modern agricultural technology, plant factory has become the most advanced development stage of facility agricultural. At present, the majority of work tasks in plant factory completed by manpower are labor-intensive and low efficient, therefore, the agricultural intelligent equipment system has become a hot spot in the development of plant factory. In view of the task demand of the carrying and spraying of the three-dimesional seedling tray, the three-dimesional seedling tray management robot was developed. In order to make the manipulator of three-dimesional seedling tray management robot complete all carrying and spraying tasks flexibly and efficiently, meanwhile to reduce operating space and structure size of manipulator, parameters of the manipulator were optimized by the method of theory and experiment. Firstly, in order to determine the relationship between the end coordinate of the manipulator’s connecting rod and the base coordinate system, the kinematic model of the robot system was established by D-H method, which was important theoretical basis for the workspace analysis. Then the workspace of manipulator was constructed by graphic method, and the workspace constraint conditions were determined according to the condition that manipulator workspace accommodated target workspace. Based on that, the objective function was established according to shortest distance and compact structure, and genetic algorithm was used to solve the objective function. The optimal rod lengths (big arm, medium arm, small arm) of the manipulator were 648, 472, and 396 mm, and the limit values of the optimal joint angle were 96○, 68○, and 126○. The workspace and the target workspace of the robot were depicted in the MATLAB (Matrix Laboratory) software platform according to the optimal solution of the manipulator parameters, the kinematics equation of the robot and the range of the manipulator’s parameters. The simulation result showed that the target workspace was between the inner limiting envelope interfaceand the outer limiting envelope interface of the manipulator, which verified the manipulator’s ability to cover the target workspace, and the rationality of the theoretical optimization for the parameters of the manipulator was proved. Finally, in order to further validate whether the manipulator could complete all the action tasks of the target workspace, the robot prototype and the three-dimesional seedling tray experimental platform were built in the laboratory, and the motion planning test of carrying and spraying of the robot system prototype was carried out. The carrying test was planned as follows: According to the target workspace size and the theoretical position coordinate value, the manipulator was controlled to move vertically upward from the lowermost (lower limit) to the topmost (upper limit) of the target workspace, this group of actions were repeated 100 times, and seedling tray was always placed horizontally during carrying. The carrying test mainly verified the manipulator’s ability to cover the target workspace in the vertical direction. Spraying test steps were as follows: 1) The initial spraying height value was 100 mm; 2) Divide the seedling disk plane intom×ngrids, and each grid point represented the spray position point,m=10,n=20; 3) The target path point group consisted of all the spray points at the current height, and the manipulator was controlled to pass through the target path point group sequentially; 4) The spraying height value was increased by 20 mm; 5) Repeat step 2), 3) and 4) until the spraying height value was equal to 1 020 mm. The spraying test mainly verified the manipulator’s ability to cover the target workspace in the horizontal direction. The high-speed video camera system was used to mark trajectory coordinates of manipulator in the motion planning test of carrying and spraying (high-speed camera was KODAK’s color CCD (charge coupled devices) camera, a resolution of 512×480 pixels, frame rate of 125 frames/s). Test results showed that the optimized manipulator could reach all limiting positions and other characteristic positions of target workspace, and the maximum relative positioning error was 0.98% which was within error range and could meet the accuracy requirements for manipulator containing the target workspace effectively; what was more, it was proved that the optimal parameters of manipulator were reasonable. Parameters optimization and experiment of three-dimesional seedling tray management robot could provide the reference for trajectory planning and motion control.

manipulators; optimization; experiments; workspace; plant factory; genetic algorithm; high-speed camera

10.11975/j.issn.1002-6819.2017.07.002

TP242.3; S224.9

A

1002-6819(2017)-07-0010-10

2016-08-23

2017-03-17

黑龍江省普通高等學校青年創(chuàng)新人才培養(yǎng)計劃（LR-356214）；黑龍江省博士后基金（LBH-Z13022）；哈爾濱市科技局產(chǎn)業(yè)化重點項目（2014DB6AN026）；國家自然科學基金資助項目（51405078）

權(quán)龍哲，男，黑龍江省哈爾濱人，副教授，博士，主要從事智能農(nóng)業(yè)裝備研究。哈爾濱 東北農(nóng)業(yè)大學工程學院，150030。

Email：quanlongzhe@163.com