摘要：［目的］為了準(zhǔn)確感知采摘機(jī)械臂的作業(yè)信息，提高驅(qū)動(dòng)控制精度，需要對(duì)多自由度采摘機(jī)械臂的驅(qū)動(dòng)控制模塊進(jìn)行優(yōu)化設(shè)計(jì)。［方法］本研究將采摘機(jī)械臂各關(guān)節(jié)自由度、運(yùn)動(dòng)學(xué)以及動(dòng)力學(xué)原理融合到設(shè)備結(jié)構(gòu)中，完成了多自由度采摘機(jī)械臂等效模型的構(gòu)建?；跇?gòu)建的等效模型，確定多源傳感器設(shè)備的安裝位置，利用內(nèi)部安裝的傳感器設(shè)備對(duì)機(jī)械臂的實(shí)時(shí)運(yùn)行信息進(jìn)行采集，獲取位姿信息。同時(shí)，根據(jù)傳感器的空間位置及其相互之間的作用進(jìn)行信息分群，得出信息級(jí)融合結(jié)果，以此作為特征級(jí)信息融合結(jié)果的輸入值，提取多源異構(gòu)信息特征，并通過特征匹配完成融合操作，由此得出任意時(shí)刻采摘機(jī)械臂運(yùn)行參數(shù)的檢測(cè)結(jié)果。［結(jié)果］結(jié)合給定的采摘任務(wù)，計(jì)算采摘機(jī)械臂所需的驅(qū)動(dòng)動(dòng)力以及位姿數(shù)據(jù)，通過與當(dāng)前數(shù)據(jù)的比對(duì)確定驅(qū)動(dòng)控制量，利用裝設(shè)的驅(qū)動(dòng)控制器生成可執(zhí)行的控制指令，完成驅(qū)動(dòng)控制。與2 種對(duì)照方法進(jìn)行的對(duì)比試驗(yàn)顯示，基于多源異構(gòu)信息融合的驅(qū)動(dòng)控制方法采摘機(jī)械臂的位置控制誤差降低約25 mm，姿態(tài)角與驅(qū)動(dòng)力控制誤差分別降低了0. 22°和6. 32 mm，得出的控制數(shù)據(jù)更精準(zhǔn)。［結(jié)論］由于多源異構(gòu)信息融合技術(shù)能夠發(fā)揮多種數(shù)據(jù)的優(yōu)勢(shì)，獲取到更全面、更準(zhǔn)確的位姿信息和控制數(shù)據(jù)，能夠?qū)崿F(xiàn)對(duì)目標(biāo)果實(shí)的精準(zhǔn)采摘，從而降低了采摘工作對(duì)果實(shí)的傷害，具有明顯的對(duì)比優(yōu)勢(shì)和應(yīng)用價(jià)值。

關(guān)鍵詞：多源異構(gòu)信息融合； 多自由度采摘機(jī)械臂； 位姿數(shù)據(jù)； 驅(qū)動(dòng)控制； 控制精度

中圖分類號(hào)：S225；TP241 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-8151（2024）01-0111-09

采摘工作具有空間運(yùn)動(dòng)的自由度大、作業(yè)速度快、采摘精度要求高等特點(diǎn)，為了降低人工采摘的難度與工作量，機(jī)械作業(yè)中多采用多自由度采摘機(jī)械臂。采摘機(jī)械臂是一種融合機(jī)械、電子、控制等多學(xué)科技術(shù)的新器械，是農(nóng)業(yè)現(xiàn)代化發(fā)展過程中重要的標(biāo)志性產(chǎn)物。其能夠在室外環(huán)境下，模擬人類采摘?jiǎng)幼?，機(jī)械臂自由度越高，采摘作業(yè)的靈活程度也越高，控制工作難度亦越大。多自由度采摘機(jī)械臂能根據(jù)執(zhí)行任務(wù)和當(dāng)前運(yùn)行狀態(tài)，確定機(jī)械臂所需的動(dòng)力值，通過驅(qū)動(dòng)控制指令完成相應(yīng)的采摘任務(wù)。因此，驅(qū)動(dòng)控制方法顯得尤為重要。當(dāng)前較為成熟的機(jī)械臂驅(qū)動(dòng)控制方法包括：粒子群、時(shí)延估計(jì)、自適應(yīng)模糊滑?？刂坪虳DPG-PID 等［1-3］，然而上述控制方法在實(shí)際運(yùn)行過程中存在動(dòng)力不足、控制誤差大等問題，究其原因是機(jī)械臂內(nèi)部的信息系統(tǒng)無法對(duì)多源異構(gòu)信息進(jìn)行處理，致使機(jī)械臂在執(zhí)行采摘任務(wù)過程中，無法準(zhǔn)確獲取實(shí)時(shí)位姿數(shù)據(jù)及周圍環(huán)境信息。

為此，引入多源異構(gòu)信息融合技術(shù)，將各種不同類型和結(jié)構(gòu)的數(shù)據(jù)信息進(jìn)行融合，在保證數(shù)據(jù)準(zhǔn)確性的前提下，豐富信息內(nèi)容，提高控制的精度。即采取網(wǎng)絡(luò)信息體系中的信息融合方式，將網(wǎng)絡(luò)環(huán)境中的多源信息進(jìn)行融合，得出反映同一事物更為完整的數(shù)據(jù)信息［4-9］。將該理論應(yīng)用到多自由度采摘機(jī)械臂驅(qū)動(dòng)控制器的優(yōu)化設(shè)計(jì)工作中，用以提升采摘機(jī)械臂的驅(qū)動(dòng)控制效果。

1 多自由度采摘機(jī)械臂建模分析

將多源傳感器設(shè)備安裝在機(jī)械臂上，通過實(shí)時(shí)數(shù)據(jù)采集與多源異構(gòu)信息融合，確定任意時(shí)刻機(jī)械臂中各個(gè)組成元件的位置和姿態(tài)角。

1. 1 等效模型

多自由度采摘機(jī)械臂采用關(guān)節(jié)式結(jié)構(gòu)，由底座、關(guān)節(jié)、連桿和電柜等部分組成，如圖1 所示。其中，底座是用來固定機(jī)械臂的基座，關(guān)節(jié)和連桿是用來執(zhí)行采摘任務(wù)的操作元件，而電柜中包含電源、開關(guān)等元件。各個(gè)關(guān)節(jié)之間由連桿連接，采摘執(zhí)行終端元件上有2 個(gè)自由度，允許自由開合，機(jī)械臂上的所有關(guān)節(jié)都具有至少2 個(gè)自由度，能夠執(zhí)行旋轉(zhuǎn)和擺動(dòng)任務(wù)。根據(jù)多自由度采摘機(jī)械臂組成結(jié)構(gòu)，考慮各個(gè)元件之間的連接方式，構(gòu)建相應(yīng)的結(jié)構(gòu)模型。

多自由度采摘機(jī)械臂中任意2 個(gè)關(guān)節(jié)之間存在如下關(guān)系：

式中H1 和H2 分別為2 關(guān)節(jié)的高度參數(shù)（mm），L1為2 關(guān)節(jié)之間連桿的長(zhǎng)度值（mm），d 為關(guān)節(jié)到連桿中心線的垂直距離（mm），θ1 和θ2 對(duì)應(yīng)的是2 關(guān)節(jié)姿態(tài)角（°）［2-5］。同理可以得出采摘機(jī)械臂上任意2 個(gè)關(guān)節(jié)的運(yùn)動(dòng)學(xué)模型構(gòu)建結(jié)果。

另外，多自由度采摘機(jī)械臂動(dòng)力學(xué)模型的構(gòu)建結(jié)果可以量化表示為：

式中G、Ji 和Ci 分別為重力力矩（N·m）向量、慣性量陣和哥氏及離心力矩（N·m）向量，公式2 的計(jì)算結(jié)果TF 為機(jī)械臂控制力矩（N·m）向量。最終將采摘機(jī)械臂各關(guān)節(jié)自由度、運(yùn)動(dòng)學(xué)以及動(dòng)力學(xué)原理融合到設(shè)備結(jié)構(gòu)中，構(gòu)建了采摘機(jī)械臂的等效模型。

1. 2 實(shí)時(shí)位姿

根據(jù)多自由度采摘機(jī)械臂等效模型的構(gòu)建結(jié)果，確定多源傳感器設(shè)備的安裝位置，具體安裝位置包括機(jī)械臂上的各個(gè)關(guān)節(jié)位置以及機(jī)械臂的執(zhí)行終端位置，安裝的傳感器類型包括位置傳感器、姿態(tài)角傳感器、速度傳感器以及電流傳感器等，利用多自由度采摘機(jī)械臂內(nèi)部安裝的傳感器設(shè)備，對(duì)機(jī)械的實(shí)時(shí)運(yùn)行信息進(jìn)行采集［6-8］。利用信息融合技術(shù)對(duì)將實(shí)時(shí)采集的多源異構(gòu)信息進(jìn)行處理，具體的處理過程如圖2 所示。

從圖2 可以看出，多源異構(gòu)信息融合技術(shù)分別從信息級(jí)、特征級(jí)和決策級(jí)3 個(gè)方面進(jìn)行融合處理，從分布在不同位置的傳感器獲取的傳感器元信息經(jīng)過信息獲取之后進(jìn)入信息級(jí)信息融合階段，該階段的主要工作內(nèi)容包括2 個(gè)方面：信息預(yù)處理和信息分群。多源異構(gòu)初始信息的預(yù)處理過程可以量化表示為：

式中，xmax 和xmin 分別為初始采集多源異構(gòu)信息中的最大值和最小值（mm），x （i） 為第i 個(gè)信息采集結(jié)果（mm），xg （i） 為信息歸一化的處理結(jié)果（mm），通過歸一化處理解決信息之間的異構(gòu)問題。另外x （ j - 1） 和x （ j + 1） 為缺失信息x （ j） 的前后相鄰信息，xcompensate （ j） 為缺失信息的補(bǔ)償結(jié)果（mm）。在此基礎(chǔ)上，根據(jù)傳感器的空間位置及其相互之間的作用進(jìn)行信息分群，得出信息級(jí)融合結(jié)果，并以此作為特征級(jí)信息融合結(jié)果的輸入值［10-13］。特征級(jí)信息融合的主要原理是提取多源異構(gòu)信息特征，通過特征匹配完成融合操作。多源異構(gòu)信息部分特征的提取結(jié)果如下：

式中Nisomerism 為融合處理的多源異構(gòu)信息量，σ、xˉ 和χ 對(duì)應(yīng)的是均值（mm）、絕對(duì)平均值（mm）和方根幅值（mm），最終提取特征ψj、ψmargin 和ψq 和為均方根值（mm）、裕度因子和峭度。同理可以得出多源異構(gòu)信息其它特征向量的提取結(jié)果，并將任意信息i的綜合特征向量標(biāo)記為ψcon （i）。依照特征向量的提取結(jié)果，利用如下公式對(duì)提取特征進(jìn)行匹配：

若計(jì)算結(jié)果的匹配度s （i，j ） 高于匹配閾值，則執(zhí)行特征級(jí)融合處理，否則執(zhí)行下一組信息特征匹配工作。將滿足匹配要求的信息代入到如下公式中，得出特征級(jí)多源異構(gòu)信息的融合結(jié)果：

式中xs 為滿足特征匹配要求的多源異構(gòu)信息。最終進(jìn)入決策級(jí)信息融合階段，該階段可以從特征級(jí)數(shù)據(jù)融合階段接收到態(tài)勢(shì)報(bào)告，利用全局狀態(tài)本體描述對(duì)態(tài)勢(shì)進(jìn)行評(píng)價(jià)，根據(jù)態(tài)勢(shì)評(píng)價(jià)的結(jié)果，實(shí)現(xiàn)對(duì)信息的決策融合。根據(jù)多自由度采摘機(jī)械臂實(shí)時(shí)運(yùn)行數(shù)據(jù)的多源異構(gòu)信息融合處理，實(shí)現(xiàn)對(duì)當(dāng)前機(jī)械運(yùn)動(dòng)參數(shù)的量化描述，描述結(jié)果為：

式中W0 和Wt 分別為采摘機(jī)械臂的初始位姿和變換結(jié)果，AY 和Aθ 對(duì)應(yīng)的是機(jī)械臂的移動(dòng)矩陣和旋轉(zhuǎn)矩陣，I 為機(jī)械臂臂通過電流（A），nextremely 為極對(duì)數(shù)，Ie 和φ 對(duì)應(yīng)的額定供電電流（A）和磁通量（Wb）。按照上述流程可以得出任意時(shí)刻采摘機(jī)械臂運(yùn)行參數(shù)的檢測(cè)結(jié)果，并對(duì)機(jī)械臂位姿信息進(jìn)行實(shí)時(shí)更新。

2 多自由度采摘機(jī)械臂驅(qū)動(dòng)控制

計(jì)算完成采摘任務(wù)所需的驅(qū)動(dòng)動(dòng)力以及采摘機(jī)械臂的位姿數(shù)據(jù)，生成并執(zhí)行控制指令，完成驅(qū)動(dòng)控制任務(wù)。

2. 1 驅(qū)動(dòng)力控制量

采摘機(jī)械臂的采摘過程可以分為3 個(gè)環(huán)節(jié)，分別為操作終端移動(dòng)至采摘位置、采摘和采摘果實(shí)的回收，采摘環(huán)節(jié)機(jī)械臂的受力情況如圖3 所示。

同理可得移動(dòng)環(huán)節(jié)與回收環(huán)節(jié)機(jī)械各個(gè)組成元件的受力情況。以采摘環(huán)節(jié)為例，機(jī)械臂進(jìn)行采摘時(shí)所施加的驅(qū)動(dòng)力應(yīng)是施加在操作終端上的力以及摩擦力的和，目標(biāo)驅(qū)動(dòng)力的計(jì)算公式如下：

式中nContact 為機(jī)械臂操作終端與采摘果實(shí)之間的接觸點(diǎn)數(shù)量，fi 和ftran 分別表示接觸點(diǎn)位置上操作端與果實(shí)之間的摩擦力以及機(jī)械內(nèi)部的傳動(dòng)摩擦力（N），fpressure 表示末端執(zhí)行器對(duì)采摘果實(shí)施加的壓力（N），mfruit 為采摘果實(shí)重量（kg），g 和? 分別為重力加速度（m·s-2）和機(jī)械采摘角度（°）［14-17］。按照上述方式可以得出機(jī)械臂在采摘過程中各個(gè)環(huán)節(jié)所需的實(shí)際驅(qū)動(dòng)力，計(jì)算結(jié)果即為驅(qū)動(dòng)力控制量。

2. 2 位姿控制量

以機(jī)械臂定位到的采摘果實(shí)位置作為控制目標(biāo)，結(jié)合當(dāng)前位姿信息的獲取結(jié)果，利用公式9 得出機(jī)械位姿的控制量。

式中（ xt，yt，zt ） 和（ xtarget，ytarget，ztarget ） 分別為當(dāng)前機(jī)械位置和控制目標(biāo)位置，θt 和θtarget 對(duì)應(yīng)的是當(dāng)前和控制目標(biāo)姿態(tài)角（°）。根據(jù)公式9 的計(jì)算結(jié)果，若控制量計(jì)算結(jié)果為負(fù)值，則控制方向?yàn)楫?dāng)前移動(dòng)方向的反方向，否則與當(dāng)前移動(dòng)方向一致。

2. 3 驅(qū)動(dòng)控制器

多自由度采摘機(jī)械臂采用電機(jī)驅(qū)動(dòng)方式，因此控制器生成的控制指令主要作用在驅(qū)動(dòng)電機(jī)上。裝設(shè)的采摘機(jī)械臂驅(qū)動(dòng)控制器工作原理如圖4 所示。

為保證機(jī)械臂的采摘效率，在驅(qū)動(dòng)電機(jī)的型號(hào)選擇中選擇的是帶螺桿的步進(jìn)電機(jī)?？刂撇烧獧C(jī)器移動(dòng)方向的旋轉(zhuǎn)軸通過無刷直流電動(dòng)機(jī)與減速器共同組成了主體構(gòu)成，無刷直流電動(dòng)機(jī)與減速器的減速比率約為1∶50。在采摘機(jī)械臂作業(yè)過程中，運(yùn)動(dòng)方面主要對(duì)定位和速度進(jìn)行控制，內(nèi)部數(shù)據(jù)則主要對(duì)流經(jīng)的電流進(jìn)行控制［12-15］。工作過程中，經(jīng)過采摘機(jī)械臂的電流波形主要為正弦電流，此時(shí)為了對(duì)機(jī)械臂進(jìn)行控制，需要將電流狀態(tài)上傳。此過程中，為確保電流波形不發(fā)生畸變，一般會(huì)裝設(shè)PWM 逆變器作為中轉(zhuǎn)，與機(jī)械臂內(nèi)部電流傳感器之間進(jìn)行數(shù)據(jù)交互，永磁同步電動(dòng)機(jī)在工作過程中，不斷的向PWM 逆變器發(fā)出信號(hào)，并接收到來自采摘機(jī)械臂內(nèi)部傳感器的指令反饋。

2. 4 驅(qū)動(dòng)控制

在裝設(shè)的機(jī)械臂驅(qū)動(dòng)控制器的支持下，通過驅(qū)動(dòng)電機(jī)PWM 調(diào)速實(shí)現(xiàn)對(duì)多自由度采摘機(jī)械臂的驅(qū)動(dòng)控制。采摘機(jī)械臂的驅(qū)動(dòng)控制原理是根據(jù)控制量計(jì)算結(jié)果確定對(duì)應(yīng)的驅(qū)動(dòng)脈沖量，并將驅(qū)動(dòng)脈沖作用在各個(gè)關(guān)節(jié)位置上。PWM 技術(shù)用于無刷電動(dòng)機(jī)，它是一種具有一定振幅和可調(diào)節(jié)的工作周期的脈沖，通過對(duì)功率管的開關(guān)進(jìn)行控制。最終通過生成驅(qū)動(dòng)控制指令的執(zhí)行，實(shí)現(xiàn)多自由度采摘機(jī)械臂的驅(qū)動(dòng)控制。

3 測(cè)試試驗(yàn)分析

為測(cè)試優(yōu)化設(shè)計(jì)多源異構(gòu)信息融合的多自由度采摘機(jī)械臂驅(qū)動(dòng)控制方法的控制效果，采用白盒測(cè)試的方式設(shè)計(jì)測(cè)試實(shí)驗(yàn)，即在確定控制目標(biāo)的情況下，利用驅(qū)動(dòng)控制方法執(zhí)行控制任務(wù)，觀察采摘機(jī)械臂樣機(jī)的驅(qū)動(dòng)力、位姿是否與控制目標(biāo)一致，從而驗(yàn)證優(yōu)化設(shè)計(jì)方法的驅(qū)動(dòng)控制效果。為了體現(xiàn)出優(yōu)化設(shè)計(jì)方法在控制效果方面的優(yōu)勢(shì)，設(shè)置2 個(gè)傳統(tǒng)驅(qū)動(dòng)控制方法作為實(shí)驗(yàn)對(duì)比。

3. 1 樣機(jī)

此次實(shí)驗(yàn)選擇4 自由度的采摘機(jī)械臂作為驅(qū)動(dòng)控制對(duì)象，可承載1 kg 以內(nèi)果實(shí)，樣機(jī)底盤直徑和高度分別為200 mm 和50 mm，工作電壓為6 V，機(jī)械臂的操作長(zhǎng)度為400 mm。采摘機(jī)械臂內(nèi)置電機(jī)質(zhì)量為52 g，額定運(yùn)行速度和輸出力矩分別為50 mm·s-1和137. 2 N·m。

3. 2 裝設(shè)傳感器

為實(shí)現(xiàn)多源異構(gòu)信息融合技術(shù)，需在準(zhǔn)備的采摘機(jī)械臂樣機(jī)上設(shè)置多個(gè)測(cè)點(diǎn)，部分測(cè)點(diǎn)的設(shè)置情況如圖5 所示。

按照上述方式可以得出樣機(jī)中所有測(cè)點(diǎn)的設(shè)置結(jié)果，并分別在測(cè)點(diǎn)位置上安裝傳感器設(shè)備，由于圖5 中測(cè)點(diǎn)4 和測(cè)點(diǎn)7 不為關(guān)節(jié)節(jié)點(diǎn)，而其余測(cè)點(diǎn)均設(shè)置在機(jī)械臂的關(guān)節(jié)位置上，因此在測(cè)點(diǎn)4 和測(cè)點(diǎn)7 位置上安裝的是電流傳感器，其余測(cè)點(diǎn)均安裝位置傳感器、速度傳感器和姿態(tài)角傳感器，其關(guān)鍵參數(shù)如表1 所示。

3. 3 采摘對(duì)象與驅(qū)動(dòng)控制任務(wù)

試驗(yàn)選擇某農(nóng)業(yè)生產(chǎn)基地的蘋果種植園區(qū)，以區(qū)域內(nèi)所有成熟的蘋果為采摘對(duì)象，采用人工測(cè)量的方式確定各個(gè)采摘對(duì)象的實(shí)際位置和重量信息，以期作為采摘機(jī)械臂的驅(qū)動(dòng)控制目標(biāo)?？紤]機(jī)械臂執(zhí)行采摘任務(wù)時(shí)的所處位置，計(jì)算機(jī)械姿態(tài)角控制目標(biāo)。根據(jù)采摘對(duì)象的位置信息生成相應(yīng)的驅(qū)動(dòng)控制任務(wù)，其中部分任務(wù)的生成情況如表2 所示。

試驗(yàn)共生成50 個(gè)驅(qū)動(dòng)控制任務(wù)，每個(gè)驅(qū)動(dòng)控制任務(wù)對(duì)應(yīng)1 個(gè)目標(biāo)果實(shí)。

3. 4 測(cè)試試驗(yàn)過程

將樣機(jī)安裝到采摘環(huán)境中，同時(shí)啟動(dòng)機(jī)械臂內(nèi)置的傳感器和優(yōu)化設(shè)計(jì)的驅(qū)動(dòng)控制器，通過初步調(diào)試保證驅(qū)動(dòng)控制方法中使用的硬件設(shè)備均能在實(shí)驗(yàn)環(huán)境中正常運(yùn)行，且硬件設(shè)備之間存在較高的適配性。利用裝設(shè)在機(jī)械臂測(cè)點(diǎn)上的傳感器設(shè)備，按照公式3 的設(shè)置方式確定傳感器的數(shù)據(jù)采集頻率，獲取機(jī)械臂中各個(gè)測(cè)點(diǎn)位置上的工作參數(shù)，在此基礎(chǔ)上對(duì)獲取的工作參數(shù)進(jìn)行融合處理［18-20］，將信息融合結(jié)果顯示在輸出的控制界面上，以測(cè)點(diǎn)1 為例，其數(shù)據(jù)采集結(jié)果如圖6 所示。

將生成的驅(qū)動(dòng)控制任務(wù)逐一輸入到采摘機(jī)械臂的運(yùn)行程序中，通過實(shí)時(shí)位姿描述、驅(qū)動(dòng)控制量計(jì)算等步驟，生成驅(qū)動(dòng)控制指令，并在控制指令的約束下完成相應(yīng)的控制任務(wù)。圖7 表示的是多自由度采摘機(jī)械臂在優(yōu)化設(shè)計(jì)驅(qū)動(dòng)控制方法下對(duì)1號(hào)控制任務(wù)的執(zhí)行結(jié)果。

按照上述方式可以得出其它驅(qū)動(dòng)控制任務(wù)的執(zhí)行結(jié)果，并記錄控制對(duì)象的實(shí)時(shí)運(yùn)動(dòng)參數(shù)。進(jìn)行對(duì)比驗(yàn)證實(shí)驗(yàn)，設(shè)置基于PLC 和粒子群算法的控制方法（對(duì)照控制方法1）基于時(shí)間延時(shí)估計(jì)和自適應(yīng)模糊滑?？刂破鞯目刂品椒ǎ▽?duì)照控制方法2）作為對(duì)比控制方法，按照相同方式實(shí)現(xiàn)控制方法的開發(fā)，并執(zhí)行相同的驅(qū)動(dòng)控制任務(wù)，在保證實(shí)驗(yàn)變量唯一的情況下，得出測(cè)試結(jié)果數(shù)據(jù)。

3. 5 測(cè)試指標(biāo)

控制任務(wù)包括位置、姿態(tài)角和驅(qū)動(dòng)力3 個(gè)方面，為了實(shí)現(xiàn)對(duì)控制效果的量化測(cè)試，從上述3 個(gè)方面設(shè)置控制誤差，其中位置控制誤差的測(cè)試結(jié)果如下：

式中（ xcontrol，ycontrol，zcontrol ）為控制方法作用下采摘機(jī)械臂的實(shí)際位置。另外采摘姿態(tài)角控制誤差和驅(qū)動(dòng)力控制誤差的數(shù)值結(jié)果為：

式中Ftarget 為驅(qū)動(dòng)力（N）控制目標(biāo)，θcontrol 為驅(qū)動(dòng)控制方法作用下的采摘姿態(tài)角（°）。最終計(jì)算得出位置和姿態(tài)角，驅(qū)動(dòng)力控制誤差越小，說明對(duì)應(yīng)方法的驅(qū)動(dòng)控制效果越好。

3. 6 試驗(yàn)結(jié)果與分析

收集3 種不同驅(qū)動(dòng)控制方法作用下，多自由度采摘機(jī)械臂的實(shí)時(shí)位置數(shù)據(jù)，經(jīng)過公式11 計(jì)算，得出控制位置誤差的測(cè)試結(jié)果，如圖8 所示。

從圖8 中可以直觀的看出，2 種對(duì)照控制方法的平均位置控制誤差分別為40 mm 和30 mm，而在本文控制方法作用下，采摘機(jī)械臂位置控制誤差的平均值為10 mm。顯然，優(yōu)化設(shè)計(jì)方法的位置控制誤差更小。

另外采摘機(jī)械臂的姿態(tài)角與驅(qū)動(dòng)力控制誤差的測(cè)試結(jié)果，如表3 所示。

將表3 得出的姿態(tài)角與驅(qū)動(dòng)力控制結(jié)果數(shù)據(jù)與表1 中設(shè)置的控制目標(biāo)數(shù)據(jù)代入到公式11 中，計(jì)算得出2 種對(duì)照控制方法的平均姿態(tài)角控制誤差分別為0. 32°和0. 22°，驅(qū)動(dòng)力控制誤差的平均值分別為9. 0 N 和5. 3 N。按照相同的計(jì)算方式，得出在優(yōu)化設(shè)計(jì)驅(qū)動(dòng)控制方法下姿態(tài)角控制誤差和驅(qū)動(dòng)力控制誤差的平均值僅為0. 05°和0. 83 N，優(yōu)勢(shì)明顯。

對(duì)比試驗(yàn)顯示采摘機(jī)械臂位置、姿態(tài)角以及驅(qū)動(dòng)力控制誤差的明顯減小，究其原因，在于多源異構(gòu)信息融合技術(shù)能夠有效融合多源異構(gòu)數(shù)據(jù)，融合后的傳感器誤差取所有傳感器中的最小值，利用異構(gòu)信息也能消除基于單一數(shù)據(jù)跟蹤定位錯(cuò)誤和異常，從而得出的采摘機(jī)械臂運(yùn)行參數(shù)和位姿信息更為準(zhǔn)確，驅(qū)動(dòng)力控制也更精確。

4 結(jié)論

為了準(zhǔn)確感知機(jī)械臂作業(yè)信息，基于多源異構(gòu)信息融合技術(shù)，對(duì)多自由度采摘機(jī)械臂驅(qū)動(dòng)控制方法進(jìn)行了優(yōu)化設(shè)計(jì)，解決了傳統(tǒng)控制方法下采摘機(jī)械臂驅(qū)動(dòng)控制精度較低的問題。

（1）考慮組成結(jié)構(gòu)、運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)原理，構(gòu)建了多自由度采摘機(jī)械臂等效模型。在該模型下，利用多源異構(gòu)信息融合技術(shù)，描述機(jī)械臂實(shí)時(shí)位姿信息。根據(jù)果實(shí)采摘任務(wù)，從位姿和驅(qū)動(dòng)力2個(gè)方面計(jì)算驅(qū)動(dòng)控制量，在裝設(shè)驅(qū)動(dòng)控制器的支持下，實(shí)現(xiàn)了多自由度采摘機(jī)械臂的驅(qū)動(dòng)控制。

（2）為了驗(yàn)證優(yōu)化設(shè)計(jì)的驅(qū)動(dòng)控制方法的有效性，與基于PLC 和粒子群算法的控制方法、基于模型預(yù)測(cè)的控制方法2 種常規(guī)控制方法進(jìn)行了對(duì)比試驗(yàn)。試驗(yàn)結(jié)果顯示：在執(zhí)行相同的驅(qū)動(dòng)控制任務(wù)，并在保證試驗(yàn)變量唯一的情況下，優(yōu)化設(shè)計(jì)的方法優(yōu)勢(shì)突出，其采摘機(jī)械臂位置、姿態(tài)角以及驅(qū)動(dòng)力控制誤差的明顯減小。究其原因在于多源異構(gòu)信息融合技術(shù)能夠發(fā)揮每種數(shù)據(jù)的優(yōu)勢(shì)，獲取更全面的信息，從而得到更加精準(zhǔn)的控制數(shù)據(jù)，使得驅(qū)動(dòng)控制精度能夠有效地提高，從而減少了采摘過程中對(duì)果實(shí)的傷害，對(duì)促進(jìn)果農(nóng)增收具有積極意義。

參考文獻(xiàn)

［1］朱文琦. 基于PLC 和粒子群算法的采摘機(jī)械手電氣控制系統(tǒng)［J］. 農(nóng)機(jī)化研究，2021，43（12）：238-241，246.

Zhu W Q. Electric control system of picking manipulator basedon PLC and PSO［J］. Journal of Agricultural MechanizationResearch， 2021， 43（12）：238-241，246.

［2］李德昀，徐德剛，桂衛(wèi)華. 基于時(shí)間延時(shí)估計(jì)和自適應(yīng)模糊滑?？刂破鞯碾p機(jī)械臂協(xié)同阻抗控制［J］. 控制與決策，2021，36（6）：1311-1323.

Li D Y， Xu D G， Gui W H. Coordinated impedance control fordual-arm robots based on time delay estimation and adaptivefuzzy sliding mode controller［J］. Control and Decision， 2021，36（6）：1311-1323.

［3］劉勇，李祥，蔣沛陽，等. 基于DDPG-PID 的機(jī)器人動(dòng)態(tài)目標(biāo)跟蹤與避障控制研究［J］. 南京航空航天大學(xué)學(xué)報(bào)，2022，54（1）：41-50.

Liu Y， Li X， Jiang P Y， et al. Research on robot dynamic targettracking and obstacle avoidance control based on DDPG-PID［J］. Journal of Nanjing University of Aeronautics amp;Astronautics， 2022， 54（1）：41-50.

［4］肖剛，冶平，張星辰，等. 多源異構(gòu)圖像融合跟蹤研究現(xiàn)狀與展望［J］. 指揮控制與仿真，2020，42（2）：1-6， 11.

Xiao G，Ye P， Zhang X C， et al. Status and prospect of multisourceheterogeneous image fusion tracking ［J］. CommandControl amp; Simulation， 2020， 42（2）：1-6， 11.

［5］劉海峰，張超，羅江，等. 網(wǎng)絡(luò)信息體系中的信息融合與挖掘技術(shù)研究［J］. 指揮與控制學(xué)報(bào)，2016，2（4）：329-337.

Liu H F， Zhang C， Luo J， et al. Information fusion and miningtechnology in networking information-centric system of systems［J］. Journal of Command and Control， 2016，2（4）：329-337.

［6］曾安里，楊春雷，張健康，等. 地面防天組網(wǎng)異構(gòu)多源目標(biāo)信息融合［J］. 飛行器測(cè)控學(xué)報(bào)，2010，29（5）：46-50.

Zeng A L， Yang C L， Zhang J K， et al. Data stream systemspatio-temporal match ［J］. Journal of Spacecraft TTamp;CTechnology， 2010， 29（5）：46-50.

［7］段禮祥，李濤，唐瑜，等. 基于多源異構(gòu)信息融合的機(jī)械故障診斷方法［J］. 石油機(jī)械，2021，49（2）：60-67，80.

Duan L X， Li T， Tang Y， et al. Mechanical fault diagnosismethod based on multi-source heterogeneous information fusion［J］. China Petroleum Machinery， 2021，49（2）：60-67，80.

［8］隗寒冰，白林. 基于多源異構(gòu)信息融合的智能汽車目標(biāo)檢測(cè)算法［J］. 重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，40（8）：140-149.

Wei H B， Bai L. Intelligent vehicle target detection algorithmbased on multi-source heterogeneous information fusion［J］.Journal of Chongqing Jiaotong University（Natural Science），2021， 40（8）：140-149.

［9］胡永利，樸星霖，孫艷豐，等. 多源異構(gòu)感知數(shù)據(jù)融合方法及其在目標(biāo)定位跟蹤中的應(yīng)用［J］. 中國(guó)科學(xué)：信息科學(xué)，2013，43（10）：1288-1306.

Hu Y L， Piao X L， Sun Y F， et al. Multi-source heterogeneousdata fusion method and its application in object positioning andtracking［J］. Scientia Sinica（Informationis） ，2013，43（10）：1288-1306.

［10］彭樂樂，張亞飛，張瑋東，等. 多源異構(gòu)信息融合光伏組件輸出特性動(dòng)態(tài)建模［J］. 太陽能學(xué)報(bào)，2023，44（3）：425-434.

Peng L L， Zhang Y F， Zhang W D， et al. Dynamic modelingof output characteristics of photovoltaic cells using multi-sourceheterogeneous information fusion［J］. Acta Energiae SolarisSinica， 2023， 44（3）： 425-434.

［11］丁萌，余鑫，武海雷，等. 多段線纜驅(qū)動(dòng)連續(xù)型空間機(jī)械臂建模與控制［J］. 南京理工大學(xué)學(xué)報(bào)，2022，46（3）：253-261.

Ding M， Yu X， Wu H L， et al. Modeling and control of multisegmentcable-driven continuum space manipulator［J］. Journalof Nanjing University of Science and Technology， 2022， 46（3）：253-261.

［12］張新英，王焱春，梁芬. 基于目標(biāo)跟蹤的信息反饋融合方法研究［J］. 創(chuàng)新科技，2018，18（5）：71-74.

Zhang X Y， Wang Y C， Liang F. Research on informationfeedback fusion method based on target tracking［J］. InnovationScience and Technology， 2018， 18（5）：71-74.

［13］李軍，劉繼勇. 基于模糊自適應(yīng)無跡卡爾曼濾波的多源異構(gòu)信息融合彈道目標(biāo)跟蹤測(cè)量系統(tǒng)［J］. 安陽師范學(xué)院學(xué)報(bào)，2013（5）：44-48.

Li J， Liu J Y. The multi-source heterogeneous data fusion ofballistic target tracking system based on fuzzy theory and UKF［J］. Journal of Anyang Normal University， 2013（5）：44-48.

［14］叢佩超，馮新杰，劉俊杰. 一種低驅(qū)動(dòng)自由度高越障能力的輪腿式機(jī)器人設(shè)計(jì)［J］. 機(jī)械設(shè)計(jì)，2021，38（12）：89-97.

Cong P C， Feng X J， Liu J J.Design of the wheel-legged robotwith low-driven degree of freedom and strong obstacle-crossingability［J］. Journal of Machine Design， 2021， 38（12）：89-97.

［15］曾慶山，周亞帥，陶長(zhǎng)春，等. 電驅(qū)動(dòng)機(jī)械臂的自抗擾魯棒哈密頓跟蹤控制［J］. 鄭州大學(xué)學(xué)報(bào)（工學(xué)版），2022，43（4）：1-7，15.

Zeng Q S， Zhou Y S， Tao C C， et al. Active disturbancerejection robust Hamiltonian tracking control of electricallydriven manipulator ［J］. Journal of Zhengzhou University（Engineering Science）， 2022， 43（4）：1-7，15.

［16］李勇斌，董鵬，朱惠芳. 改進(jìn)粒子濾波交互多模型算法在機(jī)械臂跟蹤定位中的應(yīng)用［J］. 機(jī)床與液壓，2020，48（19）：8-15.

Li Y B， Dong P， Zhu H F. Application of improved particlefilter interactive multi-model algorithm in the manipulatortracking and positioning［J］. Machine Tool amp; Hydraulics，2020， 48（19）：8-15.

［17］王曉雪，劉傳凱，王保豐，等. 空間機(jī)械臂抓捕動(dòng)態(tài)目標(biāo)快速穩(wěn)定跟蹤方法［J］. 中國(guó)空間科學(xué)技術(shù)，2018，38（1）：18-28.

Wang X X， Liu C K， Wang B F， et al. Fast and stabletracking method for space manipulator capturing dynamic target［J］. Chinese Space Science and Technology， 2018， 38（1）：18-28.

［18］姚祖威，劉宇，郭俊啟，等. 基于因子圖的自主導(dǎo)航多源異構(gòu)信息融合算法［J］. 電子測(cè)量技術(shù)，2021，44（1）：130-134.

Yao Z W， Liu Y， Guo J Q， et al. Multi-source heterogeneousinformation fusion algorithm for autonomous navigation basedon factor graph［J］. Electronic Measurement Technology，2021， 44（1）：130-134.

［19］陳丹敏，周福娜，王清賢. 基于多源異構(gòu)信息遷移學(xué)習(xí)的融合故障診斷方法［J］. 信息工程大學(xué)學(xué)報(bào)，2020，21（2）：153-158.

Chen D M， Zhou F N， Wang Q X. Fusion fault diagnosismethod based on multi-source heterogeneous informationtransfer learning ［J］. Journal of Information EngineeringUniversity， 2020， 21（2）：153-158.

［20］范富博，王然風(fēng)，付翔. 基于多源異構(gòu)信息融合的浮選精煤灰分在線檢測(cè)技術(shù)研究與應(yīng)用［J］. 煤炭技術(shù)，2023，42（2）：233-238.

Fan F B， Wang R F， Fu X. Research and application of onlinedetection technology of flotation cleaned coal ash based onmulti-source heterogeneous information fusion ［J］. CoalTechnology， 2023， 42（2）：233-238.

（編輯：韓志強(qiáng)）