农业机械学报

作者：张伟荣，陈学庚，齐江涛，周俊博，熊悦淞，王硕

单位：吉林大学,石河子大学,吉林大学,吉林大学,吉林大学,吉林大学,

关键词：农业机器人;四足机器人;IPO-VMD-GRNN;变量模态分解;摔倒状态预测

基金：吉林省科技发展计划项目(20230508032RC)和国家自然科学基金项目(32271988)

农业四足机器人作业环境复杂,导致其在田间行走时易摔倒,影响机器人作业效率,准确预测机身摔倒状态对机器人行走稳定性具有重要意义。提出一种基于本体传感器信号处理的机器人摔倒临界状态预测方法。首先,采集四足机器人在玉米田间行走摔倒和Gazebo软件模拟机器人田间行走过程摔倒状态的惯性测量传感器信号,对机器人正常行走、摔倒临界稳定状态2个阶段及完全摔倒的4种工况信号进行分类,生成不同机身状态的信号数据集。其次,采用种群优化算法(Improved population optimization,IPO)优化变分模态分解(Variational modede composition,VMD)参数,提出基于改进种群优化变分模态分解(Improved population optimization variational modede composition,IPOVMD)的信号处理方法;采用IPO算法对广义回归神经网络(General regression neuralnetwork,GRNN)的参数进行优化,提出基于改进种群优化广义回归神经网络(Improved population optimization general regression neural network, IPOGRNN)模型。最后,基于上述信号处理方法,建立基于IPOVMDGRNN模型的田间作业机器人摔倒预测方法,采用机器人实际田间行走横滚角、俯仰角作为模型测试数据,验证田间作业机器人摔倒预测模型性能。试验结果表明:提出的IPOVMDGRNN模型输出总误差为0.1467、平均相对误差为0.0065、均方误差为0.0003,提取的特征有良好代表性;相比VMDBPNN、VMDGRNN、PSOVMDGRNN模型,平均预测成功响应时间缩短127.75、91.5、39.5ms。该算法能提供机器人在田间行走时的机器人摔倒临界状态预测能力,可为提高四足机器人自主作业的田间通过性提供技术支撑。

来源：2025年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第2期