Optimization and Analysis of Agricultural Robot Drive Systems
Ziyuan Ma
从机械结构与智能控制两方面优化农业机器人驱动系统,提升复杂地形适应性与作业性能。
机构自由度拓扑分析、有限元拓扑优化、CNN多源融合感知、DBO-BP-PID与强
优化驱动系统有效提升农业机器人在复杂地形下的作业性能与环境适应性。
可探索轻量化驱动与在线强化学习控制在真实农田多机协同中的泛化性与能耗权衡。
论文提出短链直驱与DBO-BP-PID等控制优化方案,方法新颖但偏理论,产业影响有限。
本研究以农业机器人驱动系统为研究对象,从机械结构与智能控制两个维度开展优化研究。在机械层面,通过机构自由度拓扑分析去除冗余自由度,引入“短链直驱”传动方案以降低机械损耗,并结合有限元拓扑优化实现关键零部件的轻量化设计。在控制层面,引入人工智能,建立基于卷积神经网络(CNN)与多源信息融合的感知系统,实现对复杂地形的准确识别与预测;提出基于蜣螂优化(DBO)算法的BP神经网络PID控制策略,有效改善传统算法收敛慢、超调大等不足;同时融合模型预测控制与改进的柔性演员-评论家强化学习算法,实现驱动参数的在线自适应调节及较大程度上的全局最优控制。优化后的驱动系统有效提升了农业机器人在复杂地形下的作业性能与环境适应性,为智能农业机械的发展提供了新的理论与技术思路。