期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于农业机器人本体传感信号的旱田平作与垄作类型识别方法
1
作者
张伟荣
陈学庚
+3 位作者
齐江涛
周俊博
温浩军
刘慧力
《农业机械学报》
北大核心
2025年第2期164-174,共11页
旱田农业耕作模式包括平作与垄作,不同耕作模式的地形起伏差异大,作物行耕作模式的准确识别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的平作与垄作类型地形识别方法。首先,采集四足机器人在玉米田间作物行内行走的机...
旱田农业耕作模式包括平作与垄作,不同耕作模式的地形起伏差异大,作物行耕作模式的准确识别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的平作与垄作类型地形识别方法。首先,采集四足机器人在玉米田间作物行内行走的机身惯性测量单元(Inertial measurement unit,IMU)信号,使用机器人左前腿的足端速度数据作为补充,生成机器人在平作与2种不同起垄高度的垄作种植模式下行走的信号数据集。其次,利用卷积神经网络(Convolutional neural networks,CNN)提取信号的空间信息特征,通过双向长短期记忆网络(Bidirectional long short-term memory,BiLSTM)提取时间序列特征,采用注意力机制(Self-attention,SA)提取CNN与BiLSTM输出特征信息的注意力分值。最后,通过模型对比和田间试验,验证本文模型对平作与垄作类型识别的有效性。结果表明,本文CNN-BiLSTM-SA模型F1值为92%,与CNN、CNN-LSTM、CNN-LSTM-SA与CNN-BiLSTM模型相比,分别提升10.17、3.51、2.57、1.27个百分点。内嵌识别模型的田间机器人可在1.4 s内实现对当前作物行平作与垄作类型90%的识别准确率,在4.8 s内达到对作物行类别分类要求,满足机器人面对作物行不同地形的识别快速性、准确性要求。该算法能提供机器人在旱田典型耕作模式下的地形识别能力,为提高四足机器人作业的田间稳定性提供技术支撑。
展开更多
关键词
农业机器人
惯性测量单元
本体传感信号
地形识别
长短期记忆网络
在线阅读
下载PDF
职称材料
基于IPO-VMD-GRNN的田间四足机器人摔倒状态预测方法
被引量：
1
2
作者
张伟荣
陈学庚
+3 位作者
齐江涛
周俊博
熊悦淞
王硕
《农业机械学报》
北大核心
2025年第2期175-186,共12页
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...
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 mode decomposition,VMD)参数,提出基于改进种群优化-变分模态分解(Improved population optimization-variational mode decomposition,IPO-VMD)的信号处理方法;采用IPO算法对广义回归神经网络(General regression neural network,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,IPO-GRNN)模型。最后,基于上述信号处理方法,建立基于IPO-VMD-GRNN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IPO-VMD-GRNN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VMD-BPNN、VMD-GRNN、PSO-VMD-GRNN模型,平均预测成功响应时间缩短127.75、91.5、39.5 ms。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。
展开更多
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
在线阅读
下载PDF
职称材料
题名
基于农业机器人本体传感信号的旱田平作与垄作类型识别方法
1
作者
张伟荣
陈学庚
齐江涛
周俊博
温浩军
刘慧力
机构
吉林
大学工程仿生教育部
重点
实验室
吉林
大学生物与
农业
工程学院
石河子大学机械电气工程学院
吉林省智慧农业装备与技术重点实验室
出处
《农业机械学报》
北大核心
2025年第2期164-174,共11页
基金
国家自然科学基金项目(32271988)
吉林省科技发展计划项目(20230508032RC)
吉林省重点研发计划项目(20220202028NC)。
文摘
旱田农业耕作模式包括平作与垄作,不同耕作模式的地形起伏差异大,作物行耕作模式的准确识别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的平作与垄作类型地形识别方法。首先,采集四足机器人在玉米田间作物行内行走的机身惯性测量单元(Inertial measurement unit,IMU)信号,使用机器人左前腿的足端速度数据作为补充,生成机器人在平作与2种不同起垄高度的垄作种植模式下行走的信号数据集。其次,利用卷积神经网络(Convolutional neural networks,CNN)提取信号的空间信息特征,通过双向长短期记忆网络(Bidirectional long short-term memory,BiLSTM)提取时间序列特征,采用注意力机制(Self-attention,SA)提取CNN与BiLSTM输出特征信息的注意力分值。最后,通过模型对比和田间试验,验证本文模型对平作与垄作类型识别的有效性。结果表明,本文CNN-BiLSTM-SA模型F1值为92%,与CNN、CNN-LSTM、CNN-LSTM-SA与CNN-BiLSTM模型相比,分别提升10.17、3.51、2.57、1.27个百分点。内嵌识别模型的田间机器人可在1.4 s内实现对当前作物行平作与垄作类型90%的识别准确率,在4.8 s内达到对作物行类别分类要求,满足机器人面对作物行不同地形的识别快速性、准确性要求。该算法能提供机器人在旱田典型耕作模式下的地形识别能力,为提高四足机器人作业的田间稳定性提供技术支撑。
关键词
农业机器人
惯性测量单元
本体传感信号
地形识别
长短期记忆网络
Keywords
agricultural robots
inertial measurement units
proprioceptive signals
terrain recognition
long and short-term memory networks
分类号
TP29 [自动化与计算机技术—检测技术与自动化装置]
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
基于IPO-VMD-GRNN的田间四足机器人摔倒状态预测方法
被引量：
1
2
作者
张伟荣
陈学庚
齐江涛
周俊博
熊悦淞
王硕
机构
吉林
大学工程仿生教育部
重点
实验室
吉林
大学生物与
农业
工程学院
石河子大学机械电气工程学院
吉林省智慧农业装备与技术重点实验室
出处
《农业机械学报》
北大核心
2025年第2期175-186,共12页
基金
吉林省科技发展计划项目(20230508032RC)
国家自然科学基金项目(32271988)。
文摘
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 mode decomposition,VMD)参数,提出基于改进种群优化-变分模态分解(Improved population optimization-variational mode decomposition,IPO-VMD)的信号处理方法;采用IPO算法对广义回归神经网络(General regression neural network,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,IPO-GRNN)模型。最后,基于上述信号处理方法,建立基于IPO-VMD-GRNN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IPO-VMD-GRNN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VMD-BPNN、VMD-GRNN、PSO-VMD-GRNN模型,平均预测成功响应时间缩短127.75、91.5、39.5 ms。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。
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
Keywords
agricultural robot
quadruped robot
IPO-VMD-GRNN
variable modal decomposition
fall state prediction
分类号
TP29 [自动化与计算机技术—检测技术与自动化装置]
S24 [农业科学—农业电气化与自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于农业机器人本体传感信号的旱田平作与垄作类型识别方法
张伟荣
陈学庚
齐江涛
周俊博
温浩军
刘慧力
《农业机械学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于IPO-VMD-GRNN的田间四足机器人摔倒状态预测方法
张伟荣
陈学庚
齐江涛
周俊博
熊悦淞
王硕
《农业机械学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
