0 引言

?

　　现代果实采摘机器人已经开始应用智能化控制系统，对整个系统影响较大的是传感器的工作性能。受实际采摘环境的影响，传感器工作时一般都是非线性的，其测量系统的输入与输出并不能够保证完全的线性。为了解决这个问题，除了采用硬件补偿外，软件补偿方法则更加实用，因此受到了广泛的关注。基于FPGA 的SOPC 技术与简单的IC 芯片设计不同，它可以将现有的模块资源整合为一个完整的系统，功能由FPGA 芯片直接实现，微处理器的性能和外围接口电路可以由用户直接编程实现。该方法大大节省了成本，提高了计算资源的利用率，缩短了开发周期，且兼容性较好，将其应用在智能移动机器人的设计过程中，具有重要的现实意义。

?

　　1 智能移动式果蔬采摘机器人总体设计

?

　　移动机器人的计算能力和移动性能非常强大，但其感知能力较弱，限制了其智能性发展; 而无线网络和传感器可以为果实采摘移动式机器人提供智能的感知能力，对于复杂环境还可进行大范围的实时监测，可以完成计算和通讯任务，提高机器人路径的规划能力，实现机器人智能化自主导航，从而提高果实的采收效率和精确性。

?

　　智能移动式果蔬采摘机器人使用了主动式的结构，通过上位机发出指令，协调各个子系统完成工作。其中，上位机由SOPC 微处理器系统代替，数据处理在DSP 中完成，SOPC 负责数据的融合、任务的分配和策略选择，协同各个子模块完成工作;子模块主要通过传感器、驱动电机等实现速度、方向、移动限位开关和摄像头等的控制。

?

　　机器人的执行末端安装了两个摄像头，两个摄像头被安装在机械手小臂上，摄像头作为机器人的双目，实现了机械手目标自动定位的功能; 使用SOPC 微处理控制系统控制机器人的移动和果实的抓取，当遇到障碍物时，微处理器可以计算障碍物的距离，从而调整移动速度和方向，成功的绕过障碍物。

?

　　2 智能移动机器人结构和控制算法设计

?

　　对于移动式机器人的设计，控制机器人使用的传感器较多，传感器的控制可以写成函数的形式，作为k 个非目标量; y 为传感器输出量。由于待测目标参量和非目标参量不是非线性的，可以利用算法将其向线性函数逼近，在实际测量模型中，输入量为非目标测量数据，输出量为目标参量，利用一定的算法，通过调整模型的相关参数，降低系统的控制误差，达到设计要求。

?

　　测量数据的具体数值送入微处理器AT89C2051，经串行口发送给系统板。微处理器的软件设计主要是在接收到SOPC 系统控制发送的采集命令，启动TLV2544 和DS18B20，将数据转为ASCII 码发送。

?

　　机器人和物体之间的距离一般采用三角测量方法来确定，利用传感器的红外管发出红外光线，当红外光碰到障碍物时会被反射回来，被反射回来后进入探测器，可以实时的测得障碍物的距离。

?

　　在SOPC 控制下舵机的执行原理，控制电路接受信号后控制电机转动，电机通过齿轮组进行变速后输出到舵盘; 电机的输出轴和反馈电位计相连接，舵盘转动的同时带的反馈电位计，反馈后决定电机的转动方向和速度，从而达到停止的目的。为了提高机器人控制的精度，利用BP 神经网络算法，根据系统的运行状态，利用PID 调节器，对机器人智能移动进行优化设计。

?

　　3 智能移动式果蔬采摘机器人性能测试

?

　　为了验证本次研究设计的智能移动机器人的可靠性，对采摘机器人的移动性能进行了测试，包括机器人移动速度控制、躲避障碍物控制和移动误差。在果蔬采摘机器人的移动过程中，设置了障碍物，对机器人的输入量和目标量进行设定后，对3 层BP 神经网络进行训练。其中，输入层、隐含层和输出层的神经网络节点分别为18、28、16 个，每个设计元节点用传感器代替。通过计算，得到了采摘机器人移动速度随时间变化曲线。

?

　　4 结论

?

　　1) 为了提高果实采摘机器人的自主导航能力，提高智能化移动的速度和精度，提升果实采摘机器人的自主感知能力，利用SOPC 微处理系统技术，结合神经网络PID 控制算法，设计了一款新的智能移动机器人，从而大大增强了果实采摘机器人输入和输出的线性关系，使其可以在单片芯片上实现复杂的系统控制，降低了开发成本。

?

　　2) 对智能移动果蔬采摘机器人的性能进行了测试，结果表明: 采摘机器人可以根据障碍物自主的调整移动速度，实现其智能化移动控制; 可以有效地绕过障碍物，实现自主导航性; 使用神经网络算法可以有效地提高移动的精度，为高精度果蔬采摘机器人的设计提供了技术参考。