一种专为苹果采摘设计的可伸缩充气织物操控器（EIFM）

《Smart Agricultural Technology》：An Everting Inflatable Fabric Manipulator (EIFM) Designed for Apple Picking

本研究设计并测试了一种用于苹果采摘的软机器人系统（E everting inflatable fabric manipulator, EIFM），旨在解决劳动力短缺问题。系统采用四自由度设计，包括三自由度转向和一自由度伸缩，具有高扩展性（0.75 m）、低惯性、高可靠性和低成本（原型约5000美元）优势。实验表明，系统在5 psi压力下可承载10.6 N负载，伸缩速度达0.38 m/s，并采用模型参考自适应控制器（MRAC）实现稳定动态响应。MRAC在多种负载和复杂果园环境下路径跟踪误差小于5%，适应不同尺寸苹果采摘需求。柔性TPU材料确保碰撞安全，适合现代2.5-D果园环境，为大规模应用奠定基础。

　　### 机器人采摘苹果的创新设计与控制策略

在当今农业领域，树果种植者正面临着采摘和修剪等关键操作中劳动力短缺的问题。这一挑战促使科研人员积极寻求节省劳动力的技术方案，其中机器人技术成为一种备受关注的方向。本文介绍了一种创新的“可翻转气囊机械臂”（Evertin Inflatable Fabric Manipulator, EIFM）平台，该平台旨在实现苹果采摘任务。通过将传统气囊机器人改造以适应果园环境的特殊需求， EIFM平台能够有效地进行工业应用。该系统设计了一种0.75米长的柔性机械臂，其扩展速度为0.38米/秒，回缩速度为0.26米/秒。在完全展开时，该机械臂可以承载10.6牛的负载，足以携带末端执行器和苹果。此外，还实现了一种模型参考自适应控制器（Model Reference Adaptive Controller, MRAC），以确保系统在不同负载条件下的稳定性和一致性动态表现。

### 机器人设计与制造

本文重点介绍了EIFM系统的机械设计和制造过程，以及其在现代果园环境中的关键性能指标。该系统采用了气囊结构和缆绳驱动技术，这使其在机械臂的运动控制上具有较高的灵活性和适应性。为了简化机械臂的控制过程，该系统设计了一个独特的坐标系统，用以消除系统坐标系中的不连续性问题。通过将机械臂的运动分为三个主要方向和一个线性运动，减少了逆向运动学计算的复杂性。这种设计不仅降低了机械臂的惯性，还增强了其安全性，使其能够安全地在树枝和果实之间移动，而不会造成损坏。

此外，该系统还引入了一种柔性TPU缓冲组件，以提高机械臂的稳定性和可预测性。这一设计确保了机械臂在不同运动状态下保持一致的曲率，避免了不可预测的弯曲问题。同时，机械臂的控制系统通过一系列优化设计，确保了其在各种负载条件下的可靠性和高效性。通过实验验证，该系统的运动学模型和控制策略得到了充分的测试，显示出良好的适应性和稳定性。

### 运动学模型与控制策略

为了更准确地描述机械臂的物理特性，本文对运动学模型进行了改进。通过重新定义坐标系统和整合三个转向区域，该模型能够更精确地预测机械臂的末端位置。在实验测试中，该模型被验证为能够有效地覆盖系统的运动空间，并且在不同负载条件下保持一致性。同时，本文还详细描述了逆向运动学模型的建立过程，通过实验数据验证了其准确性。

在控制策略方面，MRAC被引入以提高系统的动态响应和稳定性。与传统的PD控制器相比，MRAC具有更强的适应性，能够在系统出现微小变化时保持稳定。该控制器通过参考模型和系统模型的比较，实现了对机械臂运动的自适应控制，减少了因参数变化而导致的不稳定行为。此外，该控制器还能够在系统承载不同负载时保持一致性，从而提高了系统的整体性能。

### 实验验证与分析

本文通过一系列实验测试，验证了EIFM系统的运动学模型和控制策略。在实验中，机械臂被控制到多个预设点，以评估其在不同负载条件下的性能。实验结果显示，MRAC在控制机械臂的末端位置时表现出更高的稳定性和一致性，且其在不同负载条件下的动态响应更加均匀。此外，该控制器在实验中表现出较低的路径长度和较高的效率，使得机械臂能够更有效地完成采摘任务。

实验还展示了机械臂在承载不同负载时的动态表现。测试中使用了两种不同的负载质量：1.2磅（约544克）和1.39磅（约631克）。结果显示，增加负载会导致一定的超调和较长的稳定时间，但不会影响机械臂的稳定性和到达目标点的能力。这表明MRAC能够有效地适应负载变化，从而确保机械臂在实际应用中的可靠性。

### 未来应用与改进方向

EIFM系统的设计和控制策略展示了其在现代果园环境中的巨大潜力。其低成本、易维护和高可靠性的特点，使其成为一种适合大规模应用的采摘机器人解决方案。未来，该系统将与协作伙伴的视觉系统集成，以实现对果园环境的实时感知和路径规划。此外，本文还提出了将该系统与移动机器人平台结合的设想，以进一步提高采摘效率和灵活性。

总的来说，本文的研究成果为未来的果园自动化提供了重要的技术支持。EIFM系统的设计不仅解决了传统采摘机器人在复杂果园环境中的局限性，还通过创新的控制策略提高了系统的稳定性和效率。随着进一步的优化和改进，该系统有望在实际农业应用中发挥更大的作用，为解决劳动力短缺问题提供有效的解决方案。