一种无人搬运装置

1.本发明涉及转运车辆技术，尤其涉及智能无人搬运装置。


背景技术：

2.深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由hinton等人于2006年提出。基于深信度网(dbn)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。
3.例如公开号为cn 109476325b，公开日为2020-11-27，专利名称为《一种无人搬运车以及此种无人搬运车的控制方法》的公开文献，其公开了种无人搬运车以及此种无人搬运车的控制方法，所述无人搬运车是使台车移动的无人搬运车且具有可在铅垂方向上小型化的结构。本发明的无人搬运车的一个实施方式是使具有台车本体、安装于台车本体的车轮、及设于台车本体下表面的被连结部的台车移动的无人搬运车，其具备车身、安装于车身的驱动车轮、及连结于台车的连结机构，连结机构具有在车身上表面的上侧朝水平方向中的第1方向可移动地配置的连结部以及使连结部沿第1方向移动而连结于被连结部的驱动装置。
4.例如公开号为cn 115108496a，公开日为2022-09-27，专利名称为《无人搬运车、无人搬运系统以及搬运程序》的公开文献，其公开了能够以对搬运有利的位置及姿势与笼车进行对接的无人搬运车、无人搬运系统以及搬运程序。实施方式的无人搬运车具有：移动体，能够在地面上自主行驶，并且具有用于与搬运对象物结合的对接部；以及第1检测传感器，能够检测所述搬运对象物的支承脚。所述移动体具有能够进入到被所述搬运对象物的货板的下表面、多个所述支承脚和所述地面所包围的底部空间内的高度。
5.上述无人搬运装置均存在结构复杂，控制不便，通过性不佳等问题，难以满足复杂的自动搬运工作。


技术实现要素：

6.本发明要解决的技术问题是克服现有技术的缺陷，提供一种智能化、通过性、通用性高的无人搬运装置。
7.为了实现上述目的，本发明采用的技术方案为：一种无人搬运装置，包括车体，所述车体两侧各设有两个第一车轮，其特征在于：所述车体上方固定有机械手臂，所述机械手臂的端部设有机械爪，每个所述第一车轮有独立的电机组驱动，所述车体的前部设有传感器组件，所述车体的后部通过连接件连接有用于存放物品的挂车，所述挂车底部设有第二
车轮。
8.所述车体为扁平的长方体壳体，所述车体内固定有电池、控制电路板，所述控制电路板连接并输出控制信号至机械手臂、机械爪、以及每个电机组，所述电池为所有元器件供电，所述传感器组件连接并输出感应信号至控制电路板。
9.所述机械爪旁的机械手臂的端部设有摄像头，所述摄像头连接并输出视频信号至控制电路板。
10.所述传感器组件包括第二摄像头、循迹传感器，所述循迹传感器的数量为两个，且位于第二摄像头的两侧。
11.所述第一摄像头和第二摄像头为openmv摄像头，所述循迹传感为红外循迹传感器。
12.所述控制电路板包括主控芯片以及与主控芯片信号连接的控制板和电子罗盘。
13.所述控制电路板还包括用于与远程控制设备通信的通信单元，所述通信单元连接并与主控芯片信息交互。
14.所述主控芯片的型号为24路控制板，所述控制板为16路串口继电器控制板。
15.所述挂车通过连接件与车体卡扣连接，所述电机组为直流电机组，所述第一车轮和第二车轮均为麦克纳姆轮。
16.该无人搬运装置可以通过pid算法提高了自动化程度和识别的准确度，从而提升了运行效率，使用麦克纳姆轮移动，较之步行、爬行或其它非轮式的移动机器人具有行动快捷、工作效率高、通过性好的优势，且其活动区域无需铺设轨道、支座架等固定装置，不受场地、道路和空间的限制。
附图说明
17.下面对本发明说明书中每幅附图表达的内容及图中的标记作简要说明：
18.图1是无人搬运装置整体结构示意图；
19.图2是无人搬运装置剖视图；
20.图3是无人搬运装置控制部分原理框图示意图；
21.上述图中的标记均为：1、车体；2、机械手臂；201、机械臂；202、机械爪；203、第一摄像头；3、电机组；4、第一车轮；5、电池；6、控制电路板；601、主控芯片；602、控制板；603、电子罗盘；7、传感器组件；701、摄像头；702、循迹传感器；8、挂车；9、第二车轮；10、连接件。
具体实施方式
22.下面对照附图，通过对实施例的描述，本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
23.如图1-3所示，本发明提供一种基于深度学习算法下智能无人搬运装置，包括车体1以及安装在车体1顶端表面的机械手臂2，车体1的底端表面设置有电机组3，电机组3的两端设置有第一车轮4，车体1的内部设置有电池5和控制电路板6，车体1的一端表面设置有传感器组件7，机械手臂2包括机械臂201以及设置在机械臂201一端表面的机械爪202，机械爪
202远离机械臂201的一端表面设置有第一摄像头203。
24.进一步的，包括挂车8，挂车8底部的两侧安装有第二车轮9，车体1远离传感器组件7的一端表面设置有连接件10，挂车8通过连接件10与车体1卡扣连接，挂车8用于放置机械手臂2夹取的物品。
25.控制电路板6包括主控芯片601以及与主控芯片601信号连接的控制板602和电子罗盘603，传感器组件7包括第二摄像头701、循迹传感器702，循迹传感器702的数量为两个，且位于第二摄像头701的两侧。
26.机械手臂2与控制板602电性连接，第二摄像头701和循迹传感器702均与主控芯片601电性连接，电机组3与主控芯片601电性连接。
27.第一车轮4由电机组3驱动，第二车轮9与挂车8旋转连接，电池5与机械手臂2、电机组3、控制电路板6和传感器组件7电性连接。
28.电机组3为直流电机组，第一车轮4和第二车轮9均为麦克纳姆轮，主控芯片601的型号为24路控制板，控制板602为16路串口继电器控制板，第二摄像头701为openmv摄像头，循迹传感器702为红外循迹传感器。
29.具体的，该无人搬运装置由车体1、机械手臂2和挂车8组成，且由第一车轮4和第二车轮5进行移动，第一车轮4和第二车轮5为麦克纳姆轮，麦克纳姆轮能够实现全向运动，增强了该无人搬运装置的通过性；该无人搬运装置由控制电路板6控制，内置控制程序的型号为24路控制板的主控芯片601负责处理信息，控制板602与主控芯片601串口通信，控制板602连接机械手臂2，控制板602为16路串口继电器控制板，电子罗盘603作为该无人搬运装置的导航仪器，不仅可以用来指向,其数字信号可直接送到自动舵，电机组3为两组，且每组包含两个电机，由四个电机分别驱动四个第一车轮4，从而带动车体1运动，并带动挂车8运动，电子罗盘603可将方向定位信号出入至主控芯片601，经主控芯片601处理后输出控制信号至电机组3，控制第一车轮4反转进行反向补偿，为openmv摄像头的第二摄像头701可拍摄车体1前方的视频，视频输入至主控芯片601并进行分析后，可方便该无人搬运装置进行避障，循迹传感器702为红外循迹传感器，通过红外线配合路面标记的黑线进行循迹，通过循迹传感器702控制该无人搬运装置的移动方向，若主控芯片601分析循迹传感器702输入的信号后发现该无人搬运装置出现偏离路线，则输出控制控制信号至电机组3，控制第一车轮4利用差速补偿的方式来对跑偏的情况进行回正；机械手臂2为360自由度的机械收臂，机械手臂2采用三个舵机控制分别控制机械臂201的方向和机械爪202的张开闭合，通过为openmv摄像头的第一摄像头203读取物品摆放顺序和搬运顺序，主控芯片601向舵机控制板发送相应的串行消息，舵机控制板控制机械臂执行控制程序预置的相应的动作，该无人搬运装置在上货地点通过机械手臂2夹取的物品放置在挂车8内，方便运输至下货地点，降低了工厂车间对人力的需求，增加了工作效率。
30.本发明是一种基于深度学习算法下智能无人搬运装置，该无人搬运装置通过pid算法提高了自动化程度和识别的准确度，从而提升了运行效率，使用麦克纳姆轮移动，较之步行、爬行或其它非轮式的移动机器人具有行动快捷、工作效率高、通过性好的优势，且其活动区域无需铺设轨道、支座架等固定装置，不受场地、道路和空间的限制。
31.上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改
进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。