工厂化育苗技术因具有生产效率高、成本低、可连续生产等诸多优点,已在我国得到了普遍推广和应用。随着育苗技术的发展,温室自动化移栽设备的需求也越来越大。针对国内温室钵苗移栽装备作业效率低和可靠性差的问题,以浙江大学原有移栽设备为基础,本文首先进行了补苗移栽策略的改进、苗盘分送装置的设计、机械间苗装置的设计、末端执行器的优化设计及测试等研究,从硬件系统方面提高移栽系统的可靠性和效率,接着基于设计的末端执行器搭建实时测力系统,分析基质含水率、基质体积配比、单孔基质量等育苗农艺参数对移栽作业过程中拉拔力和夹紧力的影响,探讨夹紧力和拉拔力与移栽效果之间的关系,为末端执行器的安装调试提供理论指导,进一步提高移栽作业的可靠性,最后采用蚁群算法对末端执行器补苗移栽作业的路径进行规划,通过缩短补苗路径,在不增加硬件成本的前提下进一步提高移栽作业的效率。主要研究内容和结论如下:(1)提出了新的补苗策略,并且设计了一套苗盘分送装置及控制系统,可以根据穴盘内缺苗数的多少对穴盘进行归类,减少了补苗作业的工作量,提高了补苗作业的效率。设计了一种穴盘机械分隔装置及控制系统,装置的列分隔组件的核心为一组卷曲布帘,解决了原有装置伤苗的问题,增加了设备的可靠性。(2)设计了一种单气缸驱动的插拔夹取式末端执行器,不仅保证了钵苗的主动分离,还可以在气缸的一个推程内连续完成插入并夹紧育苗基质的动作。根据指针尖点的运动轨迹,基于编写的VB程序对末端执行器的关键结构尺寸进行了综合确定。移栽测试结果显示:设计的末端执行器对不同育苗农艺条件下Q72穴盘中黄瓜苗的移栽成功率达到100%,基质块的平均损伤率为17%,且损伤程度均较小;对Q72穴盘中番茄、辣椒钵苗的移栽成功率同样达到100%,基质块的严重损伤率分别为2.5%和4.5%;对Q128穴盘中黄瓜苗的移栽成功率也达到100%,基质块的损伤率为23.8%。该末端执行器对育苗农艺、作物品种和穴盘规格都具有较强的适应性,且在保证钵苗基质块完整性方面具有较大的突破。与原有第三代末端执行器相比,该末端执行器的可靠性和效率均有较大提高。(3)基于设计的末端执行器搭建了一套实时测力系统,其核心部件为两个高精度、快速响应的力学传感器,可实时测量移栽过程中的拉拔力和夹紧力。通过力学分析和几何关系分别建立了拉拔力和夹紧力的计算方式,并采用万能试验机对传感器进行了标定。为验证该实时测力系统的有效性,进行了移栽试验并分析夹紧力和拉拔力随育苗基质含水率的变化。试验共得到6个梯度的含水率,且结果表明,拉拔力随含水率的降低先增大后降低,夹紧力随含水率的降低而增大。含水率76%左右时,同试验组内拉拔力的标准偏差较小;含水率74%左右时,同试验组内夹紧力的标准偏差较小。(4)通过三因素三水平的全面交互试验研究3个主要农艺育苗参数(基质含水率、基质体积配比和单孔基质量)对移栽作业过程中夹紧力和拉拔力的影响,并探讨了夹紧力、拉拔力与移栽效果之间的关系。试验中共有9盘钵苗,每盘钵苗被分为3个区域,每个区域为1个试验组,一共27组。每个试验组随机选取10株钵苗进行重复移栽试验。采用多因素方差分析法研究了 3个主要农艺育苗参数对夹紧力和拉拔力影响的显著性。对夹紧力的分析表明,基质含水率、基质体积配比和单孔基质量对夹紧力的影响均十分显著(P<0.05),且影响的显著性依次为:基质含水率>单孔基质量>基质体积配比。3个育苗参数两两之间的交互作用以及3个参数之间的交互作用对夹紧力的影响均十分显著(P<0.05)。其中,基质含水率与基质体积配比、基质含水率与单孔基质量之间的交互作用最为显著。对拉拔力的分析表明,基质含水率、基质体积配比和单孔基质量对拉拔力的影响均十分显著(P<0.05),且影响的显著性依次为:单孔基质量>基质含水率>基质体积配比。只有基质体积配比与单孔基质量之间的交互作用对拉拔力有显著影响(P<0.05),其余参数之间的交互作用均不显著。进一步分析表明,基质含水率在82.5%-78.5%范围内逐渐下降时,夹紧力和拉拔力的均值呈线性增长。基质体积配比为7:2:1水平时,夹紧力的均值最大;基质体积配比为6:2:2水平时,拉拔力的均值最大。夹紧力均值随着单孔基质量的增加先增大后减小,拉拔力均值随着单孔基质量的增加而增大,但是增大的趋势变缓。结合移栽效果分析发现,移栽效果的好坏并不直接与夹紧力或者拉拔力相关。进一步分析夹紧力与拉拔力的和、差、乘积、比值,发现移栽效果与夹紧力和拉拔力的比值之间存在一定的关系。当夹紧力与拉拔力的比值在5.99～8.67的范围内时,移栽效果相比会更好。该试验结果可以为末端执行器的设计、安装和调节提供指导,提高末端执行器移栽的可靠性和效率。(5)基于蚁群算法实现了末端执行器补苗移栽作业的路径规划。根据输出路径的长度,通过交互试验确定算法的关键参数取值,遗传算法中取pc=0.8、pm = 0.3,蚁群算法中取α=1,β=20,ρ=0.]。与遗传算法相比,蚁群算法输出结果的收敛速度较慢,且波动较大,但蚁群算法第一次迭代运行后的输出结果要远远优于遗传算法。对10种随机的穴盘状态进行路径规划,遗传算法和蚁群算法的平均运行时间分别为0.32 s和0.94 s。相比于传统的CSM(Common Sequence Method,固定顺序扫描法)方法,遗传算法和蚁群算法都可以显著缩短补苗路径的长度。然而遗传算法由于算法本身的局限性,不能处理只有]个空穴的情况。通常情况下,蚁群算法输出结果的标准差要小于遗传算法。待补穴盘中空穴数量和供苗穴盘中健康钵苗的数量之和(p+q)对遗传算法和蚁群算法优化效果的相对优劣影响显著,其和越大,蚁群算法的优势越明显。使用20×10穴盘进行优化效果对比,蚁群算法完成40个空穴的补苗路径比遗传算法的路径短6000.9 mm(33.2%),比传统的CSM方法短13058.4mm(51.9%)。整体比较发现,蚁群算法更适合用于末端执行器补苗移栽作业的路径规划,可在不增加硬件成本的条件下进一步提高设备的作业效率。