液压挖掘机是应用广泛、结构复杂的工程机械。随着挖掘机技术的发展,目前国内外许多研究机构都致力于提高挖掘机自动化、智能化水平的研究。为实现挖掘机的自主挖掘功能,挖掘机的机器人化是其发展的重要方向。为提高工作效率,降低劳动强度,适应复杂工作环境,实现自主挖掘将成为提高挖掘机智能化水平的研究热点。课题在对挖掘机进行机器人化改造基础上,建立了工作装置和电液系统模型,对工作装置轨迹规划进行了仿真研究。结合视觉传感器获取环境信息,设计了一种适合挖掘机器人的自抗扰视觉伺服控制器,并通过仿真和试验验证了自抗扰视觉伺服方法的有效性。构建了基于行为控制的挖掘机器人控制体系结构,对给定的挖掘任务进行状态分解,实现自主挖掘。具体研究工作包括以下几个主要方面：(1)针对PC02-1型小松液压挖掘机,设计了电液系统改造方案,对挖掘机进行了机器人化电液比例技术改造。在工作装置上安装了倾角传感器和压力变送器,在机架上安装了视觉传感器。在Matlab/Simulink环境下搭建了挖掘机器人的xPC target控制平台,给出了xPC target的配置方法和工作流程。采用宿主机—目标机的外部模式实现对挖掘机器人的实时控制,可方便地进行动态模型实验,实时获取最佳控制参数。(2)挖掘机器人的工作装置类似于由液压缸驱动的机械臂,采用机器人学的运动学理论对工作装置进行正向／逆向运动学模型的建立,并将位姿空间、关节空间和油缸空间联系起来,实现在各个空间对挖掘机器人的控制。建立了挖掘机器人阀控液压缸系统模型,并采用RBF神经网络对电液系统参数进行辨识。对工作装置运动学逆解采用RBF神经网络优化策略,实现工作装置铲斗末端运动轨迹规划。为提高挖掘机器人工作装置挖掘作业时轨迹规划控制精度,建立了ANFIS逆映射模型,选取逆映射间的输入、输出曲面数据训练ANFIS结构,实现由给定的期望挖掘轨迹,获得相应的关节角,进而用于跟踪期望的运动轨迹,仿真表明跟踪精度能较好满足实际要求。(3)针对室外道路图像易受光照影响的特点,提出了去相关拉伸变换的方法。为提高铲斗图像质量,采用直方图均匀化方法进行图像增强。为去除障碍物目标图像中的背景影响,引入了基于梯度的分水岭变换图像分割方法,对挖掘机器人运动路径上的障碍物及目标进行分割。为提高对铲斗目标的识别精度,提出了基于不变矩和改进BP网络的图像目标识别方法,提高了对铲斗目标识别的可靠性。(4)摄像机参数标定是建立机器视觉测量系统的基础,是提高视觉测量精度的保证。建立了挖掘机器人摄像机视觉系统内、外参数成像模型,分析了摄像机非线性畸变参数,确定了适合挖掘机器人视觉系统的标定参数。通过采集自制的棋盘标定模板图像,基于OpenCV技术实现了对模板角点的提取,进而标定出摄像机模型的内部参数矩阵,摄像机非线性模型的径向畸变系数,及摄像机外部旋转矩阵和平移向量,并给出了标定参数误差。标定结果表明,误差达到亚像素级,可满足挖掘机器人视觉系统的标定及视觉测量精度要求。建立了挖掘机器人双目立体视觉系统模型并进行了标定。研究了挖掘机器人铲斗目标图像匹配方法,对双目立体视觉匹配进行了仿真研究。(5)在立体视觉系统标定及图像匹配的基础上,研究了立体视觉深度信息测量方法、目标图像定位方法、运动目标跟踪方法。研究了基于颜色标记跟踪的挖掘机器人铲斗目标及姿态识别方法。研究了铲斗标记图像的特征提取及铲斗目标定位的实现方法。(6)研究了图像雅可比矩阵及改进神经网络图像雅可比矩阵估计方法。为提高挖掘机器人的自主挖掘能力,设计了基于图像的自抗扰视觉控制器,对挖掘机器人的动臂、斗杆、铲斗组成的3节机械臂末端位置和姿态在x-z平面进行控制。针对自抗扰控制器需要整定的参数较多,参数间相互影响,整定困难的特点,引入了粒子群算法对控制器参数进行优化。由于原始粒子群算法存在后期易陷入局部最优的缺欠,采用小生境粒子群算法对自抗扰控制器参数进行整定优化。搭建了基于视觉的自抗扰控制系统,并进行了仿真研究。(7)为实现挖掘机器人的自主挖掘,构建了适合挖掘机器人的行为控制体系结构。以挖掘行为作为基准,用状态流模型实现挖掘目标、挖掘任务、挖掘行为的逐层分解。采集目标图像、机械臂倾角及液压缸压力信号,作为状态流行为状态间触发转换的事件或条件。针对挖掘中遇到的沙土物料、表面块状物料、块状物料埋于沙中3种挖掘环境,综合视觉定位信息、压力及倾角信息,通过模糊聚类判别仲裁,触发挖掘动作状态转换,有区别的自主处理挖掘中遇到的不同情况,通过控制挖掘动作,实现自主挖掘目标。