基于滑觉功能的机器人多点手力反馈控制

基于滑觉功能的机器人多点手力反馈控制

在机器人传感器技术中，关于多臂滑动的研究起步较晚，研究成果与实际要求之间也有很大距离。现在，在解决多臂滑动的问题时，必须解决滑动传感器的问题。理想的滑动传感器必须具有以下特点：（1）容易安装在多臂手指上；（2）它可以实时检测手指和抓住对象之间的滑动。（3）滑动态传感器检测结果可以用来控制握力，并在确保不损害物体的前提下稳定握力。然而，由于结构、材料和其他原因，这方面的研究还不成熟。在本论文中，我们提出了一种基于滑动传感器的应用方法和一种基于滑动传感器功能的多臂稳定采样方法。滑动传感器的基本工作原理是：在多手指表面以矩阵的形式安装各种压力传感器，实时检测这些压力传感器的输出大小和分布变化，从而达到功能多手指滑动的目的。为了在实现多臂滑动功能的同时完成对指定物体的稳定采样，采用多臂平滑反射控制的思想。1滑觉、力觉和滑觉传感器的应用人手在完成对物体的抓取时,需要用到触觉、力觉和滑觉3个功能.在抓取过程中,当感觉到被抓物体与手指间出现滑动,就会自然地加大抓握力,直至滑动消失,即完成稳定抓握为止.在上述过程中,人手的滑觉功能实际上是通过判断手向上提起时手指与物体的接触力是否发生了变化而完成的.因此,如果能在机器人多指手向上提起物体时能够实时检测并正确判断手指与物体的接触力是否发生了相应的变化,就可以使机器人多指手具有类似于人手滑觉功能.对于人手来说,触觉、力觉和滑觉是分布于整个手指表面的,从而保证了在抓取不同形状和大小的物体时都能够可靠地完成任务.因此,为了使机器人多指手能够具有类似于人手的基本功能,也应该在多指手手指表面安装足够多的触觉、力觉和滑觉传感器,并在其完成对物体的抓取过程中能有效地利用这些传感器提供的信息进行可靠的控制.为了达到上述目的,我们在北科大双拇指手3个手指表面上分别以阵列方式安装了12个薄膜式力敏电阻(ForceSensingResistenFSR,美国Interlink电子公司生产)作为传感器.其分布如图1所示.这种力敏电阻具有体积小,灵敏度高,工作可靠和便于安装等特点,通过控制软件的配合,可以同时实现触觉、力觉和滑觉3种功能,是一种比较理想的机器人多指手传感器.在双拇指手对物体进行抓握的过程中,手指上的各个传感器可以实时检测手指相应部位受力的大小和分布情况,而上位机则可以根据检测结果进行判断并实现必要的力反馈控制.图2给出了基于滑觉功能的多指手控制系统工作流程图.从图2中可以看出,在多指手完成对物体的抓取过程中,可靠的滑觉判断和精确的抓握反馈力控制是密不可分的,二者缺一不可.因此,为了保证机器人多指手能够在实现滑觉功能的基础上可靠地完成对给定物体的稳定抓取,必须采用正确的控制策略.北科大多指手控制系统中对力反馈控制部分采用了的模糊控制,其基本结构如图3所示.图中,S为系统设定值(精确量),e,ec分别为系统误差与误差变化率(精确值),E,EC分别为反映系统误差与误差变化率的语言变量的Fuzzy集合(Fuzzy量),U为Fuzzy控制器输出的控制作用(精确量),Y为系统输出(精确量).在多指手完成对物体的抓握过程中,上位机通过力传感器采样电路对手指与物体的接触力进行检测,并通过模糊控制算法得到所需的模糊控制量,而模糊控制量则被转换为对DC驱动电机的控制电压,完成对多指手的力反馈控制.为了进一步证实上述滑觉检测方法的合理性,我们利用北科大双拇指手进行了大量的实验.通过检测多指手对物体进行抓取并且出现滑动时各个手指上的力传感器的输出情况,即检测滑动前和滑动后力的大小和分布情况,完全证实了上述滑觉检测方法的合理性.大量的实验结果表明:当有滑动产生时,手指受力的大小和力的分布会发生变化,滑动的位移越大,力的大小和分布情况变化的变化就越明显.因此可以根据检测结果在实现多指手滑觉功能的同时完成多指手的力反馈控制.2控制输出的量化当利用模糊控制方法对系统进行控制时,必须将对系统的模糊输出进行量化.由于在利用多指手手指的滑觉功能对多指手进行抓握力控制时,事先并不知道所需抓握力的大小,必须将多指手手指所能够输出的抓握力的变化范围[fmin,fmax]作为基本论域.因此,当按照传统的模糊控制方法对控制输出进行量化时,基本论域被分为[-6,+6]中的7个(或13个)等级,而每个等级之间的差(控制输出分辨率)为,(fmax-fmin)/7(或(fmax-fmin)/13).很明显,采用这种量化方法时控制量分级较粗,对于多数机器人多指手控制系统来说,不能充分利用其控制系统的性能.例如,对于北科大双拇指手来说,由于其基本论域为,虽然系统的控制输出分辨率为1,但在采用传统模糊控制方法时其控制输出分辨率只能达到120/7(或120/13).为了解决上述问题,我们提出了分级控制的概念.其结构框图如图4.分级模糊控制的基本思想是,根据给定的目标值,动态地修正模糊控制输出的基准值,而取基准值与模糊控制器输出值之和作为加在被控对象上的控制量,从而达到缩小模糊控制器的输出范围的目的.理论分析和实验结果表明,采用这种分级模糊控制的方法可以大大缩小模糊控制器的输出范围,从而实现了对系统进行精细控制的目的.3健全的分析方法如前所述,北科大双拇指手的每个手指上都安装有12个以阵列方式排列的力传感器与安装单个或单列传感器相比,这种做法可以得到更多的手指与被抓物体的接触信息,从而保证能够更好地完成力反馈控制.但是,由于被抓物体的形状和多指手对物体抓握时手指位置的差异,在完成对物体的抓握过程中,必然出现各个传感器输出不同的问题.因此,如何合理利用力传感器的信息便成了实现力反馈控制时必须解决的重要问题.利用力传感器的信息进行力反馈控制的的最简单的方法是所谓的最大值法.最大值法的基本思想是取每个手指上力传感器的最大值作为力反馈值,并利用该反馈值进行力反馈控制.这种方法的特点是算法简单,而缺点则是信息量丢失过多,因此在许多情况下不能保证可靠地完成力反馈控制.为了克服上述缺点,可以采用平均值法.平均值法的基本思想是取每个手指上的力传感器的输出的平均值作为力反馈值,并利用该反馈值进行力反馈控制.平均值法虽然较多地利用了力传感器的信息量,但是又有主次不分的缺点,同样难以保证可靠地完成抓握力的反馈控制.为了更好地反映各个阵列点的作用,我们设计了对各个有效阵列接触点加修正因子的方法.具体的方法如下所述.设某一手指的力传感器的输出为F(i)(i=1,2,……,n).将n个接触力按从大到小的顺序排列,然后按近似倍数关系将其分为3组(有时只能分成1组或2组).设最大的1组为FB(共有n1个值),中间的1组为Fm(共有n2个值),最小的一组为FS(共有n3个值),则可用如下公式确定该手指的抓握力反馈值:对于只能分成1组的情况,n2=0,n3=0;对于只能分成2组的情况,n3=0.根据不同的抓握物体,α1,α2,α3的取值可以不尽相同.实验结果表明:当抓握球状或不规则形状物体时,取α1=0.8,α2=0.2,α3=0.0;当抓握柱形物体或与手指有柱面接触的物体时,取α1=0.7,α2=0.2,α3=0.1.则利用(1)式求得的抓握力进行反馈控制,可以得到比较满意的结果.可以证明,(1)式给出的加权平均值比直接计算的平均值更接近检测力的最大值,因此也可以更好地代表整个手指的受力情况.附录中给出了对上述算法合理性的证明.4实验研究的不足为了验证本论文提出的基于滑觉功能的机器人多指手稳定抓取手法的可行性,我们利用北科大双拇指手进行了大量的实验研究.实验表明,只要在完成抓取之前进行适当的规划,本论文中提出的方法是完全可行的.此外,本论文中仅仅是进行了一些理论和方法方面的探讨,为了达到实用目的,还需要在滑觉传感器本身的结构和安装方法方面加以改进.以加权系数的规则计算加权系数