張 穎， 趙長盛， 苑文博， 郝麗娜

(東北大學(xué) 機械工程與自動化學(xué)院， 遼寧 沈陽 110819)

為提高機器人的擬人化程度，更好地幫助人類完成工作，開發(fā)具有適應(yīng)性、實用性和智能性的仿人機械手系統(tǒng)已經(jīng)成為目前仿人機器人領(lǐng)域的重要發(fā)展方向之一.

近年來，多種不同驅(qū)動方式的機械手不斷涌現(xiàn)，可以分為驅(qū)動外置式和驅(qū)動內(nèi)置式兩類.驅(qū)動內(nèi)置式機械手將驅(qū)動器、控制器和傳感器系統(tǒng)置于靈巧手內(nèi)部.1998年，第一個完全內(nèi)置式多指靈巧手DLR-I[1]采用腱驅(qū)動形式，共有4個手指，12個自由度.該機械手獨立于機械臂系統(tǒng)，屬于局部自主系統(tǒng).但內(nèi)置式機械手整體尺寸較大，靈活性較低，維護難度大.驅(qū)動外置式機械手多將驅(qū)動系統(tǒng)置于機器人前臂，通過繩索或形狀記憶合金等傳遞驅(qū)動力/力矩，驅(qū)動各手指完成抓取任務(wù).如著名的Bridgwater等[2]和Kochan等[3]，將驅(qū)動器及控制器集成于機器人的前臂中，實現(xiàn)手指關(guān)節(jié)的單獨控制，完成抓取操作.驅(qū)動外置式機械手可以極大減小本體尺寸，靈活性較高.

在實際應(yīng)用中，研究者更多地關(guān)注機械手穩(wěn)定自適應(yīng)抓取能力.人手可以通過復(fù)雜的觸覺感知系統(tǒng)識別物體硬度，進(jìn)而采取合適的抓取力[4-6].然而，大多數(shù)機械手只具備基本的壓力傳感.例如日本Gifu大學(xué)研發(fā)的Gifu hand III[7]指尖位置集成了800多個傳感陣列點，可以很好地模擬人手觸覺，完成對物體的接觸識別；德國航天航空中心在DLR hand[8]指端集成了6維力傳感器，從而完成接觸力反饋.然而，它們結(jié)構(gòu)復(fù)雜，集成困難，且難以區(qū)分物體軟硬程度，無法實現(xiàn)對不同硬度物體的自適應(yīng)抓取.

驅(qū)動器內(nèi)部集成的電流采樣模塊可以獲得機器人運動過程中的電流信息，通過對電流波動情況的分析，能夠一定程度上解析機器人的運動情況，是實現(xiàn)無外部傳感器檢測的有效途徑，降低了裝配難度和加工成本.電流反饋已被應(yīng)用于機器人的碰撞檢測和拖動示教等方面.上海交通大學(xué)的王寧研究團隊基于關(guān)節(jié)電流變化實現(xiàn)了輕型機械臂無外置傳感器的碰撞檢測功能[9].Indri 等提出一種基于電機電流的機器人故障檢測與安全保護方法.該方法將機器人各關(guān)節(jié)電流轉(zhuǎn)化為力矩值，通過比較該值與機器人動力學(xué)模型所計算的力矩值，進(jìn)行碰撞檢測[10].Capurso等提出了一種基于電流反饋的冗余機器人動覺示教方法，無需昂貴的力/扭矩傳感器[11].此外，Kim等通過電流傳感器感知路況，同時結(jié)合模糊PID控制算法，對移動機器人的滑脫現(xiàn)象進(jìn)行估計與補償控制[12].

綜合上述機械手研究現(xiàn)狀的分析，為滿足仿人機械手向著簡潔化、平民化、輕量化和自適應(yīng)方向發(fā)展的需求，本文設(shè)計了一款基于欠驅(qū)動原理的多自由度仿人機械手.該機械手手指和手掌采用基于3D打印技術(shù)的模塊化設(shè)計，控制單元模塊集成在機械手外的控制箱內(nèi).針對現(xiàn)有仿人機械手難以識別物體硬度的問題，本文提出采用電機電流反饋方式識別被抓物體硬度，實現(xiàn)了仿人機械手對軟硬不同物體的智能分揀操作.該機械手具有自由度多、集成度高、運動靈活、智能識別等優(yōu)點.

1 仿人機械手結(jié)構(gòu)設(shè)計

本文所設(shè)計的仿人機械手采用模塊化設(shè)計，其中食指、中指、無名指和小指設(shè)計結(jié)構(gòu)相同，每根手指具有3個轉(zhuǎn)動關(guān)節(jié)，分別為近指節(jié)、中指節(jié)和遠(yuǎn)指節(jié).拇指具有2個彎曲自由度和1個側(cè)擺自由度，由2個電機分別驅(qū)動，更接近人手的功能.鋼絲繩一端固定在指尖，另一端繞過指節(jié)內(nèi)部的導(dǎo)向輪與微型絲杠電機上的滑塊相連，實現(xiàn)手指關(guān)節(jié)的運動.本文采用微型絲杠電機直接驅(qū)動，取代電機配合減速器的驅(qū)動方式，在減少結(jié)構(gòu)復(fù)雜性和裝配難度的同時降低了手的質(zhì)量.仿人機械手結(jié)構(gòu)如圖1所示.

圖1 仿人機械手結(jié)構(gòu)設(shè)計圖

仿人機械手通過3D打印技術(shù)加工完成[13-14]，整體結(jié)構(gòu)緊湊、質(zhì)量輕.手指各關(guān)節(jié)尺寸參照國標(biāo)GB 10000—88中關(guān)于成年男子手相關(guān)尺寸的規(guī)定，具體尺寸和關(guān)節(jié)轉(zhuǎn)角范圍如表1所示.

表1 仿人機械手手指尺寸及彎曲角度

本文所設(shè)計的欠驅(qū)動仿人機械手具有斷電自鎖的位姿保持能力，可以實現(xiàn)對不同物體的穩(wěn)定抓取和提拉操作，主要操作性能參數(shù)如表2所示.表2對比分析了與本文機械手結(jié)構(gòu)和驅(qū)動方式最為近似的DLR/HIT II靈巧手[15]性能參數(shù)，可以發(fā)現(xiàn)，本文所設(shè)計的仿人機械手質(zhì)量更輕，指尖輸出力更大.

表2 仿人機械手性能參數(shù)

2 仿人機械手運動空間分析

通過對手指進(jìn)行運動學(xué)分析，計算仿人機械手運動空間.

2.1 手指正運動學(xué)

單根手指的運動可以看作是由3個連桿串聯(lián)組成的開環(huán)運動鏈，采用D-H方法建立手指運動的連桿坐標(biāo)系，如圖2a所示.其中手指基坐標(biāo)系x0y0z0建立在近指節(jié)根部，其余坐標(biāo)系隨關(guān)節(jié)聯(lián)動.

圖2 手指及手掌坐標(biāo)系示意圖(右手)

根據(jù)單根手指的D-H關(guān)節(jié)參數(shù)定義：L1，L2和L3分別代表近指節(jié)長度、中指節(jié)長度和遠(yuǎn)指節(jié)長度；θi(i=1,2,3)表示連桿的轉(zhuǎn)角，相鄰兩桿沿公共軸線方向的距離為0，兩關(guān)節(jié)軸線之間的夾角為0.由此可得傳遞矩陣：

.(1)

其中：c1=cosθ1；c12=cos(θ1+θ2)；c123=cos(θ1+θ2+θ3)；s1=sinθ1,s12=sin(θ1+θ2),s123=sin(θ1+θ2+θ3),且0°≤θ1≤90°，0°≤θ2≤80°，0°≤θ3≤40°.

各手指基坐標(biāo)系在手掌坐標(biāo)系中的位置分別為：拇指[36,0,0]T，食指[27,50,0]T，中指[9,50,0]T，無名指[-9,50,0]T，小拇指[-30,50,0]T.如圖2b所示，四指指尖相對于手掌坐標(biāo)系的位置分別為

(2)

其中：下標(biāo)w=[食指，中指，無名指，拇指]；xw和yw分別表示四指的基坐標(biāo)系在手掌坐標(biāo)系中的x坐標(biāo)和y坐標(biāo).同理可得拇指指尖相對于手掌坐標(biāo)系的位置：

(3)

2.2 手指可達(dá)范圍

根據(jù)上述建立的運動學(xué)關(guān)系以及仿人機械手結(jié)構(gòu)尺寸，通過MATLAB仿真，可以得到四指的運動空間如圖3所示，由于除拇指以外的四指僅具有彎曲功能，所以，它們的最大運動空間為平面空間.

圖3 四指運動空間

拇指指尖的最大三維運動空間如圖4所示.

圖4 拇指運動空間

3 反饋電流解析

本節(jié)搭建了仿人機械手控制系統(tǒng)，介紹了仿人機械手指端觸覺信息的獲取與解析方法，提出了基于電流傳感器反饋的未知物體硬度識別策略.

3.1 仿人機械手控制系統(tǒng)結(jié)構(gòu)

為實現(xiàn)仿人機械手的靈巧抓取與智能化硬度識別功能，其控制系統(tǒng)硬件與控制系統(tǒng)原理圖如圖5所示.控制系統(tǒng)硬件分為執(zhí)行層、感知層、控制層和驅(qū)動層.執(zhí)行層包括仿人機械手手指；感知層包含6個電流傳感器(ACS712)；控制層由Arduino Mega 2560控制器和上位機組成；驅(qū)動層包含電源、L298N驅(qū)動模塊、微型絲杠電機和鋼絲繩.由圖5b可知，Arduino控制器根據(jù)上位機指令輸出PWM信號，通過L298N驅(qū)動模塊控制手指電機.當(dāng)電機正極PWM占空比為正，負(fù)極PWM為0時，手指彎曲；電機負(fù)極PWM占空比為正，正極PWM為0時，手指伸直復(fù)位；電機正極和負(fù)極PWM均為0時，手指姿勢自鎖.手指運動過程中的電流信息通過和電機串聯(lián)的電流傳感器檢測，并將電流變化反饋給Arduino，從而傳輸?shù)缴衔粰C.

圖5 仿人機械手控制系統(tǒng)硬件

3.2 反饋電流與物體硬度關(guān)系

為探究仿人機械手運動過程中，電流傳感器的輸出特性，基于上述仿人機械手控制系統(tǒng)，選取硬度不同的物品進(jìn)行抓取實驗，圖6僅表示了對其中幾種實驗物品的抓取.

圖6 仿人機械手抓握實驗

經(jīng)過多次實驗發(fā)現(xiàn)，不同手指在抓取相同硬度物體時，電流變化趨勢相同.因此，本文只針對中指反饋電流進(jìn)行研究，且以Arduino模擬口返回上位機的數(shù)據(jù)(0～1 023)表征電機實際電流.根據(jù)電機的額定驅(qū)動電壓和實現(xiàn)手指平穩(wěn)運行原則，設(shè)定電機正向驅(qū)動PWM占空比為60，電流傳感器反饋的最大值介于565～570之間.圖7為仿人機械手分別抓取海綿、紙盒、保溫杯、新鮮蘋果、新鮮橘子、毛絨玩具過程中的中指電流變化曲線.仿人機械手抓取不同物體時，電流呈現(xiàn)相似的變化趨勢：以圖7a為例，電機開始上電時刻，電流突增，在手指空載彎曲過程中，電流穩(wěn)定在一定范圍內(nèi)，波動較小；當(dāng)電流再次出現(xiàn)明顯增加時，表明手指開始與物體接觸；隨后電流不斷增加，直到手指因阻力作用無法繼續(xù)彎曲，電流達(dá)到最大；斷電后，電流下降.

由圖7可知，仿人機械手在抓取硬度不同的物體時，電流從初始接觸物體到因被抓取物體阻礙作用完全無法運動過程中，電流變化斜率不同，以下簡稱為接觸電流斜率.因此，接觸電流斜率變化可以作為物體軟硬程度的識別依據(jù)，替代指尖傳感器，降低仿人機械手的生產(chǎn)成本和裝配難度.

圖7 中指電流變化圖

對圖7所示的實驗數(shù)據(jù)進(jìn)行如下處理，計算接觸電流斜率，解析仿人機械手指端的觸覺信息：實驗過程中設(shè)置的采樣頻率為100 Hz，由于初始上電時刻，電流不平穩(wěn)，取上電后的第100個采樣時刻的電流數(shù)據(jù)，記為(X1,Y1)；在中指未接觸物體之前，電流變化平穩(wěn)，有較小波動，取與X1時刻相隔200個采樣時刻的數(shù)據(jù)，記為(X200,Y200)；取該時間段內(nèi)對應(yīng)的電流最大值，記為(Xm,Ym)；取X200采樣時刻之后第一次電流值大于Ym的點，記為(Xmax,Ymax),該點對應(yīng)手指開始接觸被抓物體的時刻；取所有采樣電流值中前5個最大值的平均值，記為Yave；取(Xmax,Ymax)點之后電流第一次大于Yave的數(shù)據(jù)點，記為(Xn,Yn)，則該點對應(yīng)時刻被定義為手指完全無法彎曲時刻.定義接觸電流斜率為

(4)

表3給出了仿人機械手抓取上述不同硬度物體時，中指接觸電流斜率變化情況.根據(jù)實驗數(shù)據(jù)可以發(fā)現(xiàn)，仿人機械手接觸較硬物體時，如蘋果、保溫杯、紙盒等，接觸電流斜率較大；仿人機械手接觸較軟物體時，如毛絨玩具、海綿等，接觸電流斜率較小.接觸電流斜率越大，表示被抓物體的硬度越大，反之越小.

4 仿人機械手自主識別硬度研究

基于3.2節(jié)所得的接觸電流斜率與被抓物體硬度的關(guān)系，研究仿人機械手抓取操作過程中的自主硬度識別功能.

表3 抓取不同硬度物體中指接觸電流斜率

4.1 物體硬度自主識別功能

基于接觸電流斜率與物體硬度的關(guān)系，設(shè)計了如圖8所示的仿人機械手對被抓物體硬度的自主識別控制流程.

圖8 物體硬度識別控制流程圖

首先，控制電機正極PWM占空比值為60，負(fù)極PWM占空比值為0，手指彎曲，并將電流傳感器數(shù)據(jù)實時返回上位機存儲.由圖7采集的實驗數(shù)據(jù)可知，手指在完全無法彎曲的過程中，電流值最大在565到570之間，因此設(shè)定閾值為565，當(dāng)檢測到的電流值大于565時，表明手指接近無法繼續(xù)彎曲狀態(tài)，保持5s后，電機正負(fù)極的PWM值設(shè)為0，仿人機械手保持抓握狀態(tài).上位機根據(jù)采集的中指電流傳感器數(shù)據(jù)計算接觸電流斜率，并顯示結(jié)果.待硬度結(jié)果顯示后，控制電機正極PWM占空比為0，負(fù)極PWM占空比為60，仿人機械手釋放被抓物體，手指復(fù)位.

基于仿人機械手自主硬度識別功能，進(jìn)行若干組抓取實驗，驗證該識別策略的準(zhǔn)確性.實驗中，對相同物體重復(fù)抓取5次，計算每次的接觸電流斜率，并計算結(jié)果方差.表4為仿人機械手硬度感知結(jié)果.可以發(fā)現(xiàn)，仿人機械手智能識別的手機和木塊的接觸電流斜率與紙盒、保溫杯等的接觸電流斜率相仿；而毛線球、氣球和橡皮泥的接觸電流斜率則明顯較小，識別結(jié)果有效.通過方差分析，相同物體的接觸電流斜率變化較小，證明該硬度識別策略具有可靠性.為集成簡便，未采用彎曲傳感器，所以無法高精度捕捉手指與物體的接觸時刻信息，故只能感知硬度差別大的物體，無法進(jìn)行更加精細(xì)的等級劃分，將在后續(xù)研究中改進(jìn).

4.2 仿人機械手分揀實驗

為實現(xiàn)仿人機械手的實際應(yīng)用價值，基于實驗室設(shè)計的氣動肌肉變剛度軟體手臂平臺[16]，將仿人機械手安裝在軟體手臂末端，作為執(zhí)行器，完成軟爛的橘子和新鮮橘子的分揀實驗.

根據(jù)表3和表4所列結(jié)果，將橘子的硬度分為軟和硬兩個等級.當(dāng)中指接觸電流斜率k≤0.6時，表明被抓取橘子已軟爛；當(dāng)k>0.6時，表明被抓取橘子新鮮.用H表征橘子硬度，分別用H1和H2表示兩個等級.定義橘子硬度與接觸電流斜率對應(yīng)關(guān)系如式(5)所示：

(5)

基于式(5)，仿人機械手能夠識別橘子硬度，實現(xiàn)對軟爛和新鮮橘子的智能分類.

仿人機械手自動分揀系統(tǒng)主要包括仿人機械手、變剛度軟體手臂、操作臺、仿人機械手抓取控制硬件系統(tǒng)，利用該系統(tǒng)實現(xiàn)對新鮮和軟爛橘子的分揀操作任務(wù).圖9為仿人機械手完成橘子分揀任務(wù)過程實驗圖.

圖9 仿人機械手完成水果分揀任務(wù)實驗過程

表4 物體硬度識別結(jié)果

智能分揀功能的實現(xiàn)主要依靠仿人機械手對物體硬度的識別能力，其具體實現(xiàn)過程為：將若干新鮮和軟爛橘子放置在平臺上，將軟體手臂設(shè)置在初始位置，隨后啟動仿人機械手抓取動作，同時完成仿人機械手對所抓橘子硬度的判斷，從而區(qū)分新鮮橘子和軟爛橘子.若識別為新鮮橘子，觸發(fā)手臂向新鮮橘子安放平臺運動，待到達(dá)指定位置后，仿人機械手釋放物體，最后手臂運動到初始位置，再進(jìn)行對下一個目標(biāo)橘子的分揀工作.若識別為軟爛橘子，仿人機械手原地釋放物體.

5 結(jié) 語

本文采用微型絲杠電機為驅(qū)動元件，基于3D打印技術(shù)制作了仿人機械手樣機.該機械手具有多自由度、外觀仿人、結(jié)構(gòu)簡單等特點，為仿人機械手向?qū)嵱没⒑啙嵒?、輕便化方向發(fā)展提供了設(shè)計思路和方法.搭建了仿人機械手控制系統(tǒng)，研究了電流反饋信息與物體硬度的關(guān)系，提出了仿人機械手對物體硬度的智能識別策略.最終實現(xiàn)了仿人機械手作為軟體手臂末端執(zhí)行器分揀水果實際應(yīng)用.目前該仿人機械手僅能區(qū)分硬度差異大的物體，將繼續(xù)改進(jìn)電流反饋信息解析方法，并依此設(shè)計自適應(yīng)抓取控制算法.