观测器

科大研发柔性机器人手爪,可抓豆腐纸张

发布时间:2025/3/24 12:29:52   

科大研发出可抓豆腐纸张的柔性机器人手爪,控制方法简便易行。

在本文中,南柯归洵会从一般的角度探讨机器人抓取任务在工业和非工业环境中的普遍性,以及机器人接触周围物理物体的手段所起的关键作用。

这种装置通常被称为末端执行器,通常具有两个或多个手指。机器人抓取对于处理重复且有时危险的任务非常有用。

它在食品和农业,海洋机器人等领域都有广泛的应用。为了实现物体的成功抓取,我们可以使用特定的末端执行器,即抓取器。

那么,与过去几十年相比,过去十年机器人抓取器的发展是否取得了长足的进步?

对于食品工业的自动化,机器人手爪的软夹钳驱动类型表现出了强烈的兴趣。而气动驱动则是工业中最常见的夹具类型,尽管由于气动控制的挑战,它们的控制难度较高。

气动夹具通常由两个气室组成,一个用于打开钳口,一个用于关闭钳口,其机械构造简单,仅包括活塞和杠杆。此外,对于工业市场的统计数字和手指设计标准等方面,也有相关评论和研究。

无刷电机的夹子相较于气动夹子,具有更高的控制灵活性,特别是在夹子位置和速度的调整上。这些夹子由无刷电机与制动部件机械连接,并配有能够提升电机扭矩的一个或多个减速级。

然而,尽管控制性更强,电动夹子相比气动设备,体积更大、成本也更高。

采用液压驱动的夹具,与气动驱动类似,但使用液压流体代替压缩空气。虽然液压夹具成本较高,需要更多维护,且一旦发生漏油,会带来问题,但其在举起重物时具有独特的优势。

然而,随着协作机器人以中等有效载荷为主流,液压夹具的使用逐渐减少。

压电致动器是微夹钳的理想选择,由于其能提供小且精确的位移,且体积小、能耗低。然而,压电致动器也存在滞后行为等非线性问题。

相比之下,电磁、静电或热驱动原理则更适用于微夹钳。其中,SMA材料通过改变形状来控制其温度,是一种有效的驱动方式。

2.1.传感器传感器在工业抓具的闭环控制中起着至关重要的作用,尽管目前大多数工业抓具仍然采用基本的控制策略。

虽然传感器技术超出了本综述的讨论范围,但机器人抓具上最常见的传感器可以分为以下几类:力传感器,通常安装在手指表面,对于提供抓取力的闭环反馈控制非常重要。

然而,这些传感器在工业夹具上的应用相对较少。

1.扭矩传感器用于测量抓取过程中的施加扭矩,尤其在电动抓具中更为常见。相比之下,实际力/扭矩(F/T)传感器通常安装在抓爪手指或机械臂手腕上,以实现更好的效果。

2.当涉及到电动抓具时,电流传感器是一个必不可少的设备。这是因为抓具电机传送的电流直接与施加的扭矩相关联。

电流传感器对于实现电流控制器至关重要。3.压力传感器主要用于感应气动抓具气室的压力。这种传感器在闭合力回路中起着基础作用,因为它需要两个腔室中的压力信息,以确保抓取过程的稳定和精确。

这种位置传感器主要用于量化夹爪的运动,从而帮助我们实现精确的位置和速度控制。传感器可以测量线性或角位移,这取决于我们使用的控制器。

需要说明的是,虽然触觉传感器在机器人抓具上的应用在研究环境之外仍然非常少见,但随着研究的进展,它们有望提高抓取能力,并在真实的夹子上得到更多的应用。

原文案:控制策略值得注意的是,一些引用的作品提出了一种控制方法,其中涉及更多的技术。因此,根据作者的意见,混合控制结构将根据哪一个被认为是手爪控制的核心进行分组,而不考虑手爪的类型或驱动。

模糊控制器是一种非线性、静态、多输入-多输出控制器。这种控制器可以建立在人类操作员的经验上。它提供了一种形式化的方法来表示特定过程或系统的人类启发式知识。

模糊控制器由四个元素组成,如方案所示:

针对机器人手爪,我们提出了一种通用的模糊控制器方案。这种方案特别适合用于驱动压电致动器,因为压电致动器以其微小的尺寸和高效的微操作而受到欢迎。

然而,压电致动器也容易出现滞后现象,因此,我们利用基于SMC(自适应模糊控制)的策略来处理这种非线性特性。

例如,在使用离散SMC进行闭环控制时,即使在处理迟滞行为时也没有出现任何抖动,这是因为我们使用了嵌入放大器中的特定传感器来读取位移。

图3展示了SMC原理在等式条件下的图形表示。通过运用基于二阶动态系统模型的阻抗控制离散滑模控制,我们成功实现了位置和力的双重控制。

其中,位置控制由激光位移传感器进行测量,力控制则由力观测器进行估算。因此,整个控制过程无需任何外部传感器的参与。

此外,我们还采用了一种模糊滑模控制,用于SMA驱动的手爪的力控制,滑动变量为模糊逻辑提供了输入,该模糊逻辑具有11个高斯隶属函数,可以实现去模糊化,并具有平滑和简洁的符号。

过去的几年里,机器学习技术在机器人抓取领域发挥了重要作用。最大似然应用可以视为一类优化问题,与控制理论中的优化方法有所不同,因为ML主要依赖于数据。

大多数基于ML的应用旨在确定对象位置、姿态估计和抓取估计,通常采用基于视觉的算法。虽然这些研究很有趣,但它们并不在本综述的范围内,因为我们主要

转载请注明:http://www.aideyishus.com/lkzp/9132.html

------分隔线----------------------------