電磁式人工肌肉控制系統(tǒng)的研究與設(shè)計初探

李 靖，彭宏業(yè)，秦現(xiàn)生

(1.西北工業(yè)大學(xué)，陜西西安710072;2.中航工業(yè)西安飛行自動控制研究所，陜西西安710065)

0 引 言

隨著科技的進步，足式機器人在軍事和民用等方面得到越來越廣泛的發(fā)展應(yīng)用。但傳統(tǒng)的足式機器人關(guān)節(jié)普遍采用的“旋轉(zhuǎn)電機－傳動機構(gòu)”的驅(qū)動方式，因受電機本身的力－加速度特性以及傳動機構(gòu)的動力學(xué)特性的限制，很難滿足日益復(fù)雜的應(yīng)用環(huán)境對高性能關(guān)節(jié)運動的要求［1］。

由于動物肌肉相對傳統(tǒng)的驅(qū)動器有很多無法比擬的優(yōu)點［2－4］:能量利用率高達 50%以上，能量/自重比高，瞬間爆發(fā)力大，緩沖能力強，同時具有儲能的特點，因此模擬動物肌肉特性制作的人工肌肉驅(qū)動器已成為國內(nèi)外仿生研究的一個熱點領(lǐng)域。日本自20世紀(jì)60年代起就開始研制類肌肉驅(qū)動器［2］，美國海軍將其列為未來新型驅(qū)動器的發(fā)展方向［5］。國內(nèi)眾多高校如上海交通大學(xué)、哈爾濱工業(yè)大學(xué)、中國科學(xué)技術(shù)大學(xué)、清華大學(xué)等都開展了對人工肌肉驅(qū)動器的設(shè)計和應(yīng)用研究［6－9］。目前大部分人工肌肉驅(qū)動器僅在宏觀結(jié)構(gòu)上仿生生物骨骼肌收縮特性，并未對骨骼肌內(nèi)部微觀結(jié)構(gòu)及運動機理進行仿生，同時也由于材料、工藝、結(jié)構(gòu)以及控制等方面的限制，還沒有設(shè)計出性能達到動物肌肉的驅(qū)動器。本文在分析哺乳動物骨骼肌結(jié)構(gòu)和神經(jīng)控制機理的基礎(chǔ)上，對微觀仿生的人工肌肉驅(qū)動器控制系統(tǒng)進行了設(shè)計與研究。

1 骨骼肌的生物學(xué)基礎(chǔ)

動物的運動是通過骨骼肌收縮帶動骨骼運動來實現(xiàn)的，且骨骼肌通過和不同類型的骨骼結(jié)構(gòu)結(jié)合，產(chǎn)生不同的運動方式。骨骼肌是由肌纖維構(gòu)成，而肌纖維又是由很多根肌原纖維組成，肌原纖維由串聯(lián)的若干肌小節(jié)組成，因此骨骼肌在宏觀上可以看作由若干肌小節(jié)通過串并聯(lián)組成，肌小節(jié)是肌肉運動的最基本單元。1954年Huxley［10］提出了關(guān)于肌肉運動機理的肌絲滑行學(xué)說，解釋了骨骼肌的收縮原理:雖然肌肉在宏觀上可表現(xiàn)為肌肉的縮短，但在肌細(xì)胞內(nèi)部并無肌絲或分子結(jié)構(gòu)的縮短，僅是在每一個肌小節(jié)內(nèi)部發(fā)生了粗細(xì)肌絲之間的滑行。當(dāng)肌小節(jié)處于舒張狀態(tài)時，粗絲與細(xì)絲之間重疊減少，肌原纖維伸展;當(dāng)肌小節(jié)處于收縮狀態(tài)時，粗絲與細(xì)絲之間重疊增加，則肌原纖維收縮。

骨骼肌的活動，都是在中樞神經(jīng)系統(tǒng)控制下完成的。來自中樞神經(jīng)系統(tǒng)內(nèi)的運動神經(jīng)元支配骨骼肌的運動神經(jīng)。運動神經(jīng)元通過神經(jīng)－肌肉接頭，將神經(jīng)電信號傳遞給肌原纖維，再經(jīng)過興奮收縮耦聯(lián)，引起肌原纖維的收縮。具體過程為:肌原纖維通過感受自身長度和位移變化，將轉(zhuǎn)化后的神經(jīng)信號經(jīng)傳入神經(jīng)纖維通過脊髓傳至人體的大腦;大腦對傳入信號做出解析，通過脊髓將控制神經(jīng)信號傳至各運動神經(jīng)元;各運動神經(jīng)元根據(jù)信號指示，通過神經(jīng)末梢對肌原纖維進行控制;肌小節(jié)在信號的控制作用下，產(chǎn)生牽張反射，實現(xiàn)伸縮運動，并將運動產(chǎn)生的結(jié)果反饋給神經(jīng)中樞［11－13］。骨骼肌機構(gòu)與神經(jīng)系統(tǒng)控制肌肉示意圖如圖1所示。

圖1 骨骼肌結(jié)構(gòu)與神經(jīng)系統(tǒng)控制肌肉示意圖

2 類肌小節(jié)的力和位移控制規(guī)律研究

上文介紹的骨骼肌在宏觀上可以看作由若干肌小節(jié)通過串并聯(lián)組成，參照骨骼肌的微觀結(jié)構(gòu)機理，建立多個類肌小節(jié)驅(qū)動器串并聯(lián)結(jié)構(gòu)矩陣的人工肌肉結(jié)構(gòu)模式，如圖2所示。類肌小節(jié)利用線圈繞組磁場和永磁體磁場相互作用，通過控制線圈電流的大小和方向來控制永磁體的位置和輸出力，形成舒張和收縮狀態(tài)，詳細(xì)結(jié)構(gòu)設(shè)計見文獻［14］。

圖2 肌小節(jié)串聯(lián)組成的肌原纖維模式［14］

足式機器人在行進過程中會與環(huán)境接觸，在空間運動有約束，僅僅采用位置控制是不夠的，需要控制機器人位置的同時，還要考慮交互力的控制。主動柔順控制可以很好地解決這一問題，通過傳感器引入力、位置等信號，并進行數(shù)據(jù)處理，采用合適的控制策略控制機器人運動。

除了力與位置控制以外，還應(yīng)考慮的因素包括重力、向心力、哥氏力、環(huán)境力以及加速度前反饋等因素，故類肌小節(jié)驅(qū)動器控制采取R－C力和位置混合控制，控制原理如圖3所示。位置/速度控制部分包括了3個通道:位置通道、速度通道和加速度通道。其中，xd為笛卡兒坐標(biāo)系下末端期望位置;L為運動方程;q是關(guān)節(jié)位置矢量;J為雅可比矩陣;Kpp為位置通道比例系數(shù);Kpi為位置通道積分系數(shù);xd為末端期望速度;是關(guān)節(jié)速度矢量;Kpd為速度通道比例系數(shù);Mp為位置、速度和加速度通道的選擇矩陣;d為末端期望加速度;M(q，)+g(q)為重力、向心力和哥氏力加入的關(guān)節(jié)動態(tài)補償

(q)為位置、速度和加速度通道的慣量矩陣;τ為空間力矩之和;Fd為笛卡兒坐標(biāo)系下末端期望的廣義力;Mf為力控制部分各個分量的選擇矩陣;KfP為力通道比例系數(shù);Kfi為力通道積分系數(shù);F為當(dāng)前末端的廣義力;KfdF為測量得到的廣義力;JTkfP為彈性目標(biāo)對仿生關(guān)節(jié)的剛性要求而產(chǎn)生的環(huán)境力。

圖3 人工肌肉閉環(huán)控制原理

由位置通道、速度通道和加速度通道產(chǎn)生的關(guān)節(jié)空間力矩:

由力通道產(chǎn)生的關(guān)節(jié)空間力矩:

動態(tài)補償部分產(chǎn)生的關(guān)節(jié)空間力矩:

仿生關(guān)節(jié)空間的力矩為力通道產(chǎn)生的力矩、動態(tài)補償部分產(chǎn)生的力矩以及位置通道、速度通道和加速度通道產(chǎn)生的力矩三者之和。即:

3 人工肌肉驅(qū)動器控制系統(tǒng)硬件結(jié)構(gòu)

通過類比生物神經(jīng)控制組成方式，設(shè)計人工肌肉控制系統(tǒng)硬件組成框圖如圖4所示。中央計算機起人體大腦的作用，通過控制總線(脊髓)與類肌原纖維控制器DSP芯片通信。DSP向中央計算機提供通過傳感器(即人體感受器)采集的位置、力等信息，同時接受中央計算機下達的運動命令，并進行解算，最后對類肌小節(jié)驅(qū)動器進行控制。

圖4 人工肌肉控制系統(tǒng)硬件組成簡圖

本系統(tǒng)具體實現(xiàn)電路如圖5所示。系統(tǒng)采用工控計算機構(gòu)成上位機系統(tǒng)，采用DSP－FPGA的模式構(gòu)下位機系統(tǒng)。上位/下位機通過RS－485總線進行通訊，系統(tǒng)通信的波特率設(shè)計為38 400 b/s，且可調(diào);下位機的DSP與FPGA之間采用并行總線進行通訊，數(shù)據(jù)總線寬度為16位。

下位機系統(tǒng)中DSP處理器選用TI公司成熟的工業(yè)控制器TMS320F2812，設(shè)計工作外頻30 MHz，通過內(nèi)部倍頻處理可工作在120MHz，該處理器在系統(tǒng)中實現(xiàn)的功能:運動控制指令的解碼、外回路控制律的解算，可變增益調(diào)節(jié)及故障監(jiān)控等。

圖5 類基元肌小節(jié)控制系統(tǒng)硬件電路圖

FPGA選用APEX公司的A3P1000，該FPGA具備內(nèi)部FLASH，真正實現(xiàn)“零”上電加載時間，有效避免因上電加載而出現(xiàn)系統(tǒng)失控現(xiàn)象，該FPGA在系統(tǒng)中實現(xiàn)如下功能:行/列驅(qū)動器電流開關(guān)通斷控制、驅(qū)動器工作的PWM波產(chǎn)生、驅(qū)動器正反轉(zhuǎn)控制信號的產(chǎn)生及A/D、D/A轉(zhuǎn)換芯片的控制等。

系統(tǒng)單個驅(qū)動器工作電流最大為1 A，因此可以用于驅(qū)動類基元肌小節(jié)驅(qū)動器的器件包括繼電器、晶閘管、功率管、專用功率驅(qū)動器等，實際選型考慮盡量減小控制器體積，因此選用集成度高、技術(shù)較成熟的專用功率驅(qū)動器，本系統(tǒng)選用NSC公司的專用驅(qū)動器LMD18200，該驅(qū)動器內(nèi)部集成兩路驅(qū)動電路，工作電壓范圍較寬，具有過壓、過流、超溫保護。圖4中僅給出一路列肌小節(jié)驅(qū)動器控制電路，整個系統(tǒng)共設(shè)計了12組行/列肌小節(jié)驅(qū)動器控制電路。

4 人工肌肉驅(qū)動器控制系統(tǒng)軟件結(jié)構(gòu)

通過類比生物神經(jīng)控制方式，人工肌肉控制系統(tǒng)軟件任務(wù)分解如圖6所示。將控制系統(tǒng)分為上位機與下位機兩部分，起人體大腦作用的中央計算機，分析從DSP傳回來的傳感器實時數(shù)據(jù)，并對實時數(shù)據(jù)進行解析與信息融合，計算當(dāng)前時刻人工關(guān)節(jié)所處的位置并分析關(guān)節(jié)受力等其它狀態(tài)。同時根據(jù)控制律要求，解算下一時刻人工關(guān)節(jié)運動的目標(biāo)位置及運動任務(wù)，對人工關(guān)節(jié)進行任務(wù)協(xié)調(diào)和任務(wù)分解，計算出的控制量通過控制總線發(fā)送給下位機核心處理器DSP。DSP軟件所完成的任務(wù):對上位機傳來的運動控制指令的進行解碼，并實時計算肌小節(jié)驅(qū)動器外回路控制律，對前向控制增益進行調(diào)節(jié)，此外DSP還負(fù)責(zé)各驅(qū)動器傳感器及電流回路的故障監(jiān)控。DSP計算后的指令送至FPGA，由FPGA內(nèi)部邏輯將這一指令轉(zhuǎn)化為驅(qū)動各肌小節(jié)驅(qū)動器運動的實際方向信號及電流PWM信號，使每個類基元肌小節(jié)達到預(yù)定位置，完成目標(biāo)動作。

圖6 人工肌肉控制系統(tǒng)軟件任務(wù)分解圖

5 結(jié) 語

本文對哺乳動物骨骼肌結(jié)構(gòu)和神經(jīng)控制肌小節(jié)運動的機理進行了分析，為使仿生肌肉運動特性更加逼近動物肌肉，進一步研究了肌小節(jié)的力和位移控制規(guī)律。基于理論分析原理，經(jīng)反復(fù)論證，設(shè)計出了仿動物肌肉結(jié)構(gòu)的串/并聯(lián)肌小節(jié)驅(qū)動器控制系統(tǒng)，并對該系統(tǒng)的軟件進行了任務(wù)分解及上/下位機工作剖面劃分。本文旨在對仿生肌肉微觀控制系統(tǒng)設(shè)計方法進行探討，并完成了控制軟硬系統(tǒng)設(shè)計。后續(xù)將進一步進行實驗驗證，逐步完善該控制系統(tǒng)，使其達到實際工程運用的目標(biāo)。

［1］應(yīng)申舜，秦現(xiàn)生，任振國，等.基于人工肌肉的機器人驅(qū)動關(guān)節(jié)設(shè)計與研究［J］.機器人，2008，30(2):142 －146.

［2］徐偉，孫序粱，何麗娟.仿生學(xué)在人工肌肉研究中的應(yīng)用［J］.機器人，1995，17(5):303 －308.

［3］陳守良.動物生理學(xué)［M］.第二版.北京:北京大學(xué)出版社，2005.

［4］Bar－ Cohen Yoseph，Biomimetics.Biologically Inspired Technologies［M］.New York:Taylor＆ Francis Group，2006.

［5］Madden J D，Vandesteeg N，Madden P G，et al.Artificial muscle technology:physical principles and naval prospects［J］.IEEE J.O-cean.，2004，29(3):706 －728.

［6］馬浩全，胡德金，張凱.Micro－displacement amplifying mechanism driven by piezoelectric actuator［J］.Journal of Southeast University，2004，20(1):75 －79.

［7］宋艷，章永華，張世武，等.柔性仿生魚鰭中形狀記憶合金鰭條的優(yōu)化設(shè)計［J］.機械與電子，2009(5):5－9.

［8］王揚威，王振龍，李健，等.形狀記憶合金驅(qū)動仿生蝠鲼機器魚的設(shè)計［J］.機器人，2010，32(2):256 －261.

［9］杭觀榮，曹國輝，王振龍，等.SMA驅(qū)動的仿生機器人研究現(xiàn)狀及其展望［J］.微特電機，2006(11):4－8.

［10］Huxley A F.Muscle Structure and Theories of Contraction［J］.Prog.Biophys.Biophys.Chem.，1957，7:255 －318.

［11］Koo T K K，Mak A F T.Feasibility of using EMG driven neuromusculoskeletal model for prediction of dynamic movement of the elbow［J］.Journal of Electromyography and Kinesiology，2005，15(1):12－26.

［12］Loeb G E，Brown I E，Cheng E J.A hierarchical foundation for models of Sensorimotor control［J］.Exp Brain Res，1999，126:1 －18.

［13］王煒.類肌肉仿生驅(qū)動技術(shù)研究［D］.西安:西北工業(yè)大學(xué)，2010.