智能機械手發展及控制算法研究綜述

劉 頊，崔娟娟，陳萬培，2，榮 靜

（1.揚州大學廣陵學院 機械電子工程系；2.揚州大學 信息工程學院，江蘇 揚州 225000）

0 引言

隨著人工智能、現代控制技術、電子技術、仿真技術以及制造技術的發展，機器人在人類生活、工業生產中所扮演的角色越來越多，代替人類從事笨重、危險而復雜的工作。機械手作為機器人執行的最后環節，在不同工況下對機器的友好性、穩定性、靈敏性和精確性等要求各不相同。例如：在工廠車間中的大多是機械臂，代替人類從事搬運、安裝、分揀等工作。此類為剛性機器人，大多為金屬、塑料等材料組裝完成，驅動器為馬達，工況大多單一，控制較為簡單，整個系統為機電一體化設計，整個商用系統非常成熟，雖然能夠實現多自由度姿態變化，但是其運動特性存在限制，尺寸較大、柔順性較低。傳統的機器人大多集中在工業領域，隨著控制技術、傳感器技術、計算機技術的發展，機器人開始服務于更多領域，在諸多領域中，往往環境復雜多變，這對機械手的靈敏性、柔順性及對環境的適應性提出了更高要求。例如：殘疾人患者安裝的假肢或輔助助力醫療器械，不僅要兼顧外形的高匹配、使用時的靈敏度與靈巧性以及高仿生性，還要考慮機械手的柔順性、安全性以及人—機、機—環境交互的高效性和自然性。

1 研究現狀

經過上萬年勞作的演變，人類手指有著高度的靈活性和自適應性。各國研究人員投入大量的資金研發高仿生性的機械手，也出現了多種類型的仿生手。最早的仿生手研究始于20 世紀60 年代末，通過在內部安裝壓敏傳感器提供控制信號，各關節的動作由電動機拉動鋼絲完成。由于控制技術、材料等技術發展的局限，仿生手的自由度較低，單純依靠傳感器反饋控制實現人—機—環境交互在技術上實現難度較大且整個裝置比較笨重。20 世紀80 年代，各國研究相繼取得突破性進展，仿生手的驅動方式呈多樣性發展，同時也向著多自由度、多關節的方向發展，結構也較為緊湊。日本研制的Hitachi 手率先使用形狀記憶合金驅動；在同一時期，麻省理工學院的Utah/MIT 仿生手采用氣動驅動。新的驅動方式使得仿生手的反應速度快、質量更小，但是使用壽命短，運動可控性差。20 世紀90 年代后，隨著機電一體化技術、控制技術、材料技術以及仿生研究的發展，仿生手的研發成果呈現井噴式發展，外形、功能、自由度等各項更加接近人手。日本NAIST 研發出一款多指機械手，手掌中直接嵌入3 個驅動器，使用多跟連桿和齒輪傳動，內嵌小型攝像機和力傳感器［1］。目前，仿生手的研究基本處于實驗室階段，但已取得顯著成果。2009 年，瑞士的研究人員開發出一款具有觸感的仿生手雛形，該仿生手通過電極與患者神經系統相連接，從而建立觸覺的雙向聯系。2013 年，瑞士洛桑聯邦高等理工學校希爾維斯特羅·米克拉博士作進一步優化，制造出世界第一款能夠嚴密與上肢建立聯系，并且實時傳遞抓握觸感的義肢［2］。芝加哥康復研究所神經工程中心研發一款仿生手臂，通過肌電傳感器感受神經和肌肉活動，從而帶動仿生手進行相應的活動。目前，國內市面上存在一款利用生物電流技術，通過電極傳感器讀取向肌肉發出的信號實現動作控制［3］。以上為剛性機械手，缺少相應的柔順性和安全性，在抓取物體時不能保證易碎物品的完整。

剛性仿生手較高自由度和精確的力度需要復雜的傳感器和控制算法，使得仿生手造價高、結構復雜，研究人員開始考慮使用柔性材料設計制造仿生手。哈佛大學的研究人員設計出一款氣動網絡結構的軟體康復手套，該手套利用流體彈性制動器實現手套的彎曲變形，并在外部纏繞纖維材料限制手指的變形方向，從而達到輔助患者操作抓取物品的目的［4］。德國柏林大學研發出一款基于氣動執行器的RBO Hand，該仿生手手指為硅膠制成，研究人員通過機器學習算法訓練抓取。加州大學伯克利分校的研究人員進一步優化RBO Hand，利用機器強化算法自學人手動作，實現了靈巧執行任務。首爾大學Kim 等［5］選擇直接可變形的形狀記憶合金作為驅動器，制作出一款軟體手，通過改變仿生手剛度抓取不規則形狀物體。

盡管柔性仿生手具有很好的柔順性，但是與真實手的結構相差較大，存在魯棒性和精確性差的問題［6-7］。近期，研究者們開始考慮將剛性部件與柔性部件相結合，以彌補剛性與柔性仿生手的不足，已成為研究熱點。

剛—柔耦合仿生手可以從生物學意義上模擬人手，為了實現仿人手的功能，研究者們從解剖學的角度設計出多種類似生物手的機械裝置。楊浩［8］基于形狀記憶合金研發出仿生靈巧手，該仿生手不論從外形還是觸感都最大程度地模仿人手，安裝有皮膚組織、骨骼和肌肉。手的骨骼結構主要是由3D 打印制成，關節處嵌入霍爾傳感器，驅動器采用SMA 彈簧驅動，皮膚由硅膠澆筑而成［9］。該仿生手一共有16 個自由度，已無限接近人手21 個自由度。韓國三星公司將直徑3.5mm 的McKiben 型氣動人工肌肉技術應用于仿生手研究；日本東京工業大學鈴森康一教授團隊研發出1.3mm 與2mm 直徑細徑McKiben 型氣動人工肌肉，進一步提高了氣動人工肌肉的精度［10］；上海大學南卓江等［11］將1.3mm 與2mm 直徑細徑McKiben 型氣動人工肌肉作為柔性執行器研發出一種剛—柔耦合仿生手并通過構建BP 神經網絡運動學模型驗證了其運動性能。謝勝龍等［13］綜合現有研究進展總結出氣動人工肌肉的控制策略并提出該形式的仿生手運動過程中存在遲滯、蠕變、運動精度等問題，并給出解決問題的關鍵途徑。

2 仿生手材料與驅動

2.1 仿生手材料

傳統剛體機器人的制作材料一般為剛性材料，如金屬、硬質塑料等，一般為楊氏彈性模量109與1012帕之間，驅動方式通常為電機、液壓、氣壓驅動，驅動力可以達到毫牛到兆牛之間。工業機器人坐標系比較簡單，一般分為4 種，如表1 所示。

Table 1 Industrial robot structure表1 工業機器人結構

柔性機器人或剛柔耦合機器人的出現提高了機器人的柔順性和適應環境的靈活性。軟體材料也呈多樣化發展，軟質橡膠（彈性模量接近1GPa）、硅膠、編織物、紙、纖維、形狀記憶合金（Shape Memory Alloy，SMA）等。根據用途不同，軟體仿生手的材料和制造技術也大不相同。目前，成本低、效率高的方法為鑄造倒模，而材料的選擇也會影響制造方法。3D 打印技術的發展極大方便了柔性零件制造，為多種材料融合性使用提供了靈活性，也提高了軟體手結構的緊湊性［13］。

柔性手材料在發展中的另一個重要問題是對通訊、觸覺、控制等方面的可控性［14］。軟體手在執行任務時需要發生較大的形變，這就要求其中的通訊、電路、傳感器具有能夠承受一定形變的能力。隨著聚合物晶體管與彈性材料技術融合發展，在軟材料表層進行電路印刷以及電子元件制備的柔性電子技術日益成熟，出現了具有良好生物性能的電子皮膚，實現了軟體手可穿戴功能［15-17］。

2.2 仿生手驅動

驅動技術是仿生手發展的另一個關鍵技術。當前大多數剛性機械手多以直流電機作為執行器，一般安裝于手指關節處。直流電機具有響應速度快、控制精度高、控制簡單、輸出力矩大等特性，但是這些固有特性使得仿生手存在質量大等問題。為了解決這些問題，研究者們采用電機后置，通過腱傳動或拉線輔助驅動的方式，但是此驅動方式由于摩擦、松弛產生能量損耗，效果并不理想。

柔性以及半柔性仿生手的驅動與剛體機器人不同，驅動通常與柔性材料構成整體結構，通過外界刺激比如流體壓力、化學反應、電場、類肌腱驅動等方式實現，不同結構不同加工方式的柔性手所需的驅動方式也不盡相同，且各部件驅動方式不唯一。4 種驅動方式如表2 所示。

2.2.1 流體壓力驅動

流體壓力驅動一般有兩種方式，一般分為氣壓式和液壓式。在彈性材料內部有一系列呈封閉狀態的腔體，通過纖維約束或氣動網格，當外部流入不同壓力的氣體或液體時，通過內部張力不同控制形變程度。氣壓驅動結構簡單、獲得方便、質量輕，廣泛應用于各位機器人驅動。氣壓驅動從供氣方式上可分為壓縮供氣（物理供氣）和化學反應供氣。McKiben 型氣動人工肌肉為目前仿生性較好的驅動執行器，由橡膠管外層編制纖維套，如圖1 所示。其一端與仿生骨骼相連，另一端與送氣管相連，如圖2 所示，通過調節內部氣壓收縮手指達到驅動功能。

Fig.1 McKiben pneumatic artificial muscle圖1 McKiben 型氣動人工肌肉

Fig.2 Mckiben pneumatic artificial muscle bionic hand圖2 McKiben 型氣動人工肌肉仿生手

2.2.2 類肌腱驅動

繩索拉動驅動是實現類肌腱驅動的一種方式，通常由電機或舵機帶動繩索驅動工作部件。繩索通常選擇在長度方向上有一定強度、在其他方向上易于彎曲且不易發生形變的材料。拉線驅動結構較為復雜，對繩索線路的制造精度以及結構緊湊性要求較高，以防產生較大的摩擦，影響驅動效果。此外，由于結構復雜，對控制系統的要求也較高。

另一種較為主流的類肌腱驅動方式為形狀記憶合金（SMA）。SMA 是一種智能材料，在不同的溫度下能表現出不同的機械性能和形狀，一般被制成絲狀、片狀或彈簧形狀。目前，一般用電控制溫度，運用電控技術控制較為簡單。單程SMA 在變形后需要冷卻才能恢復原狀，往往成對對抗使用以達到連續驅動的目的。

2.2.3 電活性聚合物（EAP）驅動

電活性聚合物是一種在電場作用下能夠改變內部分子排列結構以達到形變目的的高分子智能材料。EAP 具有較強的電化學性能，響應速度快、質量輕、能耗低，同時還能充當傳感器，結構簡單、控制方便，因此在柔性機器人領域的應用前景較為廣闊。

Table 2 Four driving modes表2 4 種驅動方式

3 機械手仿真與控制算法

機械手結構較為復雜，不同的結構控制方法也不盡相同。傳統的剛性機械手一般由機械結構、傳感器、控制器構成，整個系統具有較強的非線性、外界干擾較大、各關節存在相互耦合的特點，整個系統的動力學模型非常復雜，很難實現精準控制。在未加入執行器動態的情況下，一般采用基于PID 的控制算法［18］、前饋力矩補償+PD 算法魯棒控制算法［19-21］，這些算法各有優點，但不適用于剛體機械手耦合的情況，可能會產生震顫現象，損傷系統。1966 年，Slotine 等［22］與Young［23］最早提出變結構滑模控制算法，解決了控制中模型不確定性的問題。自適應控制算法利用在線的控制信號通過設計好的規律對被控對象參數進行在線估計，在一定程度上減少了慢變不確定參數的影響。目前，已有相關研究將自適應算法與變結構滑模塊變結構算法相結合，取得不錯的效果。

1991 年，Kanellakopoulos 系統地提出Backstepping 魯棒自適應設計方法，通過將控制系統分解成簡單的耦合系統，反復地引入虛擬控制，并利用Lyapunov 穩定性函數設計每一步虛擬控制，最終得到實際控制輸入算法［24］。目前，該算法已成為非線性控制的前沿課題之一，并取得較多研究成果。研究者們傾向于結合Backstepping 算法、自適應算法和滑模控制算法，取得更好的控制效果［25-27］。

剛性結構自由度較高，可以看成關節與連桿結構，通過數學方法可以找到末端執行器的空間和姿態。與剛性連桿關節的離散性與超冗余相比，柔性仿生手由于彈性變形而具有柔順性和連接性，運動更為復雜。目前其控制方法也較為復雜。柔性機器人控制算法選擇與其驅動部件密切相關，柔性手本身具有適應性和柔順性，這對末端執行器的輸出力要求有所降低，因此可采用開環控制。有的采用傳統控制方法，如基于BP 神經網絡建模。一般對柔性機械臂運動學建模的研究可分為3 類：純運動學建模、集總參數動力學建模和連續介質力學建模。純運動學建模已應用于肌腱驅動或啟動驅動的柔性臂。一般是基于分段常區率彎曲的假設，在沒有外部載荷或外部載荷足夠小的情況下，該方法非常有效。Simo 等［28］對大動撓度梁進行了基礎性研究，利用能量法分析了由基座扭矩驅動的柔性機器人手臂的撓度，這項研究經常被看作是當代連續體機器人分析的基礎；Habibi 等［29］受蛇類運動機制啟發，建立了一系列有趣的彈性模塊肌腱驅動臂。他建立了從機械臂構型到肌腱位移的逆運動學模型，該模型假設肌腱在任何時候都處于拉伸狀態，但并不試圖模擬它們的拉伸。在假定為剛性肌腱的情況下，機械手的軸向長度參數在非線性運動學模型中也被建模為純幾何項。隨著氣動人工肌肉成為最新研究熱點，研究者們提出了諸多建模方法和控制方法。楊揚等［30］基于有監督的BP 神經網絡運動學對仿生手構建運動模型，通過多次測試，建立數學模型，改善了傳統的線性模型誤差較大的問題。這種方法模型簡單，但是需要大量的數據樣本作為訓練，比較耗時，且可移植性不高。CamaRillo 等［31］構建了一種新的線性模型-n 腱位移與梁構型之間的正逆運動學映射，將柔性梁系統作為一個整體的力學系統，該模型在實現精確控制和避免柔性肌腱松弛方面有良好效果，目前該算法較為領先。采用集總參數模型描述的末端執行器的動態響應也取得不錯的效果［32-34］。連續介質力學方法是基于分布參數模型，允許任意變形生成響應的外部載荷，基于該算法也有大量研究［35-36］。

目前，剛體機械手的商業應用較廣，研究也較為成熟。柔性機械手的運動復雜，控制算法多處于理論研究階段，國內研究更為淺顯，在算法上多有創新，穩定性欠佳，尚有較大研究空間。

4 結語

智能仿生機械手是智能機器人的重要分支，在諸多領域替代人類完成工作，幫助人類從事多種危險或不可能完成的任務。目前，工業機器人的發展已經實現成熟的商業化，但在農業、醫療、殘疾、救援輔助等方面的應用還不夠成熟。柔性或半柔性機器人對環境的適應性、安全性具有更好的優勢，但在傳感器、電化學、控制、材料等方面存在不足，各種驅動方式的運用還存在諸多缺點。并且，仿生手對環境的感知及人機協作也沒得到解決，控制算法也尚處于實驗室階段，未來發展存在無限可能，這都有待進一步研究。