老人服務機器人機械臂控制系統架構設計方法

常州工程職業技術學院 郭發勇 李 瑋中國科學院合肥物質科學研究院先進制造技術研究所 趙江海

為老人提供各種服務的機器人成為一種迫切的社會需求。為提升老人服務機器人控制系統性能，對軟件及硬件架構進行深層次分析，提出了一種包含三層控制系統架構的設計方法，在現有機器人操作系統ROS的基礎上，向上拓展應用技術開發，向下延伸底層硬件驅動技術。將該方法應用在一種新型老人服務機器人上，對老人服務機器人的機械臂系統開展運動學分析，驗證了該方法的有效性，實現了室內物體抓取，可通用于一般的服務機器人。

我國是人口大國，由于政策等原因使家庭老人的數量迅速增加，已經成為世界上人口老齡化速度最快的國家之一，并且我國人口基數龐大，老齡化人口的絕對數龐大。第七次人口普查結果顯示中國超過60歲的老人將達到2.6億人，老齡化程度進一步加深。因此，對于養老護理人員的需求極其旺盛，民政部官員表示，中國未來最少需要1000萬名養老護理人員，這種巨大的需求將衍生出特殊的市場。老人服務機器人正是面向全民健康領域的國家重大需求，研發老人服務機器人具有重要的研究價值并將為社會帶來較大的經濟、社會效益。

近年來國內外眾多企業和科研機構開展老人服務機器人的研究工作，例如本田汽車公司研發的ASIMO機器人可以根據人類的聲音、手勢等指令做出相應的動作。國內老人服務機器人也以突破環境識別、自主行走、任意抓取等多項關鍵技術，可為老人提供多功能服務。日本SCHAFT公司的HRP-2型機器人、日本國家先進工業技術研究院(AIST)的HRP-4C型機器人等也被用于研究。日本理化學研究所設計開發的RIBA機器人系列輕柔的動作可以將人類抱起或放下，或者是幫助其站立起來。

本文提出了一種新型老人服務機器人控制系統架構，以此為基礎開發設計了一款老人服務機器人，開展各項測試和實驗工作，可抓取水杯、藥品，為老人提供各項服務，實驗結果驗證了該架構的有效性。

1 控制系統架構設計（見圖1）

圖1 控制系統架構設計

采用三層控制架構，整個系統分為3層，分別為會話層、決策層、物理層：

應用層一般采用移動終端，硬件可用嵌入式PC、安卓設備等，具備良好的可視化界面，可進行系統參數配置通過有線/無線網絡控制機器人本體；終端上提供5-10Hz刷新頻率的系統狀態監測功能，包括系統各個執行部件、傳感器，可進行機器人運動學、動力學仿真；提供任務編程腳本編輯、任務分解流圖等高級應用，提供各類系統軟件API接口供給測試及二次開發。

決策層包含運動控制單元和感知決策單元。運動控制單元主要包含機器人機械臂上核心算法計算和外圍通信處理，包括復雜動力學迭代計算、雙臂協同軌跡規劃以及其他數值運算，對決策層運動控制單元開展軟件功能設計，包括通信接口、核心算法及底層驅動三個方面內容，如圖2所示。感知決策單元核心器件為深度機器視覺傳感器，用于環境感知、SLAM語義地圖構建、物體定位識別，為機械臂提供精確的物體位姿姿態信息。

圖2 軟件功能設計

物理層包含執行單元(電機、驅動器、減速機)、力傳感器和高速總線構成。高速總線采用成本較低的CAN總線，搭載CANOpen CIA402運動控制協議，或者采用成本較高的Ethercat總線，搭載COE運動控制協議，實現2-10ms控制周期插補控制，可實時采集各個電機的位置、速度、加速度、溫度、力矩等數據；電機、驅動器采用小體積高功率密度器件；力矩傳感器包含安裝在手腕部和手指部，手腕部的傳感器可進行分別用于變負載物體抓取和動力學碰撞檢測，安裝于手指部的壓力傳感器可模擬皮膚采集物體觸摸力。

系統軟件基于Linux操作系統，采用開源框架，其中系統內部通信框架采用LCM/ROS系統組件，搭載Prempt-RT Linux實時核，利用Orocos開源控制系統軟件進行機械臂運動學、動力學計算，控制雙臂和底盤。

圖3 軟件系統架構設計

2 機械臂模型分析

老人服務機械人機械臂的運動學模型建立的方法采用的是傳統的D-H方法，其D-H坐標分布圖如圖4所示。

圖4 D-H機械臂連桿坐標系

采用機器人工具箱對機械臂運動學模型開展仿真研究，用于判斷機器人運動學、動力學算法是否可以有效執行。本文采用MATLAB軟件的機器人工具箱Robotic Toolbox進行老人服務機器人的正逆運動學和逆動力學仿真，利用標準的MATLAB編程環境和控制器流圖仿真，模擬機器人連桿模型、軌跡運動規劃、障礙物碰撞檢測和機械臂物體抓取阻抗控制算法。修改了機器人工具箱的部分功能（僅能仿真單個機械臂），將其拓展為多機械臂仿真控制，如圖5所示，采用表1中的D-H參數建立與實際機器人本體參數一致的仿真模型。

圖5 雙臂Matlab仿真

表1 機械臂D-H參數

逆運動學的求解有兩種常用方法，幾何解和數值解采用Newton-Raphson算法作為求解逆運動學方法。即是從當前狀態的關節角減去一個，考慮到位姿的微小變化量，矩陣J為雅克比矩陣，通過矩陣的逆運算可以得到為：

式中J —1為J的廣義逆解。通過循環求解關節角的修正量不斷縮小位姿誤差，其求解過程如圖6所示。該方法在MATLAB中較為容易實現，但是考慮到實時數據通信和控制算法的需要，本文基于Moore-Penrose的對廣義逆的定義在雙臂機器人控制核心RT-Linux內核中編寫求解矩陣的廣義逆解或偽逆的算法以提高實時性。

圖6 Newton-Raphson法求解逆運動學

3 機械臂抓取實驗

根據本文設計的控制系統框架，開發了一款老人服務機器人，該機器人利用頭部的Kinect體感攝像頭進行環境識別和物體定位，實現機械臂指定位置的抓取，圖7所示。

圖7 雙臂機器人物體抓取測試

本文提出了老人服務機器人三層架構控制系統框架設計方法并對通用老人服務機器人的機械臂系統開展運動學分析，將該方法應用在一種新型老人服務機器人上，實現了室內物體抓取，驗證了該方法的有效性，具有一定的示范意義及通用拓展性。