新型混合驅動智能仿人手設計

關鍵詞：結構兼容；螺旋驅動；多模態；紋理識別

0 引言

仿人機器人技術迭代逐漸加速，在眾多領域已展現出重要的實用價值。隨著人形機器人技術的落地，對機器人在動態化場景中的多元化操作提出了更高的挑戰[1-3]。在多場景、多變化的現實應用中，機械手需要具備更加智能和快速的應變能力 [4-5]。

機械手作為機器人不可或缺的組成部分，是實現人機交互和執行任務的關鍵組件。根據驅動結構不同，機械手可分為欠驅動和全驅動兩種類型。欠驅動機械手結構簡單、操作難度低，適用于抓取精度不高的場景[6]；全驅動機械手關節獨立可控、靈活度高，適用于精細操控場景，也是擬人化方向的研究熱點[7]。京東數科研發的人工智能（Artificial Intelli?gence， AI）仿生手，具有15個活動關節，可實現多關節協同控制與精細操作。北京因時科技生產的仿生手，具有6個驅動電動機和12個活動關節。

高集成及多模態感知能力提升是機械手邁向商用領域的關鍵一步。有效的復雜操作要求多傳感器數據融合，以準確地反饋自身及多變場景實時狀態[8]。完善的多模態感知系統是有效獲得外界信息的重要途徑。當前，多手指關節的協同運動控制及精簡高效的傳感系統仍是非常值得深入研究的課題 [9]。

付敏等[10]設計了一種變結構氣動軟體機械手，通過結構的轉換實現工作空間的調整，并對腔體氣壓與彎曲角度進行了研究。唐超權等[11]基于液體壓強傳導原理設計了一種具有壓敏元件和溫度敏感元件的仿生手指，并對仿生手指的觸覺感知能力進行研究，實現了機械手對物體的智能識別。李康等[12]設計了一種多功能氣動柔性機械手，通過手指關節位置可變結構實現了多種抓取模式，并對機械手的抓取性能進行了測試。李文軍等[13]基于電磁絲桿傳動技術，設計了一種6自由度仿生手，并對柔性氣囊觸感檢測進行了研究，但手指不具備側擺功能，抓取空間受到限制。鄭浩賢等[14]設計了一種腱繩驅動靈巧手，利用氣囊的膨脹實現手指側擺動作，但手指關節結構較為復雜。

針對當前機械手驅動結構對多變場景適應性差、多模態感知聯動性不足等問題，本文通過對驅動結構兼容設計，在不增加手指尺寸的情況下，實現了手指精細操作和包絡抓取兼容設計，對不同場景的操作適應性和操作便捷性得到有效提升。通過對多種傳感器布局優化及傳感數據進行研究，實現了機械手在多模態感知模式下的全流程智能抓取。

1 手部結構設計

設計的仿人手采用氣壓和電動機兩種驅動源，充分利用不同驅動器特點，分別實現手指側擺驅動、全/欠兼容驅動，提升了仿人手在實際場景中的應用能力。結合手掌空間結構及驅動器特性，除大拇指外的其余4指均采用扁囊實現手指的側擺驅動。大拇指和食指的手功能占比約為60%，遵循仿生原理對仿人手的食指和大拇指關節結構進行了全驅動和欠驅動兼容設計。通過關節內置微型電動機實現多關節獨立驅動，同時，在手指根部配置大轉矩微型減速電動機以實現欠驅動模式下的強力抓取。為提升仿人手智能程度，控制系統集成了溫度傳感器、壓力傳感器、彎曲傳感器、氣壓傳感器和振動傳感器。多傳感器的數據融合，使抓取過程更加擬人化和智能化。仿人手整機具有20個活動關節、16個驅動器和14個傳感器。實物樣機如圖1所示。

參考GB/T 16252—2023標準中成年人手部尺寸參數[15]，采用3D打印成型技術，實現了手部高復雜度、高集成度及輕量化設計。將微型電動機內嵌在手指節中，實現關節集成化自驅動；手指欠驅動和側擺驅動機構集成在手掌中；通過異形結構實現仿人手整體系統的高度集成。仿人手參數如表1所示。

1. 1 全/欠兼容驅動手指結構設計

食指在人手功能的占比約為20%。根據功能占比對手指進行差異化設計，對食指采用多關節全驅動和欠驅動兼容結構方案。欠驅動模式下，通過欠驅動電動機帶動繞行在各個手指關節內的欠驅動腱繩，實現手指3個關節的自適應彎曲運動；全驅動模式下，通過手指節內嵌的微型步進電動機帶動獨立驅動腱繩，實現3個手指關節的獨立驅動。欠驅動和全驅動系統的驅動電動機和對應的驅動腱繩相互獨立，采用關節內置扭簧實現手指復位動作。手指結構如圖2所示。通過欠驅動電動機和全驅動電動機的隨機組合，可實現多種工作狀態，提升手指的抓取能力。

大拇指在人手功能的占比約為40%，常規抓、握、捏等動作均需大拇指配合完成。大拇指與其余4指的配合抓取通常可以分為3種：①精細化和球形抓取，拇指與食指和中指相對；②圓柱形物體抓取，拇指與其余手指完成封閉抓取；③側抓取，拇指與其他手指相交，實現側捏抓取。對大拇指采用類食指驅動結構，其具有多關節獨立驅動和欠驅動功能，通過微型蝸輪減速電動機直連驅動方式，可實現大拇指側擺動作，且可在任意位置自鎖。大拇指驅動結構如圖3所示。

大拇指自主旋轉自鎖結構，可實現與其余4指結構的不同空間構型。大拇指相對手掌的全局運動位置如圖4所示。大拇指旋轉角度范圍為0～144°，遠超人手拇指平均旋轉角度90. 2°，可使仿人手在精度、力量和橫向握持之間自由切換，且靈活度更高、操作空間更大。大拇指的旋轉軸與手腕軸為平行設計，當大拇指結構旋轉到不同角度時，系統自動對驅動腱繩張力進行補償，以實現精準的抓取動作。

1. 2 錐形螺旋驅動軸設計

實際應用中，抓取較大物體時，手指屈曲角度小，但所需抓取力通常較大；抓取較小物體時，手指屈曲角度大，但所需抓力通常較小。采用微型減速電動機+錐形驅動軸的結構方案，利用驅動軸有效半徑的變化，可在狹小空間下實現較長的驅動距離及變驅動力。驅動過程中，錐形螺旋軸上腱繩旋轉半徑從小到大逐漸變化。因電動機輸出軸轉動半徑與輸出轉矩成反比，可實現驅動轉矩由大到小的自動調節，從而更好地匹配實際抓取過程中驅動力先大后小的需求。該驅動方式采用軸向拉力驅動，具有一定的自鎖能力并且布置相對靈活。初始時，鋼絲繩固定在錐形螺旋驅動軸根部，與進線口共面分布。電動機轉動時，驅動繩附著在螺旋線槽中，簡化驅動繩受力為平面狀態，此時受力分析如圖5所示。

式中，FL 為驅動繩的拉力，N；Td 為電動機的驅動轉矩，N·m；θ 為驅動繩在轉折點與豎向線的夾角，（°）；Ri 為驅動繩在轉折點處的螺旋軸半徑，m。

不同驅動方案的特征參數對比如表2所示。表2中，驅動空間為傳動裝置可活動的區間；驅動軸為帶動驅動繩移動的傳動裝置；驅動腱繩直徑按照0. 5 mm 計算；驅動空間內允許纏繞的距離遠大于100 mm且具有自鎖功能。

1. 3 扁囊側擺驅動結構設計

手指側擺功能使機械手具有更多空間姿態以應對多樣化的抓取需求，提升了仿人手的功能性和實用性。扁囊體積小、驅動靈活，適用空間狹小、驅動力小的側擺位置。初始時，手指在側擺復位彈簧拉緊力作用下，保持與彈簧同軸共線。當扁囊充入氣體時，由于單側結構限位，其徑向膨脹產生的推力使手指旋轉側擺；手指復位時，控制電磁閥使扁囊放氣，在彈簧拉力作用下，手指恢復至初始狀態。4根手指相對手掌中心分別向外側擺，側擺張角α 為17°。手指側擺驅動結構如圖6所示。

1. 4 彈性指尖結構設計

仿人手紋理識別是獲取目標物表面特征的重要能力。當手指從物體表面滑過，表面凹凸特征可引起手指起伏振動，通過彈性振動指尖結構可實現手指對不同紋理結構的識別。食指和大拇指指尖已具備溫度和壓力傳感器，考慮中指的物理結構和功能作用，將指尖振動檢測傳感器設置在中指的遠指節中。彈性振動檢測指尖結構如圖7所示。

當彈性伸縮觸點與物體表面接觸并進行預壓縮，以一定速度在物體表面滑動時，由于指尖探測頭和凹凸紋理的分離與接觸產生碰撞振動，并由振動傳感器獲取，結合時間頻域可得出不同疏密紋理特征的振動信號，用于反饋表面結構特征。振動傳感器型號為SW-18010P，通過內部彈簧末端共振與金屬外壁接觸形成開關狀態，具有超高靈敏度，能夠感知輕微振動，觸發力度僅為（1±0. 7） g。將振動傳感器安裝在滑動塊中，側邊導向柱和尾端彈簧結構使滑動塊具有一定伸縮距離，檢測探頭前部接觸位置為滾珠結構，可以實現順滑接觸。

2 控制系統設計

2. 1 基于熱力分布的傳感器布局優化

通常未對在指尖放置的溫度和壓力傳感器位置進行精細化設計。由于欠驅動模式的隨機性，在實際抓取不同類型物品時，手指傳感器檢測點位與物體實際受力點難以準確重合。

為提升手指傳感器與物體接觸的有效性，采用熱成像方式對手指抓取不同物體時的接觸點位進行采集，對機械手傳感器布局位置進行優化。圖8（a）所示為熱力采集平臺。熱成像儀型號為Fluke TiX580，熱力圖像通過軟件處理可精確分辨0. 01 ℃溫度差異分布。手指溫度分布如圖8（b）所示。抓取對象包括圓柱形、方形、球形物體。手指采用欠驅動模式并通過人手握持仿人手樣機進行隨機擺動抓取方式，根據仿人手與物體接觸狀態和位置的隨機性，試驗前將物體在水浴中加熱，每次抓取2 min，每個物品進行25次抓取，對抓取后溫度分布圖進行處理，提取接觸點位。

圖9為手指區域劃分圖。將手指按照間距為3 mm的方格進行劃分，根據抓取后溫度峰值區域提取并統計隨機姿勢抓取不同物體時溫度最高點位分布。不同物體對應的接觸點位次數分布如圖10所示。

由圖10可知，在隨機狀態下抓取不同物體時，8和14 號區域位置接觸概率最大， 總接觸占比為30. 7%；8、9、13、14這4個區域的接觸概率總占比為54. 7%。根據圖10，對溫度和壓力檢測點位進行布局優化，傳感器檢測點位為手指長度的3/5 位置處，布置如圖11所示。

2. 2 彎曲傳感器應用研究

利用根指節微型電動機分別驅動食指和大拇指，實現整根手指的開合動作；通過彎曲傳感器對不同彎曲狀態進行研究，實現對物體外形尺寸及關節轉角檢測。圖12所示為指尖距離計算模型。

式中，Lm 為大拇指屈曲關節總長；γ 為大拇指旋轉角度；β 為食指旋轉角度；Lsg 為食指近指節旋轉軸到所建坐標系原點的距離；Ls 為食指屈曲關節總長；Lmg為大拇指近指節旋轉軸到所建坐標系原點的距離。

彎曲傳感器橫跨3個手指關節，任意關節的轉動均可引起彎曲傳感器電阻的變化。采用單關節獨立驅動模式分別記錄不同關節在不同轉角時對應的傳感器讀數，通過多次測試可得到彎曲傳感器讀數與關節轉角的關系曲線，如圖13所示。分別擬合傳感器讀數與各關節轉角間的數學關系式，可實現單個彎曲傳感器對3個手指關節獨立驅動時的轉角反饋。

對單個彎曲傳感器多段順序彎曲時電阻變化量進行研究，可實現多關節順序運動時的轉角檢測。手指關節獨立驅動并按照先近指節彎曲、再中指節彎曲、最后遠指節彎曲的動作順序。近指節獨立轉動時可參考圖13中數據。當近指節彎曲后中指節再彎曲、近指節和中指節均彎曲后遠指節再彎曲時，傳感器數據變化趨勢如圖14所示。通過數據擬合，可得到全驅動模式下關節轉角與傳感器讀數間的關系。

根據指尖測距原理對不同尺寸的物體進行尺寸識別，可驗證指尖尺寸識別算法在實際應用中的準確性。分別選取大小不同的球形、圓柱形、方形物體，每個物體進行20次指尖檢測。圖15所示為外形尺寸為80 mm的圓球、圓柱和方形的測試結果。圖16所示為直徑為40 mm圓柱與外徑為45 mm的球形和方形物體的測試結果。從圖16可以看出，機械手對物體尺寸預測具有較高的精準度。

采用欠驅動模式，對傳感器讀數與手指包絡物體直徑對應關系進行研究，并將數據在Matlab軟件中進行擬合，得到圖17所示的曲線。

2. 3 扁囊驅動應用研究

扁囊充氣后逐漸膨脹，在外部結構限制下徑向尺寸變大，對手指根部產生旋轉推力。圖18所示為手指關節側擺受力分析，扁囊與根指節通過弧形側壁接觸以增加接觸面積，可提升側擺推動力。

式中，K 為彈性系數，N/m；Ltc1 為根指節旋轉后彈簧總長度，m；hc 為彈簧未受力時的長度，m。

扁囊的單層壁厚為0. 5 mm；根指節旋轉半徑Lz為17. 6 mm；氣泵最大輸出壓力為0. 1 MPa；扁囊充氣時逐漸由扁平狀態變為橢圓狀態，最終變為圓柱狀態。充氣開始后，默認扁囊與根指節驅動裝置接觸面為半弧形，則扁囊推力Fq 計算式為

式中，Fq 為扁囊與產生的推力，N；P 為扁囊中的壓強值，Pa；L 為扁囊充氣后與根指節接觸的弧長，m；H 為扁囊與根指節接觸的有效長度，m。

指尖的側擺夾取力與扁囊驅動力互為轉矩關系。根據手指長度與旋轉軸距離驅動位置關系，可計算得出指尖夾取力，即

式中，Fz 為指尖側擺夾取力，N；Lq 為扁囊驅動半徑，m；Rs為指尖到轉動中心的距離，m。

通過對手指側擺力的研究，可實現對側擺夾取力控制及目標物重力預估。手指側擺力推動物體在桌面滑動，通常兩干燥物體間的摩擦因數為0. 1～0. 6，在此取摩擦因數為0. 5，則物體預估重力計算式為

通過試驗獲取充氣時間與側擺轉角的關系，可實現對手指張合角度的控制，實現更大的操作空間，提升機械手的抓取能力及擬人程度。充氣時間與關節側擺轉角數據在Matlab中的擬合曲線如圖19所示。

式中，α 為手指側擺角度，（°）；t 為充氣時間，s。

2. 4 紋理識別技術研究

搭建圖20所示的測試平臺，對彈性指尖的紋理識別技術展開研究。測試平臺包括手指結構、水平移動機構、升降機構、不同紋理結構測試板及控制系統。

測試樣板的凹凸紋理結構高度為0. 8 mm，間隙范圍為1～6 mm，凸起結構為錐形圓弧結構。測試時，首先，將手指結構向下移動，確保指尖彈性探頭與測試板接觸；然后，勻速水平移動手指。通過多次測試，得出的不同紋理板的測試圖譜分別如圖21～圖26所示。從數據中可以看出，檢測噪點量隨著凹凸紋理密度的提升而增加。經數據處理后，振動傳感器可準確表征不同凹凸紋理結構特征。

3 試驗研究

仿人手驅動及傳感系統分布如圖27所示。6個微型電動機分別實現6根手指的欠驅動及大拇指側擺驅動；6個關節內置微型步進電動機分別實現大拇指和食指3個屈曲關節的獨立驅動；食指和大拇指指尖分別集成了溫度傳感器和壓力傳感器；每個手指內側均有彎曲傳感器；中指指尖設有振動傳感器；手掌中設有4個扁囊，每個扁囊配有1個氣壓傳感器，控制系統采用Arduino Mega2560板卡。

為對仿人手的實際性能進行測試，搭建了圖28所示的試驗測試平臺，對仿人手的擬人特性、智能化抓取操作進行驗證。

通過電動機和扁囊配合驅動，可實現仿人手靈巧操作。其擬人能力測試結果如表3所示。

仿人手的智能控制系統可獲取目標物尺寸、溫度、重力參數，并實現抓取力自主計算的智能抓取操作。通過食指和大拇指捏取，可獲取物體外形尺寸和表面溫度；通過手指側擺推力，可預估物體重力并計算合適抓取力；基于壓力反饋，可實現穩定抓取操作。智能化抓取流程如圖29所示。

對基于溫度感知的智能抓取進行測試，模擬人手抓取盛放有熱水的水杯的過程。抓取過程中的數據變化曲線如圖30所示。由圖30可知，當手指逐漸彎曲接近水杯時，指尖溫度傳感器隔空感知溫度，并進入自主判斷程序；當檢測溫度超過設定閾值時會發起警示，然后松開手指，實現智能化操作。這種智能抓取操作在智能假肢領域具有較高的應用價值。

通過抓取試驗，對仿人手的實際操控能力進行評估。通過試驗測試可知，仿人手可實現雙指捏取鉛筆、雙指側捏卡片、抓握并按壓噴劑瓶、握取指甲鉗等精細類抓取及操作。在包絡抓取時，各個手指對目標物的形狀具有較強的自適應能力，使得抓取更加穩定。不同物品對應的抓取測試如圖31所示。

采用側捏、包絡、雙指抓取等方式對不同屬性物體進行抓取測試的數據如表4所示。

4 結論

設計了一種全驅動和欠驅動兼容的手指結構。通過微型步進電動機、直流電動機和扁囊結構，實現了手指關節的多種驅動模式。仿人手主體結構采用聚乳酸材料進行打印制作；通過錐形螺旋驅動軸設計，實現了小尺寸下無限驅動位移及驅動力的自動調節；通過溫度傳感器、壓力傳感器、彎曲傳感器、氣壓傳感器、振動傳感器的高集成優化布局設計與數據采集，提升了仿人手與外界環境交互的智能性。通過精細抓取和包絡抓取，對機械手的操控性能進行了測試，可完整實現對人手的動作模仿及自主智能化復雜抓取操作，為仿人手的結構設計與系統控制提供了借鑒。