智能机械手应用现状及关键技术研究

雷歌　殷凤来

摘 要：智能机械手可以代替人工完成各种复杂、危险的工作，提高工作效率，降低人力成本。文章在介绍智能机械手应用现状基础上，对机械手的关键技术进行研究，并阐明了各关键技术在相关领域中的应用方法。

关键词：智能机械手；农业采摘；采摘机械手；关键技术

我国逐渐进入老龄化社会，劳动人数的减少与人们需求之间的矛盾逐渐突出，在我们周围出现了很多代替人类劳动的机械手。农业生产中，果实收获过程所耗费的时间占据了农业生产过程的50%以上，因此，收获过程的机械化、智能化、高效化是各國农业发展的核心问题，要解决这一问题，要求我们研制一种自动化、智能化的采摘机械手[1]。在高温、有毒等特殊环境中，不但人们不能正常作业，而且环境对人体会有伤害，也督促我们应用新技术代替人力劳动。基于这些需求，各个国家在智能机械手领域投入了大量精力。

1 智能机械手应用现状

1.1 农业采摘方面

农业方面，国外研制的机械手主要应用于果实采摘行业，西班牙研究人员设计的机械手可以根据柑橘的大小、形状和颜色等方面判断柑橘是否成熟，最后确定是否满足采摘条件。比利时研制的苹果采摘机体型较大，移动不方便，因此适用于大规模的采摘，其机械手的重量大，升不到较高高度，所以适用于较小的植株。日本在番茄采摘方面设计的机械手臂有7个自由度，通过摄像机来拍摄图片，通过传感器识别果实，通过双目视觉进行定位。这个机器人在稳定工作的过程中摘番茄的速度约是8个每分钟，成功率接近60%，但是在所采摘的果实较密的地方就无法完成采摘。总的来说，国外在农业机器人方面的研究较成熟，但是因气候、土地、种植方式等方面存在多样性，所以机器人的研究未得到大范围推广。

我国的农业机器人研究最早的要数东北林业大学的陆怀民研制的林木球果采摘机器人，此机器人由液压系统驱动，通过单片机控制大小臂的升降，通过末端执行器夹持树枝根部向末梢拉动来采摘果实，采摘效率高，但是会损坏树木。沈阳自动化研究所研发了一种西红柿采摘装置，机器人装配的机械手采用一种四指机构，可以稳定夹持果实，并通过吸盘吸附果实。从长远看，科技的发展使果蔬的品种、种植方式越来越多样化，这就迫使采摘方式要革新。

1.2 工业方面

智能机械手在工业方面的应用主要在热加工、冷加工以及一些装、拆、修领域。铸造、锻造、焊接等热加工工作环境恶劣，利用机械手可以实现安全高效工作，还可以提高产品质量。在一些冷加工自动生产线上，尤其是小型、精密件加工时，机械手的优势更为突出。现阶段，自动化机床加工时，物料的夹取、工件的安装、刀具的更换基本都需要机械手完成。

1.3 日常生产生活方面

随着科技水平的发展，将在人们周围出现更多的智能机械手。例如，用于照顾老人、小孩的机器人已具雏形；协助消防员完成高温消防任务的机器人已投入使用；帮助人们炒菜洗碗的机器人即将走进人们的生活；用于沙滩捡拾垃圾的智能机器人也在研发中。这些机器人的执行机构都需要越来越精良的智能机械手进行配合。

2 关键技术应用研究

现阶段的机械手大多目标单一，一般只针对一两种作业任务。在生产成本方面，如果采用通用性的机械手就可以实现一手多用，将机械手搭载到不同的平台可以实现不同种类的作业。再次，机械手的柔性化越高，在工作过程中对目标造成的损坏就越小。所以，设计一款多样性，通用性强，稳定性高，柔性化优的机械手具有重大意义。这就要求在智能识别技术、机械本体技术、控制技术、柔性材料的应用方面有所突破。

2.1 智能识别技术

随着机器视觉系统的发展，智能识别这项新技术大大提升了对目标作业的准确性与效率，充分体现了先进技术对生产力提升的作用，不但能够将人力劳动彻底解放出来，而且可以全面提升整个生产活动的自动化水平。

智能识别技术在人们日常生活中应用很多，例如：应用于支付系统及防盗系统等方面的人脸识别技术，应用于智能停车系统中的车牌识别技术等。简单来讲，就是应用机器对采集的图片信息进行分析与判别的技术。主要过程原理首先是拍摄的图像，常用的智能识别主要感光元件是电荷耦合器件（Charge Coupled Device，CCD）或者互补金属氧化物半导体（Complementary Metal Oxide Semiconductor，CMOS），对于低端摄像主要采用CMOS，而高端摄像基本应用CCD感光元件，这些元件将复杂的自然界模拟图像进行光电转换，得到机器可以识别的数字信号。进而借助相关系统化数据处理器，筛选出有用信息，然后进行分析、运算，最终判别出结果，以达到识别不同图片和物体的功能[2]。

从智能识别整个过程来看，它包括了摄像技术、光电转换技术、图像信息处理技术、智能判断技术等综合性技术。在果实采摘或目标采集过程中，要实现智能化、自动化，就必须要实现物体的智能识别。要实现智能识别，首先得进行图像采集，图像采集工作极其重要，因为它直接关系到后续的判别结果，所以图像采集时需要根据工作距离，合理调整焦距，以期得到最优图片。如今的图像识别技术存在自适应能力差的缺点，如果采集的图像有失真残缺或者被较强的噪声干扰就不能得到理想的判决结果。智能识别技术在实际应用过程中，往往会出现诸多不利因素的影响，例如，在采摘过程中，机械臂快速运动会影响拍摄光线，引起失误；拍摄的不同角度果实由于遮挡等因素会造成无法识别及识别不全等情况；天气因素引起的光线过强或过弱都会引起数据提取失误，导致判决结果不当。这些不利因素必须尽量避免，这就要求后续数字图像处理技术、信息提取技术与判别技术更为智能，这依赖于人工智能学、系统学等学科的发展进步。

2.2 机械本体技术

在现代机械产品研发过程中，虚拟样机技术正发挥越来越重要的作用。二维软件已经不能满足设计的要求，而需要强大建模能力的三维设计软件联合运动学、动力学分析软件进行前期虚拟建模。

为了避免在果实采摘或目标采集中机械手抓伤目标，通常会采用材质较软的材料与目标接触，但是目标能否被夹坏决定于夹持力，夹持力的最佳值是保证目标不被夹破的最大值。在相同驱动力作用下，决定夹紧力的根本因素是机械手的尺寸，所以决定目标是否能够完美采摘关键在于机械手的关节尺寸是否合理。一般在設计尺寸时，首先需要针对目标，大致测定并根据经验计算机械手本体尺寸，然后进行三维建模，将三维模型导入运动学、动力学软件得到运动数据及动力数据，通过适当调整装置形状，以期得到最优的运动路线和夹紧力。这种方法周期短，节约成本，且实现了对机械手的优化设计。进行优化设计之后可通过三维制图软件导出机械本体模型框架以及图纸。机械手选材尽量使用轻便材料，不但可以降低驱动力，还可以使机械手运行更加轻巧。例如：各关节连接件可采用轻质U型铝合金连接杆，可以在动作上更加灵活，完成各种高难度动作。

2.3 控制技术

果实采摘、目标取样等工作对机械手灵活运动要求比较高，这依赖于较高精度的控制技术。控制器可采用ARM、单片机、PLC等，采摘机械手由手臂、关节和末端执行器构成，在执行采摘任务时不仅依靠灵活的机械运动，还需要智能识别技术实时感知、监测周围环境，这样机械手在执行采摘时方能实现避障、成功完成任务。在设计控制系统时，路径规划非常重要，控制系统先根据目标位置和自身位置规划好路径，当运动中接近障碍物时，需要视觉伺服系统通过图像的实时捕捉、传送，控制器根据避障数学模型进行各种类算法控制，从而有效规避障碍物。机械手控制系统结构框如图1所示，这种控制方式核心在于通过视觉控制器和关节传感器使得机器人控制器获取准确信息并进行采摘动作，视觉伺服系统帮助机械手实现避让，重置路径，联合控制机械手的运动。

2.4 柔性技术

采摘机械手是完成果蔬采摘的执行机构，需要选择合适的柔性材料和柔性技术，才能保证在采摘过程中不破坏果皮。在果蔬采摘中针对果皮易受到损伤的特点，末端执行器与果皮接触部分材料经常采用柔性橡胶，并且在柔性夹持部件中安装薄膜压力传感器，这样，采摘机械手能够具有作用力反馈功能，控制器可以根据这一伺服系统反馈力调节抓取力度，避免破坏果实。

现有采摘机械手手部设计一般依据仿生概念，指腹采用抗老化橡胶材料，并设计成仿手指指纹纹路，提高了夹持过程中的摩擦力，增加了在抓取目标时的稳定性，解决了果实采摘和目标取样工作中的滑移及掉落问题。

3 结语

人工智能技术的发展为智能机械手的研制开辟了一片新天地。本文在介绍了智能机械手在农业、工业、人们日常生活中应用现状基础上，对机械手的关键技术进行研究，分别从智能识别，机械本体设计、控制策略、柔性技术方面对机械手的主要关键技术进行了分析，为后续研制农业采摘机械手和环保机械手提供了思路。

[参考文献]

[1]肖英奎，李永强，谢龙，等.新型具有力感知的柔性果蔬采摘机械手研究[J].农机化研究，2017（10）：133-136.

[2]贾伟宽.基于智能优化的苹果采摘机器人目标识别研究[D].镇江：江苏大学，2016.