智能机械手发展及控制算法研究综述

刘 顼，崔娟娟，陈万培，2，荣 静

（1.扬州大学广陵学院 机械电子工程系；2.扬州大学 信息工程学院，江苏 扬州 225000）

0 引言

随着人工智能、现代控制技术、电子技术、仿真技术以及制造技术的发展，机器人在人类生活、工业生产中所扮演的角色越来越多，代替人类从事笨重、危险而复杂的工作。机械手作为机器人执行的最后环节，在不同工况下对机器的友好性、稳定性、灵敏性和精确性等要求各不相同。例如：在工厂车间中的大多是机械臂，代替人类从事搬运、安装、分拣等工作。此类为刚性机器人，大多为金属、塑料等材料组装完成，驱动器为马达，工况大多单一，控制较为简单，整个系统为机电一体化设计，整个商用系统非常成熟，虽然能够实现多自由度姿态变化，但是其运动特性存在限制，尺寸较大、柔顺性较低。传统的机器人大多集中在工业领域，随着控制技术、传感器技术、计算机技术的发展，机器人开始服务于更多领域，在诸多领域中，往往环境复杂多变，这对机械手的灵敏性、柔顺性及对环境的适应性提出了更高要求。例如：残疾人患者安装的假肢或辅助助力医疗器械，不仅要兼顾外形的高匹配、使用时的灵敏度与灵巧性以及高仿生性，还要考虑机械手的柔顺性、安全性以及人—机、机—环境交互的高效性和自然性。

1 研究现状

经过上万年劳作的演变，人类手指有着高度的灵活性和自适应性。各国研究人员投入大量的资金研发高仿生性的机械手，也出现了多种类型的仿生手。最早的仿生手研究始于20 世纪60 年代末，通过在内部安装压敏传感器提供控制信号，各关节的动作由电动机拉动钢丝完成。由于控制技术、材料等技术发展的局限，仿生手的自由度较低，单纯依靠传感器反馈控制实现人—机—环境交互在技术上实现难度较大且整个装置比较笨重。20 世纪80 年代，各国研究相继取得突破性进展，仿生手的驱动方式呈多样性发展，同时也向着多自由度、多关节的方向发展，结构也较为紧凑。日本研制的Hitachi 手率先使用形状记忆合金驱动；在同一时期，麻省理工学院的Utah/MIT 仿生手采用气动驱动。新的驱动方式使得仿生手的反应速度快、质量更小，但是使用寿命短，运动可控性差。20 世纪90 年代后，随着机电一体化技术、控制技术、材料技术以及仿生研究的发展，仿生手的研发成果呈现井喷式发展，外形、功能、自由度等各项更加接近人手。日本NAIST 研发出一款多指机械手，手掌中直接嵌入3 个驱动器，使用多跟连杆和齿轮传动，内嵌小型摄像机和力传感器［1］。目前，仿生手的研究基本处于实验室阶段，但已取得显著成果。2009 年，瑞士的研究人员开发出一款具有触感的仿生手雏形，该仿生手通过电极与患者神经系统相连接，从而建立触觉的双向联系。2013 年，瑞士洛桑联邦高等理工学校希尔维斯特罗·米克拉博士作进一步优化，制造出世界第一款能够严密与上肢建立联系，并且实时传递抓握触感的义肢［2］。芝加哥康复研究所神经工程中心研发一款仿生手臂，通过肌电传感器感受神经和肌肉活动，从而带动仿生手进行相应的活动。目前，国内市面上存在一款利用生物电流技术，通过电极传感器读取向肌肉发出的信号实现动作控制［3］。以上为刚性机械手，缺少相应的柔顺性和安全性，在抓取物体时不能保证易碎物品的完整。

刚性仿生手较高自由度和精确的力度需要复杂的传感器和控制算法，使得仿生手造价高、结构复杂，研究人员开始考虑使用柔性材料设计制造仿生手。哈佛大学的研究人员设计出一款气动网络结构的软体康复手套，该手套利用流体弹性制动器实现手套的弯曲变形，并在外部缠绕纤维材料限制手指的变形方向，从而达到辅助患者操作抓取物品的目的［4］。德国柏林大学研发出一款基于气动执行器的RBO Hand，该仿生手手指为硅胶制成，研究人员通过机器学习算法训练抓取。加州大学伯克利分校的研究人员进一步优化RBO Hand，利用机器强化算法自学人手动作，实现了灵巧执行任务。首尔大学Kim 等［5］选择直接可变形的形状记忆合金作为驱动器，制作出一款软体手，通过改变仿生手刚度抓取不规则形状物体。

尽管柔性仿生手具有很好的柔顺性，但是与真实手的结构相差较大，存在鲁棒性和精确性差的问题［6-7］。近期，研究者们开始考虑将刚性部件与柔性部件相结合，以弥补刚性与柔性仿生手的不足，已成为研究热点。

刚—柔耦合仿生手可以从生物学意义上模拟人手，为了实现仿人手的功能，研究者们从解剖学的角度设计出多种类似生物手的机械装置。杨浩［8］基于形状记忆合金研发出仿生灵巧手，该仿生手不论从外形还是触感都最大程度地模仿人手，安装有皮肤组织、骨骼和肌肉。手的骨骼结构主要是由3D 打印制成，关节处嵌入霍尔传感器，驱动器采用SMA 弹簧驱动，皮肤由硅胶浇筑而成［9］。该仿生手一共有16 个自由度，已无限接近人手21 个自由度。韩国三星公司将直径3.5mm 的McKiben 型气动人工肌肉技术应用于仿生手研究；日本东京工业大学铃森康一教授团队研发出1.3mm 与2mm 直径细径McKiben 型气动人工肌肉，进一步提高了气动人工肌肉的精度［10］；上海大学南卓江等［11］将1.3mm 与2mm 直径细径McKiben 型气动人工肌肉作为柔性执行器研发出一种刚—柔耦合仿生手并通过构建BP 神经网络运动学模型验证了其运动性能。谢胜龙等［13］综合现有研究进展总结出气动人工肌肉的控制策略并提出该形式的仿生手运动过程中存在迟滞、蠕变、运动精度等问题，并给出解决问题的关键途径。

2 仿生手材料与驱动

2.1 仿生手材料

传统刚体机器人的制作材料一般为刚性材料，如金属、硬质塑料等，一般为杨氏弹性模量109与1012帕之间，驱动方式通常为电机、液压、气压驱动，驱动力可以达到毫牛到兆牛之间。工业机器人坐标系比较简单，一般分为4 种，如表1 所示。

Table 1 Industrial robot structure表1 工业机器人结构

柔性机器人或刚柔耦合机器人的出现提高了机器人的柔顺性和适应环境的灵活性。软体材料也呈多样化发展，软质橡胶（弹性模量接近1GPa）、硅胶、编织物、纸、纤维、形状记忆合金（Shape Memory Alloy，SMA）等。根据用途不同，软体仿生手的材料和制造技术也大不相同。目前，成本低、效率高的方法为铸造倒模，而材料的选择也会影响制造方法。3D 打印技术的发展极大方便了柔性零件制造，为多种材料融合性使用提供了灵活性，也提高了软体手结构的紧凑性［13］。

柔性手材料在发展中的另一个重要问题是对通讯、触觉、控制等方面的可控性［14］。软体手在执行任务时需要发生较大的形变，这就要求其中的通讯、电路、传感器具有能够承受一定形变的能力。随着聚合物晶体管与弹性材料技术融合发展，在软材料表层进行电路印刷以及电子元件制备的柔性电子技术日益成熟，出现了具有良好生物性能的电子皮肤，实现了软体手可穿戴功能［15-17］。

2.2 仿生手驱动

驱动技术是仿生手发展的另一个关键技术。当前大多数刚性机械手多以直流电机作为执行器，一般安装于手指关节处。直流电机具有响应速度快、控制精度高、控制简单、输出力矩大等特性，但是这些固有特性使得仿生手存在质量大等问题。为了解决这些问题，研究者们采用电机后置，通过腱传动或拉线辅助驱动的方式，但是此驱动方式由于摩擦、松弛产生能量损耗，效果并不理想。

柔性以及半柔性仿生手的驱动与刚体机器人不同，驱动通常与柔性材料构成整体结构，通过外界刺激比如流体压力、化学反应、电场、类肌腱驱动等方式实现，不同结构不同加工方式的柔性手所需的驱动方式也不尽相同，且各部件驱动方式不唯一。4 种驱动方式如表2 所示。

2.2.1 流体压力驱动

流体压力驱动一般有两种方式，一般分为气压式和液压式。在弹性材料内部有一系列呈封闭状态的腔体，通过纤维约束或气动网格，当外部流入不同压力的气体或液体时，通过内部张力不同控制形变程度。气压驱动结构简单、获得方便、质量轻，广泛应用于各位机器人驱动。气压驱动从供气方式上可分为压缩供气（物理供气）和化学反应供气。McKiben 型气动人工肌肉为目前仿生性较好的驱动执行器，由橡胶管外层编制纤维套，如图1 所示。其一端与仿生骨骼相连，另一端与送气管相连，如图2 所示，通过调节内部气压收缩手指达到驱动功能。

Fig.1 McKiben pneumatic artificial muscle图1 McKiben 型气动人工肌肉

Fig.2 Mckiben pneumatic artificial muscle bionic hand图2 McKiben 型气动人工肌肉仿生手

2.2.2 类肌腱驱动

绳索拉动驱动是实现类肌腱驱动的一种方式，通常由电机或舵机带动绳索驱动工作部件。绳索通常选择在长度方向上有一定强度、在其他方向上易于弯曲且不易发生形变的材料。拉线驱动结构较为复杂，对绳索线路的制造精度以及结构紧凑性要求较高，以防产生较大的摩擦，影响驱动效果。此外，由于结构复杂，对控制系统的要求也较高。

另一种较为主流的类肌腱驱动方式为形状记忆合金（SMA）。SMA 是一种智能材料，在不同的温度下能表现出不同的机械性能和形状，一般被制成丝状、片状或弹簧形状。目前，一般用电控制温度，运用电控技术控制较为简单。单程SMA 在变形后需要冷却才能恢复原状，往往成对对抗使用以达到连续驱动的目的。

2.2.3 电活性聚合物（EAP）驱动

电活性聚合物是一种在电场作用下能够改变内部分子排列结构以达到形变目的的高分子智能材料。EAP 具有较强的电化学性能，响应速度快、质量轻、能耗低，同时还能充当传感器，结构简单、控制方便，因此在柔性机器人领域的应用前景较为广阔。

Table 2 Four driving modes表2 4 种驱动方式

3 机械手仿真与控制算法

机械手结构较为复杂，不同的结构控制方法也不尽相同。传统的刚性机械手一般由机械结构、传感器、控制器构成，整个系统具有较强的非线性、外界干扰较大、各关节存在相互耦合的特点，整个系统的动力学模型非常复杂，很难实现精准控制。在未加入执行器动态的情况下，一般采用基于PID 的控制算法［18］、前馈力矩补偿+PD 算法鲁棒控制算法［19-21］，这些算法各有优点，但不适用于刚体机械手耦合的情况，可能会产生震颤现象，损伤系统。1966 年，Slotine 等［22］与Young［23］最早提出变结构滑模控制算法，解决了控制中模型不确定性的问题。自适应控制算法利用在线的控制信号通过设计好的规律对被控对象参数进行在线估计，在一定程度上减少了慢变不确定参数的影响。目前，已有相关研究将自适应算法与变结构滑模块变结构算法相结合，取得不错的效果。

1991 年，Kanellakopoulos 系统地提出Backstepping 鲁棒自适应设计方法，通过将控制系统分解成简单的耦合系统，反复地引入虚拟控制，并利用Lyapunov 稳定性函数设计每一步虚拟控制，最终得到实际控制输入算法［24］。目前，该算法已成为非线性控制的前沿课题之一，并取得较多研究成果。研究者们倾向于结合Backstepping 算法、自适应算法和滑模控制算法，取得更好的控制效果［25-27］。

刚性结构自由度较高，可以看成关节与连杆结构，通过数学方法可以找到末端执行器的空间和姿态。与刚性连杆关节的离散性与超冗余相比，柔性仿生手由于弹性变形而具有柔顺性和连接性，运动更为复杂。目前其控制方法也较为复杂。柔性机器人控制算法选择与其驱动部件密切相关，柔性手本身具有适应性和柔顺性，这对末端执行器的输出力要求有所降低，因此可采用开环控制。有的采用传统控制方法，如基于BP 神经网络建模。一般对柔性机械臂运动学建模的研究可分为3 类：纯运动学建模、集总参数动力学建模和连续介质力学建模。纯运动学建模已应用于肌腱驱动或启动驱动的柔性臂。一般是基于分段常区率弯曲的假设，在没有外部载荷或外部载荷足够小的情况下，该方法非常有效。Simo 等［28］对大动挠度梁进行了基础性研究，利用能量法分析了由基座扭矩驱动的柔性机器人手臂的挠度，这项研究经常被看作是当代连续体机器人分析的基础；Habibi 等［29］受蛇类运动机制启发，建立了一系列有趣的弹性模块肌腱驱动臂。他建立了从机械臂构型到肌腱位移的逆运动学模型，该模型假设肌腱在任何时候都处于拉伸状态，但并不试图模拟它们的拉伸。在假定为刚性肌腱的情况下，机械手的轴向长度参数在非线性运动学模型中也被建模为纯几何项。随着气动人工肌肉成为最新研究热点，研究者们提出了诸多建模方法和控制方法。杨扬等［30］基于有监督的BP 神经网络运动学对仿生手构建运动模型，通过多次测试，建立数学模型，改善了传统的线性模型误差较大的问题。这种方法模型简单，但是需要大量的数据样本作为训练，比较耗时，且可移植性不高。CamaRillo 等［31］构建了一种新的线性模型-n 腱位移与梁构型之间的正逆运动学映射，将柔性梁系统作为一个整体的力学系统，该模型在实现精确控制和避免柔性肌腱松弛方面有良好效果，目前该算法较为领先。采用集总参数模型描述的末端执行器的动态响应也取得不错的效果［32-34］。连续介质力学方法是基于分布参数模型，允许任意变形生成响应的外部载荷，基于该算法也有大量研究［35-36］。

目前，刚体机械手的商业应用较广，研究也较为成熟。柔性机械手的运动复杂，控制算法多处于理论研究阶段，国内研究更为浅显，在算法上多有创新，稳定性欠佳，尚有较大研究空间。

4 结语

智能仿生机械手是智能机器人的重要分支，在诸多领域替代人类完成工作，帮助人类从事多种危险或不可能完成的任务。目前，工业机器人的发展已经实现成熟的商业化，但在农业、医疗、残疾、救援辅助等方面的应用还不够成熟。柔性或半柔性机器人对环境的适应性、安全性具有更好的优势，但在传感器、电化学、控制、材料等方面存在不足，各种驱动方式的运用还存在诸多缺点。并且，仿生手对环境的感知及人机协作也没得到解决，控制算法也尚处于实验室阶段，未来发展存在无限可能，这都有待进一步研究。