人机协作的仿生变刚度关节设计及控制

仿生智能与机器人3（2023）100084研究用于人机协作的仿生变刚度关节结构设计与刚度匹配控制张秀丽a，黄立群b，牛昊aa北京交通大学机械电子与控制工程学院，北京100044b北京小米手机软件有限公司北京市朝阳区朝阳路100085ar t i cl e i nf o文章历史记录：2022年8月25日收到2022年10月30日修订2022年11月14日接受2022年12月5日在线发布保留字：变刚度关节仿生设计sEMGa b st ra ct交互的物理顺应性是机器人与人之间安全高效协作的重要要求，而人-机器人顺应性的实现要求机器人关节具有与人类关节相似的可变刚度。基于人体手臂肌肉韧带的组织结构和驱动原理，设计了一种由弹性带和串联弹性驱动器并联组成的变刚度机器人关节。通过调节弹性带的张紧长度实现关节的变刚度。以人体手臂表面肌电信号作为关节刚度的表征量，建立肘关节伪刚度模型。机器人关节的刚度实时调整，以匹配基于人手臂在操作期间的sEMG信号的变化的人手臂刚度。基于末端刚度匹配策略，实现了人机协作的实时柔性交互此外，为了验证基于人体关节刚度匹配的柔顺控制策略的有效性仿生变刚度关节具有良好的刚度调节能力，基于人表面肌电信号的人-机器人关节刚度匹配策略可以提高人-机器人协作的有效性和舒适性。版权所有2022作者。由Elsevier B.V.代表山东大学出版。这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍传统的机器人应用一般采用人机分离的方式来保证安全.随着机器人技术的发展，生产中对人机协作的需求越来越大。高效人机协作的挑战是人机交互的安全性和舒适性。协作机器人一般采用轻量化结构、柔性层、扭矩约束、触觉传感、碰撞检测等来保证人机协作的安全性UR系列机械臂（Universal Robot）[1]、YUMI机器人（ABB）[2]、CR-35 IA协作机器人（Fanuc）[3]、MIRO机器人（DLR）[4]等。然而，大多数协作机器人具有高关节刚度，并且不具有像人类手臂中的关节那样的这使得它们无法顺畅地相互交互，限制了人机协作的有效性人体手臂关节由粘弹性生物组织（例如肌腱）驱动，其使用韧带来调节肌肉的驱动以因此，人的手臂可以根据关节刚度来合理地调节关节刚度，*通讯作者。电子邮件地址：zhangxl@bjtu.edu.cn（X. Zhang）。https://doi.org/10.1016/j.birob.2022.100084装载速度和准确性协作机器人应该具有像人类手臂那样的可变刚度功能和柔性驱动，以与人类协作执行任务，例如搬运，装配和加工，或者在医疗领域实现康复和生命支持等操作行为。机器人通过本体结构顺应和主动控制顺应来实现顺应。车身结构的协调性是通过将弹性元件串联连接在关节中以实现被动顺应性来实现的。被动顺应性的典型应用Laffanchi等人[5]开发了一种紧凑的旋转SEA，使用三个线性弹簧的周向布置。Sergi等人[6]使用定制的盘型扭转弹簧来减小SEA模块的尺寸和重量，并扩展扭矩传递范围。为了实现关节的变刚度功能，一些学者利用杠杆原理或凸轮机构设计了变刚度作动器（VSA），改变弹性元件变形与外力作用之间的几何关系。Osada等人[7]设计了三角形变刚度机构; Huang等人[8]使用四杆机构形成变刚度关节; Kim等人[9]设计了可调力臂VSA; Guo Long [10]设计了可变刚度关节。2667-3797/©2022作者。由Elsevier B.V.代表山东大学出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表仿生智能与机器人学期刊主页：www.elsevier.com/locate/birobX. 张丽 Huang和H. 牛仿生智能与机器人3（2023）1000842图1.一、 SoftJoint I的3D模型和原型通过改变悬臂板弹簧的有效工作长度来提高柔性接头的刚度通过控制策略使用传感器来检测交互和主动柔软度，使机器人能够适应更广泛的人机交互场景。用于协作机器人的主动顺应控制目前基于力反馈技术结合PID方法用于Albu-Schäffer等人[13]使用可变参数虚拟弹簧阻尼器来提高关节顺应性控制器的鲁棒性。Gonzale等人[14]介绍了高效的然而，传统的机械摄动法只能测量静态刚度，不能用于实时表面肌电信号是人体肌肉收缩产生的生物电信号，不同的运动会产生不同幅度或频率的表面肌由于sEMG、肌肉运动和肌肉力量之间存在特定的对应关系，因此sEMG通常用于人体运动意图识别、假肢运动控制或手臂僵硬度估计。DelPreto等人[15]使用sEMG检测人体手臂的水平高度变化，并预测其上下运动。Liang等人[16，17]设计了一种基于sEMG增量的力和刚度预测算法。Deka推出了Luke医疗机器人手臂[18]，它使用sEMG信号作为控制输入，使佩戴者能够执行日常任务。Ajoudani等人[19，20]将操作员生成的EMG信号映射到期望的运动轨迹和阻抗中，以实现机械臂的力反馈控制。[21]提出了一种结合表面肌电传感器的机器人位置和刚度的混合映射方法。Lakatos等人[22]使用多层回归模型将sEMG信号映射到关节刚度，以研究人体在操作任务期间的阻抗调节特性。Li等人[23，24]使用sEMG驱动的肌肉骨骼模型来获得关节刚度。Liang [25]利用表面肌电信号的标准样本熵特征建立了表面肌电信号与握力之间的映射关系Yang等人[26]使用基因表达式编程来建立表面肌电信号与抓握力之间的关系Huang等人。[27]结合sEMG来预测人机协作期间的人类肘关节扭矩和运动意图虽然研究者们提出了各种变刚度柔性驱动结构，但很少有人研究在实际应用中实时调整机器人刚度的原理，从而不能充分发挥变刚度驱动结构的应用价值此外，传统的主动顺应性控制策略不能解决人-机器人交互中人的可变性问题为了探索人机交互过程中机器人刚度与人体刚度匹配的原理，提高人机协作过程的柔顺性，设计了一种由弹性带和SEA并联组成的变刚度柔顺关节SoftJoint I手臂肌肉拮抗驱动原理，基于机械结构顺应性和主动控制顺应性方面。利用人体表面肌电信号建立了人体肘关节刚度评价模型，提出了2. 仿生变刚度关节2.1. 变刚度柔性连接结构的设计以肘关节为仿生对象，模拟肱二头肌和肱三头肌的对抗驱动原理，进行柔性关节的设计。SoftJoint的原型结构如图所示。1，尺寸参考人臂数据。在上下连杆之间存在由碳纤维管制成的单自由度旋转接头。驱动源采用大减速比谐波减速器的直流伺服电机此外，减速器的输出轴连接到自制的旋转SEA。 SEA通过三组周向均匀分布的弹簧传递动力，将弹簧的线性运动转化为关节扫掠臂的旋转（图10）。2）。弹性带布置在任一个上，连接轴系统的一侧，其一端固定到下连杆，另一端缠绕在输出端上X. 张丽 Huang和H. 牛仿生智能与机器人3（2023）1000843（）=·+=·= −·=··（）下一页图二. 旋转SEA的3D模型。上连杆上端的刚度调节电机轴。弹性带的位置受到以下约束：图3. S E A 中 弹 簧 组 的 受力分析。由SEA旋转中心上的弹簧产生的扭矩：支撑圈，其上端固定在上连杆上，下端穿过上连杆的滚轮间隙，TS=FS′·R=KS·R2·sin 2θSEA（三）下链接。变刚度关节利用SEA和弹性带形成并联弹性驱动来控制关节运动，而刚度调节电机控制弹性带的长度来改变关节力，从而主动调节关节刚度。2.2. 变刚度柔性关节刚度建模关节的刚度是影响臂柔度的重要参数，假设所有连杆都是刚性的， 接头中仅有的弹性元件是SEA中的弹簧和刚度调节模块中的弹性带。该关节由SEA模块与刚度调节模块并行驱动。接头扭矩是SEA扭矩和弹性带扭矩之和，如等式10所示（1）：其中Fs′Fs cosθSEA（F1F2）cosθSEAKs R sin2θSEA。当弹簧的末端与扫杆接触时，臂，由于半径r的影响，在弹簧的近端和远端到旋转中心之间产生的扭矩是不同的。因此，施加于SEA的扭矩为：TSEA=3KS·R2+r2/3·sin2θSEA=a·sin2θSEA（ 4）其中3KSR2r2/3，由参数Ks、R和r确定。2.2.2.弹性带扭矩计算弹性带的运动具有对称性。关节角度θ被选择为在0-180 °的范围内弹性带与支撑环的接触状态分为K =dTJ =d（TSEA+T皮带）（一）三种类型：双侧包裹、单侧切线和单侧切线，Jdθdθ其中，KJ是接头刚度，TJ是施加到接头的扭矩，TSEA是由SEA模块产生的扭矩，TBelt是由弹性带产生的扭矩，并且θ是接头变形角。2.2.1. SEA模块扭矩计算SEA模块由三组围绕中心轴均匀分布的弹簧组成。由于每组弹簧承受相同的力，因此只选择一组弹簧进行力分析。根据文献[28]中描述的计算SEA力矩的方法，受到图中所示的力。3，左弹簧因压缩而缩短，右弹簧因拉伸而伸长设F1和F2分别为左、右弹簧在清扫臂扫动臂的偏转角度因此，F1和F2保持沿着水平方向。由左弹簧和右弹簧产生的弹簧力为：F1=KS·（xp+x（θSEA））横向分开，如图4所示。L1和L2分别是从弹性带的连接点到接头的旋转中心的距离。B1和B2分别是弹性带到支撑环左右的长度。 当弹性带与支撑环相切时，θ1和θ2弹性带与支撑环一侧相切时的关节角临界值为θlim当关节角位移为180°时，两条弹性带的初始长度、刚度和伸长率相同，分别为B0、KB和λx0下连杆在载荷作用下的端部关节变形角为θ。假设两侧弹性带由于关节运动而产生的变形变量为Δx1和Δx2，则弹性带设置在关节上产生的扭矩为：T皮带=FT1·R1−FT2·R2=KB·（R1·x1−R2·x2）（ 5）其中R1和R2是从弹性力到关节旋转中心几何关系表明：RB1=arccosl1（二）F2=KS·（xp−x（θSEA））其中KS是弹簧刚度系数，xp是弹簧预紧力。RBn2=arccosl2RB（六）压缩，x（θSEA）是SEA受压后弹簧的变形，即，x（θSEA）=R·sinθSEA，其中θSEA是lim= +arccosl2（七）SEA变形角和R是内圆的半径三个弹簧。将由弹簧组产生的组合力分解到清扫臂的方向上提供了组合力在不考虑刚度马达主动调节的情况下，弹性带的变形量是关节运动引起的被动变形量，X. 张丽 Huang和H. 牛仿生智能与机器人3（2023）1000844（）=·+=+∈√√√∈12⎧⎨√l2+l2−2l1l2cosϕ,ϕ=0◦∼ϕlim1B2B21B2B00001B2B1√√2图四、弹性带的受力分析。（a）双边包装。（b）单边切线。（c）单方面隔离。左和关节角度为：B1（R）=l2−R2+l2−R2+R（−-），=∼180◦（八右松紧带长度与关节角度的关系为：B2（π）=π12−R2+π12−R2+RB（2π−π−R1−R2）（9）当刚度调节电机改变弹性带的长度以产生主动控制量ΔxM时，弹性带变形变量Δx1和其中，x2是：x1=x2=通过组合（5）、（8）、（9）、（10）和（11），由设置在关节的旋转中心上的弹性带产生的扭矩为：图五. SoftJoint I的受力分析。(a)在受力变形之前。(b)受力变形后其中3KSR2r2/3。当关节承受载荷扭矩T 载 荷时，关节偏转角θ实现新的平衡。 此时，接头角为θ′=θ+θ，SEA偏转角为h·（（b++g·−c），θS′EAθSEAθ是：.应用于关节T型皮带=皮带2M=02012年1月2日（RB）公司简介M1000-j）， =lim∼180◦（十二）TJ2=TSEA2+TBelt2=Tload（15）根据等式（4）、（12）、（13）和（15），表示其中b=x −B，c=（x −B +l2−R2+l2−R2+RB·（2π−1−2））·cos2，d=cos2，e=l2+l2，f=2 l1·l2，g = RB·cos2，h = KB·l2，i = KB·RB，j = RB·π。2.2.3. 变刚度柔性接头刚度计算如图5、对柔性接头进行了受力分析。由于关节连杆的重量轻，产生的力矩很小，因此为了简化模型而忽略。当（0°，θlim），关节角度为θ，SEA偏转- 摩擦角为θSEA，SEA产生的扭矩和当柔性接头处于平衡状态时，弹性带为0接头刚度可以如下获得：KJ=dTJ/dθ=<$（TJ2−TJ1）/<$θ=2a· cos（2·（1/ 2· arcsin（（h·（c−（b+e−f·cos）cos（1/2））−d·xM−g·））/a）+θ））+hg−h/2·（b+nxM+e−f·cos（n+θ））sin（（n+θ）/2）−fsin（ε+θ）cos（（ε+θ）/2）/e−f· cos（ε+θ）（十六）TJ1 =TSEA1 +T皮带1 =0（13）类似地，当λ（λlim，180λ）时，关节刚度可以是获得为：其中TJ1是接头扭矩。从Eqs。（4）和（13），SEA偏转角可以是0b。保留为：KJ=dTJ/dθ=<$（TJ2−TJ1）/<$θB1LimX. 张丽 Huang和H. 牛仿生智能与机器人3（2023）1000845θSEA=1arcsin2−T带1一（十四）=2a·cos（2·（1/2 arcsin（（2i（j-RB·-RxM））/a）+θ））+2i·RB（十七）X. 张丽 Huang和H. 牛仿生智能与机器人3（2023）1000846见图6。 SoftJoint I静态刚度识别实验。2.3. 变刚度柔顺接头特性试验2.3.1. 静刚度识别试验当原型以初始角度θ= 130°静止时，向输出连杆施加负载，并相应地调整弹性带的伸长接头稳定后，记录刚度调节电机的调节量和接头的相应变形角 每组实验重复三次，并对结果进行分析，以获得原型的实际关节刚度值，如图所示。第六章实验结果表明，在给定载荷下，关节刚度随弹性带调整量的增加而增加，表明所实际测量的刚度值通常与计算的理论刚度值一致。但是，弹性带调整越小，两者之间的误差越大，这主要是由于关节连杆重力引起的关节角度变形的误差。2.3.2. 关节刚度台阶试验在接头输出连杆的端部施加载荷。在52.5 N m/rad下测量电流刚度。然而，所需的接头刚度值为59.1 N m/rad。根据关节刚度模型，弹性带调节为80 mm，刚度电机以67 RPM的速度将弹性带调节至预定长度。实验结果如图所示。 7，这表明接头刚度需要1.56 s以达到设定的刚度。关节位置移动1.16度。2.3.3. 关节角度位置跟踪试验给定关节驱动电机周期为4 s的正弦轨迹，关节刚度设定为52.5 Nm/rad，59.1 Nm/rad来执行运动。实验结果如图8所示，表明柔性关节的输出可以更好地跟踪规划轨迹。由于关节弹性效应的存在，输出具有一定的超调和滞后。关节刚度越大，位置跟踪性能越好。3. 人-机器人关节刚度匹配柔顺控制技术3.1. 人体肘关节伪刚度建模人体刚度的变化基本上是肌肉调节，其中身体通过改变拮抗肌的张力来改变关节刚度。sEMG信号被用作中枢神经控制的媒介，图第七章 节点刚度阶跃试验数据。（a）刚度变化曲线。(b) 关节角度变化曲线。见图8。正弦轨迹跟踪实验结果。(a)刚度为52.5 Nm/rad时的轨迹跟踪曲线;（b）刚度为59.1 Nm/rad时的轨迹跟踪曲线。人体肌肉表面肌电信号的变化反映了人体关节刚度的变化，二者呈线性相关。为此，提出了一种以表面肌电信号为载体的人体肘关节伪刚度建模方法，用于机器人关节的变刚度控制。来自人手臂的sEMG信号被用作肘部刚度的表征量。使用MYO手环采集sEMG信号，该手环由八通道EMG信号采集模块组成。手镯X. 张丽 Huang和H. 牛仿生智能与机器人3（2023）1000847ch=ch肘MaxCH=-Max肘∑见图9。 MYO的手臂肌肉分布见图10。表面肌电信号线性幅度包络法戴在肘关节上方15厘米处，如图所示。第九章的 快速线性幅度包络方法[29，30]用于降低原始sEMG信号中的噪声。处理后的sEMG曲线更加平滑，在幅值和变化趋势上与原始信号保持良好的线性，从而反映了sEMG信号的变化特征，如图10所示。设计肘关节静态僵硬度判别实验，研究肘关节僵硬度与其驱动肌群表面肌电的关系。我们发现，对应于肱二头肌的MYO手环的通道1、2和8以及肱肌的通道3和7的信号幅度随着屈臂条件下的负载变化而显著变化，而肱三头肌的通道4、5和6几乎没有显示出任何变化。因此，对应于肱二头肌和肱肌的sEMG信号幅度线性叠加，肘关节刚度表征计算。A肘（i）=∑An（i）（18）其中，A 肘（i）是在时刻i的人体肘关节的EMG信号的幅度，An（i）是在时刻i的MYO手环的第n通道的EMG信号的幅度，并且n1, 2、3、7和8。由于sEMG信号受人体肌肉活动状态和个体差异的影响，因此使用幅度缩放对sEMG进行归一化。见图11。sEMG信号和肘关节伪刚度映射算法。(a)sEMG线性振幅包络。(b)振幅归一化。(c)分段离散化它被称为K弯头（i）=M系数 ·k⑴+M偏置（20）其中，K肘是肘关节伪刚度，M系数是刚度映射因子，M偏差是刚度偏差 。 为 变 刚 度 柔 性 关 节 SEA 模 块 选 择 的 弹 簧 刚 度 为 16.366N/mm，并且通过实验测量获得弹性带刚度。选定的弹性元件刚度和相关尺寸的可变刚度关节中的关节刚度模型，以获得关节范围为35-78 N m/rad。为了确保肘关节伪刚度匹配机器人关节的可实现刚度范围，k（i）=Aelbow（i）/AMAX=An（i）/n n中文（简体）M系数30和M偏倚4 5 岁。由于肌肉产生的sEMG信号实时连续变化，因此不能直接用于机器人刚度调整。因此，肘关节其中，k（i）是归一化的sEMG信号、人体肘部EMG信号的AMAX值和第n通道sEMG信号的An值是最大值是最大值使用分段离散化技术处理sEMG信号映射后的关节。基于sEMG信号强度对肌肉疲劳的影响和人体sEMG的活跃水平sEMG信号与关节刚度相关，并且（20）中所示的线性函数用于映射肘关节刚度。由于映射的关节刚度不是实际刚度，信号振幅，肘关节的伪刚度振幅被分段并使用（21）离散化。每一段都被赋予一个归一化的人体关节刚度固定值∑X. 张丽 Huang和H. 牛仿生智能与机器人3（2023）1000848⎪⎨≤J==其中KP见图12。 人机关节刚度匹配算法流程图匹配控制 信号处理如图所示。 十一岁p形弯头（i）=M系数 ·kp（i）+M偏置，k（i）≤0. 05kp（i）0。二十五岁，0。05

下载后可阅读完整内容，剩余1页未读，立即下载