楊斌

摘? 要： 以快速檢測大量仿人機器人關節(jié)驅動柔性特征為目標，設計仿人機器人關節(jié)驅動柔性特征自動檢測系統(tǒng)。系統(tǒng)檢測關節(jié)特征為關節(jié)扭矩，檢測模塊的輪輻式扭矩傳感器與扭矩轉速測量儀配合使用，測量關節(jié)扭矩大小。PLC控制器從步進電機與扭矩傳感器中獲取檢測信息，向關節(jié)驅動器與控制器傳輸檢測命令，實現(xiàn)關節(jié)扭矩自動檢測。實時控制單元與非實時控制單元構成系統(tǒng)軟件，二者以內存共享區(qū)域為中介分享檢測數(shù)據(jù)，為檢測模塊提供軟件支持。測試結果顯示，系統(tǒng)檢測仿人機器人關節(jié)扭矩誤差低于0.2 N·m，符合仿人機器人關節(jié)特征檢測標準。

關鍵詞： 仿人機器人; 關節(jié)驅動; 系統(tǒng)設計; 關節(jié)特征監(jiān)測; 關節(jié)扭矩; 系統(tǒng)測試

中圖分類號： TN957.52+3?34; TP242? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）08?0176?03

Automatic detection system for joint?driving flexible feature of humanoid robot

YANG Bin

（Department of Industrial Automation， Guang Dong Polytechnic College， Zhaoqing 526100， China）

Abstract： The automatic detection system for joint?driving flexible features of humanoid robot is designed with taken rapid detection of a large number of joint?driving flexible features of humanoid robot as target. The joint feature detected by the system is the joint torque， and the hub?and?spoke torque sensor of the system detection module is used together with the torque rotational speed measurer to measure the size of the joint torque. The PLC controller obtains detection information from stepping motor and torque sensor， and transmits detection command to joint driver and controller， so as to realize the automatic detection of joint torque. The real?time control unit and the non?real?time control unit constitute the system software， and both which share the detection data with the memory shared area as the intermediary to provide software support for the detection module. The testing results show that the torque error of humanoid robot′s joint detected by the system is less than 0.2 N·m， which conforms to the detection standard of joint feature of humanoid robot.

Keywords： humanoid robot; joint drive; system design; joint feature detection; joint torque; system test

0? 引? 言

機器人發(fā)展水平是國家科技發(fā)展的體現(xiàn)與象征，是智能化領域的延伸。仿人機器人集計算機技術、傳感器技術、電子技術與控制技術于一身，兼具人類的四肢與頭部，依照人類行為與形態(tài)設計行走姿態(tài)[1]。機器人關節(jié)驅動柔性是仿人設計的突出表現(xiàn)，其在電機驅動下可模仿人類扭轉上下肢關節(jié)[2?3]。

仿人機器人關節(jié)驅動柔性特征較多，如扭矩特征、轉角特征、振動特征等[4]，這些特征均能體現(xiàn)機器人關節(jié)是否符合生產標準、能否在工作中正常運行[5]。為此，本文以提升仿人機器人關節(jié)柔性控制效果與性能為目標，設計自動檢測系統(tǒng)檢測仿人機器人關節(jié)扭矩特征，為保障機器人關節(jié)合格率、優(yōu)化仿人機器人關節(jié)柔性提供參考依據(jù)。

1? 設計與應用

1.1? 硬件組成

仿人機器人關節(jié)驅動柔性特征自動檢測系統(tǒng)的硬件包括檢測對象、檢測控制端和檢測模塊三部分，如圖1所示。

1） 檢測對象為仿人機器人關節(jié)，通過關節(jié)驅動器、電源以及關節(jié)控制器展現(xiàn)關節(jié)驅動柔性特征。1553B總線是關節(jié)控制器與檢測控制端的連接中介，總線協(xié)議接口芯片型號為J16580R，在RT 16位緩沖模式下運行良好[6]。

2） 檢測控制端的PLC自動控制器與檢測對象驅動器控制器連接，與檢測模塊的步進電機、驅動器等元件連接，通過這種連接關系自動傳輸控制信息，確保系統(tǒng)自動檢測關節(jié)特征。PLC自動控制器采用帶晶體管形式輸出，該控制器的Q0.0，Q0.1，Q0.2端口可輸出3個高速脈沖信號，脈沖頻率[7]上限為100 kHz。

3） 扭矩傳感器、步進電機、正余弦編碼器以及磁粉制動器是檢測模塊的主要元件。其中只有編碼器直接連接計算機板卡，另外元件不具備該功能，編碼器結合IK220板卡采集檢測數(shù)據(jù)并有效處理[8]，扭矩傳感器與磁粉制動器以RS 232串口完成數(shù)據(jù)通信。輪輻式扭矩傳感器具有較強的抗干擾能力與靈敏度，組裝簡單[9]，多個輪輻以對稱的形式分布[10]。設置扭矩轉速測量儀配合扭矩傳感器使用，“置零”是扭矩轉速測量儀的突出功能，可有效防止外界溫濕度等因素對傳感器測量產生干擾，降低傳感器測量準確度[11]。傳感器精度在仿人機器人關節(jié)設計指標精度以上，測量區(qū)間大于關節(jié)測量變化區(qū)間[12]。

1.2? 軟件組成

在Windows XP+RTX環(huán)境中開發(fā)設計仿人機器人關節(jié)驅動柔性特征自動檢測系統(tǒng)，系統(tǒng)軟件部分設計上位機軟件實時掌握仿人機器人特征檢測情況。圖2為仿人機器人關節(jié)驅動柔性特征自動檢測系統(tǒng)的軟件結構。

系統(tǒng)軟件設計分實時控制單元與非實時控制單元，兩單元以內存共享區(qū)域為中介實現(xiàn)檢測相關數(shù)據(jù)交互[13]。命令模塊、變量模塊以及數(shù)據(jù)緩沖模塊是內容共享區(qū)域的主要構成，功能是將讀取用戶的開啟主線程、調整關節(jié)控制模式等命令傳遞至實時單元[14]。變量模塊具有兩個主要功能：一是向非實時單元傳遞線程運行狀態(tài)信息，如關節(jié)控制信息、線程自身狀態(tài)信息等;二是向實時線程輸出關節(jié)位置、關節(jié)目標電流等控制參數(shù)[15]。最后，仿人機器人關節(jié)驅動柔性特征自動檢測系統(tǒng)運行過程中產生的全部過程數(shù)據(jù)、狀態(tài)信息存儲在數(shù)據(jù)緩沖區(qū)。

2? 系統(tǒng)測試

選取某高校實驗室作為實驗場所，在Windows 7中運行系統(tǒng)軟件，在Matlab平臺中處理檢測數(shù)據(jù)。實驗硬件與軟件環(huán)境搭建完畢，選取5種型號仿人機器人作為系統(tǒng)測試對象，不同型號仿人機器人外觀差異較大。A，B，C，D，E為5種型號機器人編號，系統(tǒng)具體測試對象為機器人的上肢與下肢。同時設置仿人機器人關節(jié)扭矩特征檢測誤差在0～0.2 N·m之間為符合要求。

2.1? 系統(tǒng)檢測界面

檢測仿人機器人關節(jié)扭矩的界面如圖3所示。

圖中，關節(jié)扭矩檢測界面左側自動顯示關節(jié)扭矩曲線與電流曲線，以供分析機器人關節(jié)柔性驅動特征是否符合標準;界面右上端展示被測量仿人機器人的整體形象，點擊右側選項可查看詳細信息，根據(jù)需求更換檢測對象;右下端具備自動檢測、手動檢測、重新檢測功能，用戶按需求選擇檢測類型;檢測中出現(xiàn)意外情況或重要信息可在備注欄中記錄。

2.2? 檢測結果分析

采用本文系統(tǒng)檢測結果如表1所示。

對比本文系統(tǒng)檢測結果與關節(jié)扭矩真實設定值，得到本文系統(tǒng)檢測誤差如表2所示。

表2顯示本文系統(tǒng)檢測機器人關節(jié)扭矩誤差最大為0.15 N·m，低于0.2 N·m，符合機器人關節(jié)扭矩檢測標準，因此本文系統(tǒng)檢測結構可靠性較強，具有一定的實際應用價值。

2.3? 系統(tǒng)性能分析

選取50個機器人左上肢肘關節(jié)作為測試對象，采用自適應關節(jié)檢測系統(tǒng)、在線模糊調整關節(jié)檢測系統(tǒng)作為對比，在相同實驗環(huán)境下檢測機器人關節(jié)的扭矩，記錄檢測過程中三種系統(tǒng)時間開銷、靈敏度、扭矩檢測誤差三種性能指標，結果如表3所示。

表3數(shù)據(jù)顯示，本文系統(tǒng)檢測50個左上肢肘關節(jié)時間開銷為25 min，相比自適應關節(jié)檢測系統(tǒng)、在線模糊調整關節(jié)檢測系統(tǒng)節(jié)約187 min，223 min。由于本文系統(tǒng)具備自動檢測功能，形成自動檢測流程，大量節(jié)省人工安裝、拆卸關節(jié)等工作量，檢測時間開銷較小;相對而言，另外兩種對比系統(tǒng)不具備自動檢測功能，檢測時間開銷較大。本文系統(tǒng)檢測關節(jié)扭矩的靈敏度高達152.3 mV·（N·m）?1，對關節(jié)扭矩的反應較快，識別能力強。扭矩檢測誤差結果顯示，本文系統(tǒng)與在線模糊調整關節(jié)檢測系統(tǒng)符合機器人關節(jié)扭矩檢測標準，但自適應關節(jié)檢測系統(tǒng)檢測誤差為0.32 N·m，誤差較大。綜合對比可知，本文系統(tǒng)檢測性能良好，優(yōu)勢突出。

3? 結? 論

仿人機器人關節(jié)驅動柔性特征較多，本文設計的仿人機器人關節(jié)驅動柔性特征自動檢測系統(tǒng)主要檢測關節(jié)的扭矩特征。配合使用輪輻式扭矩傳感器與扭矩轉速測量儀監(jiān)測關節(jié)扭矩數(shù)據(jù)，采用PLC自動控制器實現(xiàn)關節(jié)自動檢測。測試結果顯示，本文系統(tǒng)智能化水平較高，檢測時間耗費少，適合應用于大批量機器人關節(jié)扭矩檢測中。

參考文獻

[1] 楊亮，傅瑜，何懷文.基于腿部關節(jié)控制的仿人機器人偏擺力矩控制方法[J].控制與決策，2016，31（1）：79?83.

[2] 史延雷，張明路，張小俊，等.一種旋轉型機器人柔性關節(jié)設計與分析[J].中國機械工程，2016，27（18）：2494?2500.

[3] 王旭輝，周巖.欠驅動柔性關節(jié)機器人的趨同控制策略[J].計算機工程與設計，2017，38（5）：1366?1370.

[4] 韓亞麗，吳振宇，許有熊，等.基于多模式彈性驅動器的膝關節(jié)外骨骼機械腿[J].機器人，2017，39（4）：498?504.

[5] 李澤國，李國棟.基于神經(jīng)網(wǎng)絡重力前饋補償?shù)娜嵝躁P節(jié)機器人分層控制[J].天津科技大學學報，2017，32（6）：53?58.

[6] 李永，朱松青，高海濤，等.基于混合摩擦的柔性關節(jié)機器人跟蹤控制研究[J].組合機床與自動化加工技術，2019 （1）：113?116.

[7] 孟瑤，李曉娟，關永，等.機器人關節(jié)通信總線系統(tǒng)的建模與驗證[J].軟件學報，2018，29（6）：189?205.

[8] 余永華，董俊威.逆磁致伸縮扭矩傳感器特性分析[J].武漢理工大學學報，2017，39（1）：68?72.

[9] 陳翔，黃龍，楊洋.基于計算力矩法的眼內手術機器人的重力補償[J].北京航空航天大學學報，2017，43（6）：1231?1238.

[10] 張燕君，張亦男，付興虎，等.可調量程的輪輻式光纖光柵扭矩傳感器[J].光電工程，2017，44（8）：791?797.

[11] 王亞珍，汪安明，趙坤，等.基于薄壁圓環(huán)理論的機器人用柔性軸承變形特征快速求解[J].農業(yè)工程學報，2019，35（3）：68?74.

[12] 吳潔瓊，蔡啟仲，潘紹明，等.基于ARM?FPGA的小型PLC邏輯運算控制器的設計[J].計算機工程與設計，2016，37（9）：2394?2399.

（上接第178頁）

[13] 趙云偉，耿德旭，劉曉敏，等.氣動柔性關節(jié)仿生六足機器人步態(tài)規(guī)劃與運動性能研究[J].農業(yè)機械學報，2018，49（2）：385?394.

[14] 何洪軍，劉福強，馬傳寶，等.基于仿人機器人伺服關節(jié)步態(tài)實驗研究[J].微特電機，2016，44（12）：40?43.

[15] 孫廣開，曲道明，周正干.機器人輔助激光超聲檢測系統(tǒng)的設計與實現(xiàn)[J].壓電與聲光，2017，39（5）：780?783.