国创项目机械手文献综述.docx

国创项目机械手文献综述.docx

《国创项目机械手文献综述.docx》由会员分享，可在线阅读，更多相关《国创项目机械手文献综述.docx（13页珍藏版）》请在冰豆网上搜索。

国创项目机械手文献综述

基于机器视觉的仿人三指放书机械手

文献综述

1、引言

随着科技的发展，机器人技术是未来科技的发展方向,尤其是仿人机器人。

但是仿人机器人目前还只停留在实验室阶段，还无法成为一种大规模生产的产品为大家服务。

特别是仿人五指灵巧手，还只是实现了摆出各种动作，而正常的握持物体仍存在困难[1]。

基于此点，我们想设计制作一种多自由度仿人三指取书机械手，一取书动作简单，三指即可实现，而且图书重量并不大，拟实现仿人三指手的稳定握持；二实用性强，特别是此机械手可以帮助残疾人或手部不便利的老人取书架上的图书，制作成服务型机器人可投入量产服务大众。

为此，我们搜集了近几年的文献资料，为该项目的设计提供可行的方案。

机械手是指能模仿人手和臂的某些动作功能，用以按固定程序抓取、搬运物件或操作工具的自动操作装置。

而仿人多指灵巧手是指模仿人类具有多个手指关节的可按照指令完成人手可以完成的动作的机械装置。

在研究仿人多指灵巧手的时候，会涉及机械设计、机电控制、控制系统、测试系统、材料力学等多个领域多个学科。

本文将从仿人多指灵巧手和机器视觉两个方面介绍当前的研究状况。

2、机械手研究发展概况

目前，在日本和欧美等发达国家的工厂和企业中，工业机械手已经被广泛地运用来代替工人完成各类简单和重复性的工作。

这类工业机械手基本上是限定在特定的环境中完成单一的操作。

对于一些在繁重、危险、恶劣、极限或一般的环境下需要人手才能完成的复杂作业而言，例如捏、夹、推、拉、按、剪、切、敲等，普通的工业机械手则显得无能为力。

由于和人手一样带有五个手指和手掌及分布触觉机能的五指形灵巧手具有极强的功能和很高的通用性，它完全可以代替或帮助人类在各种场合下灵巧地完成各类复杂的作业。

例如，机械制造、化工生产、核电维修、军事战备、医疗手术扥。

因此，各发达国家的工厂正迫切地希望研制出高性能的通用型五指灵巧手来完成上述作业[2]。

据目前的资料，最早的多指形机械手出现于1962年[3]。

当时美国制造出来一种类似多指形机械手的手爪，由于该手仅仅是装配有多指的手抓，不能完成灵巧操作，因此它并不能算真正意义上的多指形灵巧手。

真正的多指灵巧手出现于1974年，当时日本研制出了名叫Okada的三指形机械手[4]。

Okada三指形手是多指灵巧手研究的开端。

20世纪80年代以来，日本、欧洲、美国等都积极地开展了多指灵巧手机械手的研究和试验，已经有一些非常有代表性的多指灵巧手研制成功。

比较著名的有1982年美国斯坦福大学Salisbury和Craig等研制的Stanford/JPL手[5]；1984年，美国MIT和犹太大学Jacobsen、Wood、Knutti等联合研制了Utah/MIT手[6]；1992年，Jau等研制了用于航空和航天的JPL四指形灵巧手等。

我国开展多指灵巧手的研制工作始于20世纪80年代，北京航空航天大学和哈尔滨工业大学在这方面的研究具有代表性。

北京航空航天大学和哈尔滨工业大学在这方面的研究具有代表性。

北京航空航天大学机器人研究所于1993年研制成功了我国第一个三指机器人手——BUAA-Ⅰ手，后来又研制了改进型的BUAA-Ⅱ和BUAA-Ⅲ手[7]。

1998年，以BUAA-Ⅲ和PUMA560成功构建了臂手集成系统进行了相关集成性实验。

2001年，研制成功了四指灵巧手——BUAA-4手[8]。

该灵巧手具有4个模块化的手指，每个手指有4个自由度。

以上的三指或四指机械手都具有一定的灵活性，能够完成相对复杂的操作，但是还是存在一些问题。

首先是驱动问题，由于它们大多都是通过较长的腱连接远距离放置的执行器驱动的，在支撑机械手的机器臂前进中，机械手会被长的腱缆拉动，接触到手臂时机器臂的运动就会受阻；而且由于腱缆的弹性，会导致关节转角控制不精准；还有，他们的机械结构过于复杂，难以维护。

作为商业应用，这些手还存在一定的问题，所以都只能用于实验室进行各种研究。

尽管如此，这些三指、四指形机械手的设计思想、机械结构及控制系统的研究对于五指形灵巧手具有很大的借鉴意义。

3、多指灵巧手抓取规划

3.1机器人运动学[9]

一个中心位于参考坐标系原点的坐标系由三个向量表示，通常这三个向量相互垂直，称为单位向量

，分别表示法线（normal）、指向（orientation）和接近（approach）向量（如图所示）。

每一个单位向量都由它们所在参考坐标系的三个分量表示。

这样，坐标系F可以由三个向量以矩阵的形式表示为：

图3.1坐标系在参考坐标系原点的表示

如果一个坐标系不再固定参考坐标系的原点（实际上也可包括在原点的情况），那么该坐标系的原点相对于参考坐标系的位置也必须表示出来。

为此，在该坐标系原点与参考坐标系原点之间做一个向量来表示该坐标系的位置（如图3.1所示）。

这个向量由相对于参考坐标系的三个向量来表示。

该坐标系就可以有三个表示方向的单位向量以及第四个位置向量来表示。

图3.2一个坐标系在另一个坐标系中的表示

3.2机器人静力学[9]

在静力学上我们使用雅可比矩阵（Jacobianmatrix）来讨论机器人的速度和静力学。

数学上雅可比矩阵（Jacobianmatrix）是一个多元函数的偏导矩阵。

假设有六个函数，每个函数有六个变量，即：

可写成：

Y＝F（X）

将其微分，得：

也可简写成：

上式中的（6×6）矩阵

叫做雅可比矩阵（Jacobianmatrix）

机器人的速度：

对于n个自由度的工业机器人，其关节变量可以用广义关节变量q表示，q＝[q1q2…qn]T，当关节为转动关节时，qi＝i，当关节为移动关节时，qi＝didq＝[dq1dq2…dqn]T反映了关节空间的微小运动。

工业机器人手部在操作空间的运动参数用X表示，它是关节变量的函数，即X＝X（q），并且是一个6维列矢量（因为表达空间刚体的运动需要6个参数，即三个沿坐标轴的独立移动和三个绕坐标轴的独立转动）。

因此，dX＝[dxdydzxyz]T反映了操作空间的微小运动，它由工业机器人手部微小线位移和微小角位移（微小转动）组成，d和没差别，因为在数学上，dx=x。

于是，写出类似的方程式，即：

dX＝J（q）dq

对式左、右两边各除以dt，得：

即

式中：

V——工业机器人手部在操作空间中的广义速度，V=

；

——工业机器人关节在关节空间中的关节速度；

J（q）——确定关节空间速度

与操作空间速度V之间关系的雅可比矩阵。

3.3机器人动力学

3.3.1机器人动力学两类问题

1.动力学正问题——已知关节的驱动力矩，求工业机器人系统相应的运动参数（包括关节位移、速度和加速度）。

也就是说，给出关节力矩向量，求工业机器人所产生的运动参数、

及

。

2.动力学逆问题——已知运动轨迹点上的关节位移、速度和加速度，求出所需要的关节力矩。

即给出、

及

，求相应的关节力矩向量。

可以使用拉格朗日方程：

，i＝1，2，…，n

式中，Fi称为关节i的广义驱动力。

如果是移动关节，则Fi为驱动力；如果是转动关节，则Fi为驱动力矩。

用拉格朗日法建立工业机器人动力学方程的步骤：

（1）选取坐标系，选定完全而且独立的广义关节变量qi（i＝1，2，…，n）

（2）选定相应的关节上的广义力Fi：

当qi是位移变量时，则Fi为力；当qi是角度变量时，则Fi为力矩。

（3）求出工业机器人各构件的动能和势能，构造拉格朗日函数。

（4）代入拉格朗日方程求得工业机器人系统的动力学方程。

3.3.2关节的动力学模型

上节所提到的HIT手是由4个完全相同的手指组成，大拇指与其他3个手指相对放置，每个手指有4个关节，通过微型直线驱动器进行驱动。

HIT手手指的每个主动关节有关节力矩传感器，用来感知该关节所受的力矩。

根据这种方法可以得到关节的传递函数[10]。

设

和

分别为关节的期望轨迹向量和实际轨迹向量，其中：

分别为关节的期望位置、速度和加速度；

分别为关节的实际位置、速度和加速度。

如果定义误差向量为

则可以得到状态空间中的误差方程为

其中：

3.4位置/力矩控制策略

3.4.1轨迹插补

为了使灵巧手平滑地跟踪目标位置

根据控制周期

利用轨迹规划器对

进行插补，使所有轨迹点的位置、速度和加速度连续，插补周期T=50ms，将插补得到期望轨迹序列（

）作为相应控制周期内关节的期望位置、速度和加速度。

这种插补算法又叫带有过渡域的插补算法[11].

3.4.2基于动力学模型的滑模位置控制[12]

滑模控制具有设计简单、鲁棒性强等优点，并且不需要精确的数学模型，因此本文基于滑模实现控制。

滑模位置控制器的设计包括两个部分：

选择切函数s（E）,使系统的滑动模态渐进稳定并且具有期望的动态品质；求解控制函数uc（E）,以满足滑模的存在条件和到达条件。

4、机械臂

4.1人体手臂运动检测与建模

4.1.1人的手臂主要关节及其运动自由度

人的手臂，医学上称之为上肢。

上肢骨包括上肢带骨和自由上肢骨两大部分。

前者有锁骨和肩胛骨，后者包括臂部的肱骨、前臂部并列的尺骨及手的8块腕骨、5块掌骨和14块指骨。

所有这些骨骼都通过关节连接，并与连接骨骼的韧带、肌肉、肌腱、起保护作用的软组织和皮肤共同组成了完成的人体上肢[13]。

通过对人体的上肢各关节进行机构分析可得[14]：

关节名称

运动副类型

自由度个数

肩关节

球面副

3个自由度

肘关节、腕关节、掌指关节

球销副

2个自由度

指间关节

转动副

1个自由度

4.1.2手臂运动过程中的约束关系

人体的手臂的运动不是各个关节各自独立的，他们之间存在的一定关系，也正是这些约束关系的存在，才使人的手臂按照自然的方式运动。

根据相关论文，人手臂的运动中存在的约束关系主要有[13,15-17]:

1）由于人体躯干以及手臂各部分的相互影响，使手臂关节运动在空间中不可能是任意的，其都有一定的极限运动范围，此处称之为静态运动范围约束；

2）由前所述，肱挠关节的运送因手肱尺关节的约束，虽然其有两个自由度，但是与肱尺关节和挠尺关节自由度重合，这使肘关节具有两个自由度。

3）单个手指各段指骨的运动都为平面内运动。

4）人的手指，若想活动末关节，则必然要利用与其相邻的PIP关节，否则手指活动不自然。

因此，在不施加外部约束的情况下，PIP关节与DIP关节旋转角度间具有线性化的约束关系；

5）在手指自然运动状态下，如果不是故意施加内力，中指一般很少做收展运动，因此可以认为中指的收展运动范围为0。

4.2关节型机械臂

传统的机械臂都是将关节的驱动电机放在关节处，这样无论是设计、安装和控制都会相当简单，这类机械臂称为关节型机械臂。

它最大程度的模拟人类手臂的构造，每一级电机转动的角度都是相对于上一级关节的角度，通过旋转矩阵可以轻松将其角度转为在空间中的绝对的角度，这对机械臂的控制来说算法并不复杂。

但是，这种采用电机、齿轮减速器、关节轴三者直接相连接的关节型机械臂[18]，它的下一级电机往往都是上一级电机的额外负载，这降低了机械臂的传动效率。

这是关节型机械臂的一个问题。

在一个关节型机械手的结构创新设计中[19],腕部设计成了3个自由度动作的结构，它是由3个回转关节组合而成，组合方式采用2台步进电机驱动，1台步进顶级DJ1通过同步齿形带轮带动一对圆锥齿轮实现手腕转动；另1台步进电机DJ2通过另一堆同步齿形带轮带动腕摆框实现腕摆运动，步进电机DJ3实现小臂的转动。

其中，当腕摆框摆动而手转电动机不转时，联接手部的锥齿轮将会产生一个附加的手转运动，需要在控制上加以修正。

4.3钢丝传动机械臂

根据“最轻自身重量最大负载能力”原则[20],对机械臂机械结构所做的各种改进研究中[21-22]，最具有突出效果的是钢丝绳传动机构[23-24]。

这其中比较著名的有广濑男等人研制的四足步行机器人TI-TAN-Ⅷ。

但是，在传动张力方面也存在一些不足之处，比如机构刚性不足、末端精度不高等问题。

在这方面也有人对其进行了改进[25]。

5机器视觉与图像采集的研究的现状

国外机器视觉发展的起点难以准确考证，其大致的发展历程是：

在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。

国内机器视觉发展的大致历程：

中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。

对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。

5.1机器视觉与图像采集技术在各个领域的应用

视觉技术的最大优点是与被观测对象无接触,因此,对观测与被观测者都不会产生任何损伤,十分安全可靠,这是其它感觉方式无法比拟的.理论上,人眼观察不到的范围机器视觉也可以观察,例如红外线、微波、超声波等,而机器视觉则可以利用这方面的传感器件形成红外线、微波、超声波等图像.另外,人无法长时间地观察对象,机器视觉则无时间限制,而且具有很高的分辨精度和速度.所以,机器视觉应用领域十分广泛,可分为工业、科学研究、军事和民用4大领域.

5.1.1工业领域

工业领域是机器视觉应用中比重最大的领域,按照功能又可以分成4类:

产品质量检测、产品分类、产品包装、机器人定位.其应用行业包括印刷包装、汽车工业、半导体材料/元器件/连接器生产、药品/食品生产、烟草行业、纺织行业等.下面以纺织行业为例具体阐述机器视觉在工业领域的应用[26].在纺织企业中,视觉检测是工业应用中质量控制的主要组成部分,用机器视觉代替人的视觉可以克服人工检测所造成的各种误差,大大提高检测精度和效率.正是由于视觉系统的高效率和非接触性,机器视觉在纺织检测中的应用越来越广泛[27],在许多方面已取得了成效.机器视觉可用于检测与纺织材料表面,目前主要的研究内容可分为3大类:

纤维、纱线、织物.由于织物疵点检测（在线检测）需要很高的计算速度,因此,设备费用比较昂贵.目前国内在线检测的应用比较少,主要应用是离线检主要的检测有纺织布料识别与质量评定、织物表面绒毛鉴定、织物的反射特性、合成纱线横截面分析、纱线结构分析等.此外还可用于织物组织设计、花型纹板、棉粒检测、分析纱线表面摩擦。

5.1.2民用领域

机器视觉技术可用在智能交通、安全防范、文字识别、身份验证、医疗设备等方面.在医学领域,机器视觉用于辅助医生进行医学影像的分析,主要利用数字图像处理技术、信息融合技术对x射线透视图、核磁共振图像、CT图像进行适当叠加,然后进行综合分析,以及对其它医学影像数据进行统计和分析。

5.1.3科学研究领域

在科学研究领域可以利用机器视觉进行材料分析、生物分析、化学分析和生命科学,如血液细胞自动分类计数、染色体分析、癌症细胞识别等。

5.1.4军事领域

视觉技术可用在航天、航空、兵器（敌我目标识别、跟踪）及测绘.在卫星遥感系统中,机器视觉技术被用于分析各种遥感图像,进行环境监测,根据地行、地貌的图像和图形特征,对地面目标进行自动识别、理解和分类等。

5.2机器视觉关键技术的发展现状

机器视觉是一项综合技术,包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O卡等）.这些技术在机器视觉中是并列关系,相互协调应用才能构成一个完整的工业机器视觉应用系统.机器视觉强调能够适应工业现场恶劣的环境、有合理的性价比、较强的通用性和可移植性,即实用性;它更强调高速度和高精度,即实时性.机器视觉应用系统中,用到很多技术,但关键技术主要体现在光源照明、光学镜头、摄像机（CCD）、图像采集卡、图像信号处理以及执行机构等.下面对这些关键技术的发展现状进行阐述.

5.2.1光源照明

好的光源和照明是目前机器视觉应用系统成败的关键,应当具有以下特征:

①尽可能突出目标的特征,在物体需要检测的部分与非检测部分之间尽可能产生明显的区别,增加对比度;②保证足够的亮度和稳定性;③物体位置的变化不应影响成像的质量.光源按其照射方法可分为背向照明、前向照明、结构光照明和频闪光照明等.背向照明是被测物放在光源和摄像机之间,其优点是能获得高对比度的图像;前向照明是光源和摄像机位于被测物的同侧,这种方式便于安装;结构光照明是将光栅或线光源等投射到被测物上,根据它们所产生的畸变,解调出被测物的三维信息;频闪光照明是将高频率的光脉冲照射到物体上,摄像机拍摄要求与光源同步,这样能有效地拍摄高速运动物体的图像[28].照明亮度、均匀度、发光的光谱特性要符合实际的要求,同时还要考虑光源的发光效率和使用寿命.

其中,LED光源具有显色性好、光谱范围宽（可覆盖整个可见光范围）、发光强度高、稳定时间长等优点,而且随着制造技术的成熟,其价格越来越低,必将在现代机器视觉领域得到越来越广泛的应用.

5.2.2光学镜头

光学镜头一般称为摄像镜头或摄影镜头,简称镜头,其功能就是光学成像.镜头是系统中的重要组件,对成像质量有着关键性的作用,在组建机器视觉系统时,硬件设备要根据实际需要选择合适口径和焦距的镜头。

5.2.3CCD摄像机及图像采集卡

CCD（Chargecoupleddevice）摄像机及图像采集卡共同完成对目标图像的采集与数字化.目前,CCD、CMOS等固体器件已经是成熟的应用技术.线阵图像敏感器件,像元尺寸不断减小,阵列像元数量不断增加,像元电荷传输速率得到极大提高.所示为一种高性能线阵CCD器件的参数从中可以看到,线阵器件像元数和数据的传输率大大提高,而且器件设计集成了新的功能,具有可编程能力,如增益调整、曝光时间选择、速率调节以及维护等.

在线阵器件性能提高的同时,高速面阵图像器件性能也在快速提高.某种超高速面阵CCD器件,允许的最大分辨率达1280×1024像素,最大帧率1MHz,可采集4帧图像,且像素灵敏度达12bits[8].在基于PC机的机器视觉系统中,图像采集卡是控制摄像机拍照完成图像采集与数字化,协调整个系统的重要设备.一般具有以下功能模块:

①图像信号的接收A/D转换模块,负责图像放大与数字化;②摄像机控制输入输出接口,主要负责协调摄像机进行同步或实现异步重置拍照、定时拍照;③总线接口,负责通过计算机内部总线高速输出数字数据,一般是PCI接口,传输速率可达130Mbps,完全能胜任高精度图像的实时传输,且占用较少CPU时间;④显示模块,负责高质量的图像实时显示;⑤通讯接口,负责通讯.目前,图像采集卡种类很多,按照不同的分类方法,有黑白图像和彩色图像采集卡,有模拟信号和数字信号采集卡,有复合信号和RGB分量信号输入采集卡.在选择图像采集卡时,主要应考虑到系统的功能需求、图像的采集精度和与摄像机输出信号的匹配等因素.

5.3图像信号处理

图像信号的处理是机器视觉系统的核心.视觉信息的处理技术主要依赖于图像处理方法,它包括图像变换、数据编码压缩、图像增强复原、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容.随着计算机技术、微电子技术以及大规模集成电路的发展,为了提高系统的实时性,图像处理的很多工作都可以借助硬件完成,如DSP芯片、专用图像信号处理卡等,软件主要完成算法中非常复杂、不太成熟或尚需不断探索和改进的部分.处理时间上,要求处理速度必须大于等于采集速度,才能保证目标图像无遗漏,完成实时处理.

参考文献

[1]刘宏,姜力.仿人多指灵巧手及其操作控制[M].北京：

科学出版社,2010-3.

[2]肖南峰.仿人机器人[M].北京:

科学出版社,2008-3.

[3]TomovicR,BoniGM.Anadaptiveartificialhand[J].IRETransactionsonAutomaticControl,1962,7（3）:

3-10.

[4]OkadaT.Computercontrolofmultijointedfingersystemforpreciseobject-handing[J].IEEETransactionsonSystems,ManandCybernetics,1982,12（3）:

289-299.

[5]MasonMT,SalisburyJK.RobotHandsandtheMechanicsofManipulation[M].Cambridge;MITPress,1985.

[6]JacobsenSC,WoodJE,KnuttiDF,etal.TheUTAH/MITdexteroushand:

Workinprogress.TheInternationalJournalofRoboticsResearch,1984,3（4）:

21-50.

[7]王国庆，李大寨，钱锡康等.新型三指灵巧机械手的研究[J].机械工程学报,1997,33（3）:

71-75.

[8]ZhangY,HanZ,Zhang,H,etal.DesignandcontroloftheBUAAfour-fingeredhand[C].ProceedingsofIEEEinternationalConferenceonRoboticsandAutomation,Seoul,2001:

2517-2522.

[9]

[10]姜力，蔡鹤皋，刘宏.多指灵巧手的位置/力矩控制[J].控制理论与应用,2005,22（3）:

364-376.

[11]WANGH.Robustcontroloftheoutputprobabilitydensityfunctionsformultivariablestochasticsystemswithguaranteedstability[J].IEEETransonAutomaticControl,1999,44（11）:

2103-2107.

[12]姜力，蔡鹤皋，刘宏.基于滑模位置控制的机器人灵巧手模糊自适应阻抗控制[J].控制与决策,2001,16（5）:

612-616.

[13]徐琳.基于文本的中国手结合成研究[D].哈尔滨工业大学博士学位论文.2000,7:

46-55

[14]黄茂林，秦伟.机械原理[M].机械工业出版社，2002：

13-48.

[15]焦圣品，白英彩，曾芬芳.虚拟现实中手的建模[J].中科院自动化研究所模式识别国家重点实验室.2003

[16]潘春洪,马颂德.基于区域的手指的三维运动跟踪[J].中科院自动化研究所模式识别国家重点实验室.2003

[17]唐好选，洪炳熔，刘伟.人手到灵巧手的运动映射实现[J].机器人.2003,9:

444-451.

[18]QiaoR,XiaT,YangR,XuZ.Designofaterraintentativesensingmachine/sensorforamobilerobot[J].