机器人控制技术.docx
《机器人控制技术.docx》由会员分享,可在线阅读,更多相关《机器人控制技术.docx(45页珍藏版)》请在冰豆网上搜索。
![机器人控制技术.docx](https://file1.bdocx.com/fileroot1/2023-2/2/6e34bdb2-e20c-4c21-b61c-13f224669c38/6e34bdb2-e20c-4c21-b61c-13f224669c381.gif)
机器人控制技术
第四章机器人控制技术
本章主要内容:
1.机器人控制基础
2.机器人传感器
3.机器人编程
重点和难点:
重点是机器人传感器,难点是机器人编程
课后作业:
针对某一种机器人传感器查阅资料了解其工作原理和各种参数,了解常用机器人编程软件,以小论文形式上交。
4.1机器人控制基础
1.机器人控制系统特点
机器人的结构一般采用空间开链结构,其各个关节的运动是独立的,为了实现末端点的运动轨迹,需要多关节的运动协调。
因此,其控制系统与普通的控制系统相比要复杂的多,具有以下几个特点:
(1)机器人的控制与结构运动学及动力学密切相关。
机器人手爪的状态可以在各种坐标下进行描述,应根据需要选择不同的参考坐标系并做适当的坐标变换。
经常要求解运动学正问题和逆问题,除此之外还要考虑惯性力、外力(包括重力)及哥氏力、向心力的影响。
(2)一个简单的机器人也至少有3~5个自由度,比较复杂的机器人有十几个,甚至几十个自由度。
每个自由度一般包含一个伺服机构,它们必须协调起来,组成一个多变量控制系统。
(3)把多个独立的伺服系统有机的协调起来,使其按照人的意志行动,甚至赋予机器人一定的“智能”,这个任务只能由计算机来完成。
因此,机器人控制系统必须是一个计算机控制系统。
(4)描述机器人状态和运动的数学模型是一个非线性模型,随着状态的不同和外力的变化,其参数也在变化,各变量之间还存在耦合。
因此,仅仅利用位置闭环是不够的,还要利用速度甚至加速度闭环。
系统中经常使用重力补偿、前馈、解耦或自适应控制等方法。
(5)机器人的动作往往可以通过不同的方式和路径来完成,因此存在一个“最优”的问题,较高级的机器人可以用人工智能的方法,用计算机建立起庞大的信息库,借助信息库进行控制、决策、管理和操作。
根据传感器和模式识别的方法获得对象及环境的工况,按照给定的指标要求,自动选择最佳的控制规律。
2.机器人的控制方式
工业机器人控制方式的分类,没有统一的标准,按运动坐标控制的方式来分,有关节空间运动控制、直角坐标空间运动控制;按控制系统对工作环境变化的适应程度来分,有程序控制系统、适应性控制系统、人工智能控制系统;按同时控制机器人数目的多少来分,可分为单控系统、群控系统。
除此以外,通常还按运动控制方式的不同,将机器人控制分为位置控制、速度控制、力控制(包括位置/力混合控制)三类。
下面按后一种分类方法,对工业机器人控制方式做具体分析。
1)位置控制方式
工业机器人位置控制又分为点位控制和连续轨迹控制两类:
①点位控制
这类控制的特点是仅控制离散点上工业机器人手爪或工具的位姿,要求尽快而无超调地实现相邻点之间的运动,但对相邻点之间的运动轨迹一般不做具体规定。
例如,在印刷电路板上安插元件以及点焊、搬运和上下料等工作,都属于点位式工作方式。
点位控制的主要技术指标是定位精度和完成运动所需的时间,一般来说,这种方式比较简单,但是要达到2~3um的定位精度也是相当困难的。
②连续轨迹控制
这类运动控制的特点是连续控制工业机器人手爪(或工具)的位姿轨迹。
在弧焊、喷漆、切割等工作中,要求机器人末端执行器按照示教的轨迹运动。
其控制方式类似于控制原理中的跟踪系统,称之为轨迹伺服控制。
轨迹控制的技术指标是轨迹精度和平稳性。
例如,在弧焊、喷漆、切割等场所的工业机器人控制均属于这一类。
2)速度控制方式
对工业机器人的运动控制来说,在位置控制的同时,有时还要进行速度控制。
例如,在连续轨迹控制方式的情况下,工业机器人按预定的指令,控制运动部件的速度和实行加、减速,以满足运动平稳、定位准确的要求。
为了实现这一要求,机器人的行程要遵循一定的速度变化曲线,如图所示。
3)力(力矩)控制方式
在完成装配、抓放物体等工作时,除要准确定位之外,还要求使用适度的力或力矩进行工作,这时就要利用力(力矩)伺服方式。
这种方式的控制原理与位置伺服控制原理基本相同,只不过输入量和反馈量不是位置信号,而是力(力矩)信号,因此系统中必须有力(力矩)传感器。
有时也利用接近、滑动等传感功能进行自适应式控制。
3.机器人控制系统结构和工作原理
一个工业机器人系统通常分为机构本体和控制系统两大部分。
控制系统的主要作用是根据用户的指令对机构本体进行操作和控制,完成作业的各种动作。
控制系统的性能在很大程度上决定了机器人系统的性能。
一个良好的控制器要有灵活、方便的操作方式,多种形式的运动控制方式和安全可靠地运行。
构成机器人控制系统的要素主要有计算机硬件系统及操作控制软件、输人/输出设备及装置、驱动器、传感器系统,它们之间的关系如图所示。
工业机器人控制系统是机器人的重要组成部分,以完成特定的工作任务,其基本功能如下:
①记忆功能。
存储作业顺序、运动路径、运动方式、运动速度和与生产工艺有关的信息。
②示教功能。
离线编程,在线示教,间接示教。
在线示教包括示教盒和导引示教两种。
③与外围设备联系功能。
输人和输出接口、通信接口、网络接口、同步接口。
④坐标设置功能。
有关节、绝对用户自定义坐标系等。
⑤人机接口。
示教盒、操作面板、显示屏。
⑥传感器接口。
位置检测、视觉、触觉、力觉等。
⑦位置伺服功能。
机器人多轴联动、运动控制、速度和加速度控制、动态补偿等。
⑧故障诊断安全保护功能。
运行时系统状态监视、故障状态下的安全保护和故障自诊断。
下面通过PUMA-562机器人来说明机器人的控制系统的结构和工作原理。
4.机器人单关节位置伺服控制
大部分机器人的控制系统像PUMA机器人一样分为上位机和下位机。
从运动控制的角度看,上位机作运动规划,并将手部的运动转化成各关节的运动,按控制周期传给下位机。
下位机进行运动的插补运算及对关节进行伺服控制,所以常用多轴运动控制器作为机器人的关节控制器。
多轴运动控制器的各轴伺服控制也是独立的,每个轴对应一个关节。
多轴控制器已经商品化。
这种控制方法并没有考虑实际机器人各关节的耦合作用,因此对于高速运动、变载荷控制的伺服性能也不会太好。
实际上,可以对单关节机器人作控制设计,对于多关节、高速变载荷情况可以在单关节控制的基础上作补偿。
(1)工业机器人对关节驱动电机的要求
机器人电动伺服驱动系统是利用各种电动机产生的力矩和力,直接或间接地驱动机器人本体以获得机器人的各种运动的执行机构。
对工业机器人关节驱动的电动机,要求有最大功率质量比和扭矩惯量比、高启动转矩、低惯量和较宽广且平滑的调速范围。
特别是像机器人末端执行器(手爪)应采用体积、质量尽可能小的电动机,尤其是要求快速响应时,伺服电动机必须具有较高的可靠性和稳定性,并且具有较大的短时过载能力。
这是伺服电动机在工业机器人中应用的先决条件。
机器人对关节驱动电机的主要要求归纳如下:
①快速性。
电动机从获得指令信号到完成指令所要求的工作状态的时间应短。
响应指令信号的时间愈短,电伺服系统的灵敏性愈高,快速响应性能愈好,一般是以伺服电动机的机电时间常数的大小来说明伺服电动机快速响应的性能。
②启动转矩惯量比大。
在驱动负载的情况下,要求机器人的伺服电动机的启动转矩大,转动惯量小。
③控制特性的连续性和直线性。
随着控制信号的变化,电动机的转速能连续变化,有时还需转速与控制信号成正比或近似成正比。
④调速范围宽。
能使用于1:
1000~1:
10000的调速范围。
⑤体积小、质量小、轴向尺寸短。
⑥能经受得起苛刻的运行条件,可进行十分频繁的正反向和加减速运行,并能在短时间内承受过载。
(2)工业机器人驱动所采用的电动机
目前,由于高启动转矩、大转矩、低惯量的交、直流伺服电动机在工业机器人中得到广泛应用,一般负载100kg以下的工业机器人大多采用电伺服驱动系统。
所采用的关节驱动电动机主要是AC伺服电动机,步进电动机和DC伺服电动机。
其中,交流伺服电动机、直流伺服电动机、直接驱动电动机(DD)均采用位置闭环控制,一般应用于高精度、高速度的机器人驱动系统中。
步进电动机驱动系统多适用于对精度、速度要求不高的小型简易机器人开环系统中。
交流伺服电动机由于采用电子换向,无换向火花,在易燃易爆环境中得到了广泛的使用。
机器人关节驱动电动机的功率范围一般为0.1~10kW。
工业机器人驱动系统中所采用的电动机,可细分为以下几种:
①交流伺服电动机。
包括同步型交流伺服电动机等。
②直流伺服电动机。
包括小惯量永磁直流伺服电动机、印制绕组直流伺服电动机、大惯量永磁直流伺服电动机、空心杯电枢直流伺服电动机。
③步进电动机。
包括永磁感应步进电动机。
5.机器人的力控制
目前用于喷漆、搬运、点焊等操作的工业机器人只具有简单的轨迹控制。
轨迹控制适用于机器人的末端执行器在空间沿某一规定的路径运动,在运动过程中末端执行器不与任何外界物体接触。
对于执行擦玻璃、转动曲柄、拧螺丝、研磨、打毛刺、装配零件等作业的机器人,其末端执行器与环境之间存在力的作用,且环境中的各种因素不确定,此时仅使用轨迹控制就不能满足要求。
执行这些任务时必须让机器人末端执行器沿着预定的轨迹运动,同时提供必要的力使它能克服环境中的阻力或符合工作环境的要求。
为了在位置控制系统中能对力进行控制,需要设计一套十分精密的控制装置,同时必须掌握确切的位置参数和环境刚度参数。
要制造出这样高精度的机器人,只有放弃对机器人的尺寸、重量方面的追求,并且要付出很高的造价。
而对机器人末端执行器上的接触力直接进行控制的方法可以容易地解决此类问题。
(1)力控制基本概念
机器人运动学和动力学并没有讨论机器人与环境接触时的关系,但由于力只有在两个物
体接触时才产生,因此机器人的力控制是将环境考虑在内的控制问题,也是在环境约束条件下的控制问题。
机器人在执行任务时一般受到两种约束:
一种是自然约束,它是指机器人手爪(或工具)与环境接触时,环境的几何特性构成对作业的约束。
另一种是人为约束,它是人为给定的约束,用来描述机器人预期的运动或施加的力。
为约束与自然约束一起规定出希望的运动或作用力,每当指定一个需要的位置轨迹或
力时,就要定义一组人为约束条件。
人为约束也定义在广义曲面的法线和切线方向上,但人为力约束在法线方向上,人为位置约束在切线方向上,以保证与自然约束相容。
下图表示出了旋转曲柄和拧螺丝两种作业的自然约束和人为约束。
(2)控制策略
对于机器人旋转曲柄和拧螺丝这样的任务,在整个工作过程中自然约束和人为约束保持不变,但在比较复杂的情况下,如机器人执行装配作业时,需要把一个复杂的任务分成若干个子任务,对每个子任务规定约束坐标系和相应的人为约束,各子任务的人为约束组成一个约束序列,按照这个序列实现预期的任务。
在执行作业过程中,必须能够检测出机器人与环境接触状态的变化,以便为机器人跟踪环境(用自然约束描述)提供信息。
根据自然约束的变化,调用人为约束条件,实施与自然约束和人为约束相适应的控制。
(3)柔顺拉制
所谓柔顺是指机器人对外界环境变化适应的能力。
机器人与外界环境接触时,即使外界环境发生了变化(如零件位置或尺寸的变化),机器人仍然能够与环境保持预定的接触力,这就是机器人的柔顺能力。
为了使机器人具有一定的柔顺能力,需要对机器人进行柔顺控制.柔顺控制的本质是力和位置的混合控制。
实现柔顺控制的方法有两类:
一类是力和位置混合控制,另一类是阻抗控制。
6.机器人智能控制
(1)机器人智能控制系统概述
机器人的智能从无到有、从低级到高级,随着科学技术的进步而不断深入发展。
随着计算机技术、网络技术、人工智能、新材料和MEMS技术的发展,机器人的智能化、网络化、微型化发展趋势凸显出来。
新出现了各种智能机器人,主要有以下几类。
网络机器人
网络技术的发展拓宽了智能机器人的应用范围。
利用网络和通讯技术,可以对机器人进行远程控制和操作,代替人在遥远的地方工作。
利用网络机器人,外科专家可以在异地为病人实施疑难手术。
200年,身在美国纽约的外科医生雅克·马雷斯科为躺在法国东北部城市的一位女患者成功地用机器人做了胆囊摘除手术,这就是一个网络机器人成功应用的范例。
在国内,北京航空航天大学、清华大学和海军总医院共同开发的通控操作远程医用机器人系统,可以在异地为病人实施开颅手术。
微型机器人
日本东京工业大学的一名教授对微型和超微型机构的尺寸作了一个基本的定义。
机构尺寸在1~100mm的为小型机构,10um~1mm的为微型机构,10um以下的为超微型机构。
微型机器人的发展依赖于微加工工艺、微传感器、微驱动器和微结构四个支柱。
现已研制出直径20um、长150um的铰链连杆和200um×200um的滑块结构以及微型的齿轮、曲柄、弹簧等。
贝尔实验室已开发出一种直径为400um的齿轮。
美国IDM公司瑞士苏黎世实验室与瑞土巴塞尔大学的科学家正在研究利用DNA(脱氧核糖核酸)的结构特性为微型机器入提供动力的新方法。
利用这一方法,科学家可能制造出不用电池的新一代微型机器人。
高智能机器人
美国著名的科普作家阿西莫夫曾设想机器人具有这样的数学天赋;“能像小学生背乘法口诀一样来心算三重积分,做张量分析题如同吃点心一样轻巧。
”1997年,IBM公司开发的名为“深蓝”的RS/6000sP超级计算机打败了国际象棋之王—卡斯帕罗夫,显示了大型计算机的威力。
“深蓝”重量达1.4t,有32个节点,每个节点有8块专门为进行国际象棋对弈设计的处理器,平均运算速度为每秒200万步。
机器人需要处理和存储的信息量大,要求计算机的实时处理速度快。
如果将“深蓝”这样的计算机体积缩小到相当小,就可以直接放入机器人的脑袋里。
有了硬件支持以及人工智能的突破,更高智能的机器人一定会出现。
变结构机器人
智能机器人工作环境干变万化,科学家梦想着机器人能像人和动物一样运动。
比如,像蛇一样爬行,像人一样用两条腿行走。
日本在仿人形机器人上取得了很大的进步,但是机器人的行走速度慢,对地面的要求很高。
真正达到像人一样行走的水平,道路仍然漫长。
(2)机器人智能控制的特点及控制系统的基本结构
智能机器人的控制技术是一个包含诸如智能控制技术、电子电路技术、计算机技术、多传感器信息融合技术、先进制造技术、网络技术等内容相当广泛的一个多学科交叉的研究领域。
人类生活对高度智能化机器人的需求,使得基于经典优化方法的控制策略已经远远不能满足智能机器人技术发展的需要。
寻找具有柔顺性和智能性的控制策略,已成为智能机器人研究中最迫切的问题之一。
实质上,机器人系统一般是由若干子系统和反馈回路组成的复杂多变量非线性系统,系统的模型是非常复杂的,具体可概括为三个方面。
模型的不确定性
传统的控制是基于模型的控制。
这里所说的模型既包括控制对象也包括干扰的模型。
对于传统控制,通常认为模型是已知的,或者是经过辨识可以得到的。
而智能控制的研究对象通常存在严重的不确定性。
系统的高度非线性
在传统的控制理论中,线性控制理论比较成熟。
对于具有高度非线性的控制对象.虽然也有一些非线性的控制方法可利用。
但是总的说来,非线性控制理论还是很不成熟的,而且有些方法也过于复杂。
机器人是一个典型的非线性对象,机器人的控制是一个比较复杂和困难的问题,智能控制方法可能是一种解决这个问题的出路。
控制任务的复杂性
在传统的控制系统中,控制的任务或者是要求输出量为定值(调节系统),或者要求输出量跟随期望的运动轨迹(跟随系统),因此控制任务的要求比较单一。
对于智能控制系统,其任务要求往往比较复杂。
例如在智能机器人系统中它要求系统对一个复杂的任务具有自行规划和决策的能力,有自动躲避障碍运动到期望目标位置的能力等。
对于这些复杂的任务要求,就不能只依靠常规的控制方法来解决。
(3)机器人智能控制理论概述
根据智能机器人的任务分解,在面向设备的基础级可以采用常规的自动控制技术,如PID控制、前馈控制等。
在协调级和组织级,存在不确定性,控制模型往往无法建立或建立的模型不够精确,无法取得良好的控制效果。
出此,需要采用智能控制方法,如神经网络控制、模糊控制、专家控制以及集成智能控制。
神经网络控制
基于人工神经网络的控制,称之为神经网络控制。
神经网络控制采用仿生学的观点与方法来研究人脑和智能系统的高级信息处理。
神经网络控制器模仿人的形象思维,将输入和输出映射成控制信号。
一旦模型建立后,在输入状态信息不完备的情况下,也能快速作出响应,进行模式识别。
神经网络控制不需要数学建模。
这对于智能机器人的控制来说,是十分理想的。
但神经网络控制存在自学习的问题,也就是,当环境发生变化,原来的映射关系不再适用时,需要重新训练网络。
模糊控制
1965年美国著名控制论学者L.A.Zadeh首次提出一种完全不同于传统数学与控制理论的模糊集合理论,把信息科学推进到人工智能的新方向。
基于模糊逻辑理论的控制方法,称之为模糊控制。
1986年,世界上第一块基于模糊逻辑的人工智能芯片在著名的贝尔实验室研制成功。
事实表明,模糊理论具有强大的生命力和广阔的应用前景。
模糊理论之所以能在信息时代获得如此迅速的发展,是由于它为信息革命提供了一种新的富有魅力的数学工具与手段,具有许多优点。
模糊理论给出了一种表现自然语义的理论和方法,使自然语言能够转化为成机器可以“理解”和接受的东西,提高了机器的灵活性。
模糊理论给出了模糊逻辑和近似推理的理论和方法,用简单的软、硬件可以使机器更“聪明”、智能化程度更高。
模糊洗衣机、模糊冰箱等家电产品的面世充分证明了这点。
模糊理论的应用面广。
模糊控制能够将人的控制经验及推理过程纳入自动控制策略之中。
在经典模糊控制方面取得一大批有实际意义成果的同时,人们开始重视经典模糊控制系统稳态性能的改善、模糊集成控制、模糊自适应控制、专家模糊控制、神经模糊控制与多变量模糊控制理论与设计方法的研究。
模糊神经控制
神经网络的输入输出映射关系表现为一种权值矩阵,不容易被理解,模糊系统具有自然语言的表达能力。
模糊神经控制系统是神经网络技术与模糊逻辑控制技术相结合的产,是基于神经网络的模糊控制方法。
常规的模糊神经控制方法是指用一个神经网络实现常规模糊控制器的功能,根据神经网络实现的模糊逻辑控制功能范围大致可分为两种:
—种是神经网络实现模糊控制规则及模糊推理,另一种则由神经网络实现全部模糊逻辑控制的功能。
前者是一种局部网络化的结构,后者是一种全网络化的结构。
局部网络化结构的常规模糊神经控制器如图4所示。
4.2机器人传感器
1.机器人传感器概述
传感技术是先进机器人的三大要素(感知、决策和动作)之一,工业机器人根据完成的任务不同,配置的传感器类型和规格也不同。
通常根据用途的不同,机器人传感器可以分为两大类:
用于检测机器人自身状态的内部传感器和用于检测机器人相关环境参数的外部传感器。
工业机器人传感器分类:
机器人对传感器的一般性要求如下:
(1)精度高、重复性好。
机器人是否能够准确无误地正常工作,往往取决于其所用传感器的测量精度。
(2)稳定性和可靠性好。
保证机器人能够长期稳定可靠地工作,尽可能避免在工作中出现故障。
(3)抗干扰能力强。
工业机器人的工作环境往往比较恶劣,其所用传感器应能承受一定的电磁干扰、振动,能在高温、高压、高污染环境中正常工作。
(4)质量轻、体积小、安装方便。
(5)价格低。
2.内部传感器
内部传感器中,位置传感器和速度传感器是工业机器人控制系统必不可少的。
辅助有倾斜角传感器、方位角传感器及振动传感器等。
(1)位置传感器
位置感觉是机器人最起码的感觉要求,没有它们,机器人将不能正常工作。
它们可以通过多种传感器来实现。
位置传感器包括位置和角度检测传感器。
常用的机器人位置传感器有电位器式、电容式、电感式、光电式、霍尔元件、磁栅式以及机械式位置传感器等。
机器人各关节和连杆的运动定位精度要求、重复精度要求以及运动范围要求,是选择机器人位置传感器的基本依据。
1)电位器式位置传感器
电位器式位置传感器由1个线绕电阻(或薄膜电阻)和1个滑动触点组成。
其中滑动触点通过机械装置受被检测量的控制。
当被检测的位置量发生变化时,滑动触点也发生位移。
改变了滑动触点与电位器各端之间的电阻值和输出电压值,根据这种输出电压值的变化,可以检测出机器人各关节的位置和位移量。
按照电位器式传感器的结构,可以把它分成两大类:
一类是直线型电位器(a所示),令一类是旋转型电位器(图b所示)。
2)光电编码器
光电编码器式一种应用广泛的位置传感器,其分辨率完全能满足机器人的技术要求。
这种非接触型传感器可分为绝对型和相对型。
前者只要电源加到用这种传感器的机电系统中,编码器就能给出实际的线性或旋转位置。
因此,用绝对型编码器装备的机器人的关节不要求校准,只要一通电,控制器就知道实际的关节位置。
相对型编码器只能提供某基准点对应的位置信息。
所以,用相对型编码器的机器人在获得真实位置信息以前,必须首先完成校准程序。
3)旋转变压器
旋转变压器是一种输出电压随转角变化的检测装置,是用来测量角位移的。
其基本结构与交流绕线式异步电机相似,由定子和转子组成。
如图所示,定子相当于变压器的初级,有两组在空间位置上互相垂直的励磁绕组,转子相当于变压器的次级,仅有一个绕组,当定子绕组通交流电流时,转子绕组中便有感应电动势产生。
感应电动势的大小等于两定子绕组单独作用时所产生的感应电动势矢量和。
4)激光干涉式编码器
中国科学院长春光学精密机械研究所利用光学衍射光干涉技术取代传统几何光提取位移信息技术,研制出国内最高水平的高密度光栅盘,刻线密度达到380线对/毫米。
光学干涉系统被集成于45毫米x10毫米空间内,并以光学对径相加工技术消除码盘偏心。
1994年研制成的58毫米带有光学倍频的编码器,无电细分的原始角分辨率达到162000P/R,即优于 。
高速电处理技术的应用,使响应频率提高到1000千赫。
绝对零位信息提取的创新技术使定位精度大大提高,全周最大累积误差7.8 " 。
该编码器可用于高精度DD机器人,将我国机器人位置传感器的制造技术进入世界先进水平行列。
(2)速度传感器
速度传感器是机器人的内部传感器之一,用来确定关节的运动速度,常用的有模拟型和数字型两类。
1)测速发电机
测速发电机是常用的一种模拟式速度传感器,它是一种小型永磁式直流发电机(如图)。
2)增量式码盘
增量式码盘既可用做位置传感器,也可用做速度传感器。
当把增量式码盘用做速度传感器时,既可用模拟式方法,也可用数字式方法。
当用模拟式方法时,采用频/压转换器,把码盘的脉冲频率转换成与转速成正比的模拟电压。
当用数字式方法时,由于码盘可理解成一个数字式元件,它的脉冲个数代表了位置,而一单位时间内的脉冲个数表示这段时间里的平均速度。
当时间段足够小时,便可代表某个时间点的瞬时速度。
(3)加速度传感器
随着机器人的高速化和高精度化,由机械运动部分刚性不足所引起的振动问题需要限制。
从测量振动的目的出发,加速度传感器日趋受到重视。
可在机器人的各杆件上安装加速度传感器,测量振动加速度,并把它反馈到杆件底部的驱动器上,也可把加速度传感器安装在机器人手爪上,将测得的加速度进行数值积分,加到反馈环节中,以改善机器人的性能。
下面简单分绍两种加速度传感器。
1)应变片加速度传感器。
Ni-Cu或Ni-Cr等金属电阻应变片加速度传感器是一个由板簧支撑重锤所构成的振动系统,如图所示。
板簧上下两面分别贴两个应变片。
应变片受振动产生应变,其电阻值的变化通过电桥电路的输出电压被检测出来。
除了金属电阻外,Si或Ge半导体压阻元件也可用于加速度传感器。
半导体应变片的应变系数比金属电阻应变片高50~100倍,灵敏度很高,但温度特性差,需要加补偿电阻。
2)伺服加速度传感器。
伺服加速度传感器检测出与振动系统重锤位移成正比的电流,把电流反馈到恒定磁场中的线圈,使重锤返回到原来的零位移状态。
(4)倾斜角传感器
倾斜角传感器测量重力的方向