《智能机器人》课件 李智军 第4-7章 机器臂的控制-移动机器人

机器人系统的构成传递函数和方框图机械臂的伺服控制PID控制机械臂的位置控制机械臂的力控制智能机器人12026/11/5第四章

机器臂的控制图4-1

机器人系统的示例4.1机器人系统的构成4.1.1机器人系统示意机器人的功能：①动作和运动的控制②末端操作器/手爪的轨迹和力的再现③运动状态显示、参数设定功能智能机器人22026/11/5图4-2

机器人系统的硬件结构示例4.1机器人系统的构成4.1.1机器人框图末端执行器末级前置放大器编码器传感器用放大器力觉传感器电机转角减速器伺服电机连杆脉冲计数器DIOCPUDIODAA/D运算部分示教盒操作部分控制部分智能机器人32026/11/5图4.3

RC电路4.2传递函数和方框图4.2.1传递函数(4-4)智能机器人42026/11/5(4-5)(4-6)(4-7)(4-9)图4.4

一阶系统的阶跃响应(4-10)图4-6

质量·弹簧·阻尼系统4.2传递函数和方框图4.2.1传递函数(4-15)(4-16)(4-18)智能机器人52026/11/5图4-7

二阶系统的阶跃响应智能机器人62026/11/54.2传递函数和方框图4.2.1传递函数(4-19)4.2传递函数和方框图4.2.1传递函数(4-20)(4-21)智能机器人72026/11/5(4-23)图4-8

直流伺服电机(4-24)4.2传递函数和方框图智能机器人82026/11/54.2.1传递函数(4-25)(4-27)图4-9

方框图基本单元及传递方框图示例智能机器人92026/11/54.2传递函数和方框图4.2.2方框图表4-1

方框图的简化规则4.2传递函数和方框图智能机器人102026/11/54.2.2方框图表4-2

方框图主要的等效变换规则智能机器人112026/11/54.2传递函数和方框图4.2.2方框图图4-13

直流伺服电机的方框图智能机器人122026/11/5图4-14

考虑内部结构时的直流伺服电机的方框图4.2传递函数和方框图4.2.2方框图4.3机械臂的伺服控制4.3.1机械臂的伺服控制器机械手伺服系统包括伺服驱动器和伺服电机，伺服驱动器接受上位机控制器指令后进行处理后发送并驱动伺服电机，伺服电机自带的编码器反馈给伺服驱动器，形成相应的控制系统。智能机器人132026/11/5图4-15

机械手伺服系统4.3机械臂的伺服控制智能机器人142026/11/54.3.1

机械臂的伺服控制器按照功率等级可分为:400W、1KW、2KW、5.5KW、75KW、11KW、18KW伺服驱动器。按照电机编码器类型分为:增量式光电编码器伺服驱动器、旋转变压器伺服驱动器、磁编码器伺服驱动器、高精度编码器伺服驱动器。按照总线控制方式分为:EtherCAT总线伺服驱动器、Powerlink总线伺服驱动器、Mechatrolink总线伺服驱动器。4.3机械臂的伺服控制图4-16机械臂位置控制智能机器人152026/11/54.3.2

伺服控制基本框架位置控制是机械手的基本控制任务。关节控制器(下位机)是执行计算机,负责伺服电动机的闭环控制及实现所有关节的动作协调。4.3机械臂的伺服控制图4-17

带有编码器和齿轮箱的无刷直流电机的剖视图。电机轴的一端带动编码器旋转，另一端输入到齿轮减速器(上图)。电机的简化界面图(下图)。4.3.2

伺服控制基本框架直流电机是机器人广泛采用的一种伺服电机，由定子(stator)和相对于定子旋转的转子(rator)组成。智能机器人162026/11/54.3机械臂的伺服控制智能机器人172026/11/54.3.2

伺服控制基本框架我们对直流电机进行建模时，不区分有刷电机与无刷电机。直流电机产生的力矩:𝜏=

𝑘𝑡𝐼电机绕组散发的热功率：𝑃ℎ𝑒𝑎𝑡=

𝐼2𝑅由于绕组温度过高会限制流经电机的连续电流，因此在持续运行状态下必须保持电机力矩低于电机热特性所决定的连续力矩上限𝜏𝑐𝑜𝑛𝑡4.3机械臂的伺服控制而此模型若除去最后一项，并且用𝑘，𝐼𝜔替换𝜏𝜔，同时将方程两边同除以𝐼，即可得到电压方程：𝑡𝑑𝐼𝑉

=

𝑘 +𝐼𝑅+

𝐿𝑑𝑡4.3.2

伺服控制基本框架在采用国际制(SI)的直流电机简化模型中，可以通过等效电功率𝑃𝑒𝑙𝑒𝑐

=

𝐼𝑉与机械功率𝑃𝑚𝑒𝑐ℎ

=

𝜏𝜔以及电机产生的其他功率项来建立模型：𝑑𝑡智能机器人182026/11/5𝐼𝑉

=

𝜏𝜔

+𝐼2𝑅+𝐿𝐼

𝑑𝐼

+摩擦和其他功率损耗项（4-48）4.3机械臂的伺服控制4.3.2

伺服控制基本框架若𝑉保持为一个固定的常量，则上式将速度𝜔以𝜏的线性函数形式𝑘2表达，其斜率等于−𝑅。𝑑𝑡为了简化问题，在本节的余下部分，我们将忽略

𝐿

𝑑𝐼

这一项。当电机以恒定电流运行时，这个假设是合理的。基于这个假设，我们可以对式(4-48)重新排列得到简化形式：𝑡 𝑡1 𝑉 𝑉智能机器人192026/11/5𝑡𝜔

= (𝑉

−

𝐼𝑅)

= − 𝜏𝑘 𝑘 𝑘2𝑡由于电机两端电压受限于[−𝑉𝑚𝑎𝑥,

+𝑉𝑚𝑎𝑥]的范围，流经电机的电流也会被限制在[−𝐼𝑚𝑎𝑥,

+𝐼𝑚𝑎𝑥]的范围内。(4-49)4.3机械臂的伺服控制4.3.2

伺服控制基本框架在力矩-速度平面上，电机的工作区域如下图所示：图4-18

受电流和电压限制的直流电机的工作区域(浅绿色)及其连续工作区域(深灰色)智能机器人202026/11/54.3机械臂的伺服控制4.3.2

伺服控制基本框架由于直流电机产生的力矩可能过低，通常会因为力矩不足而无法使用，为了增加力矩并同时降低转速，常常需要通过齿轮装置实现。当采用减速比为G的齿轮箱时，电机的输出速度改变为：𝜔𝑔𝑒𝑎𝑟𝜔𝑚𝑜𝑡𝑜𝑟=智能机器人212026/11/5𝐺在理想情况下，即𝜏𝑚𝑜𝑡𝑜𝑟𝜔𝑚𝑜𝑡𝑜𝑟

=

𝜏𝑔𝑒𝑎𝑟𝜔𝑔𝑒𝑎𝑟时：𝜏𝑔𝑐𝑎𝑟=

𝐺𝜏𝑚𝑜𝑡𝑜𝑟设齿轮箱的效率为η≦1，那么经过齿轮箱子后输出的力矩为：𝜏𝑔𝑒𝑎𝑟=

𝜂𝐺𝜏𝑚𝑜𝑡𝑜𝑟4.3机械臂的伺服控制4.3.2

伺服控制基本框架图4-19展示了电机在传动比G=2(效率η假设为1)条件下的作业范围，其原始性能参考图4-18。图4-19

原始电机工作区域以及减速比为2时的工作区域。图中给出了力矩增大和速度降低智能机器人222026/11/54.3机械臂的伺服控制图4-27机械手伺服控制方式控制方式转矩控制方式位置控制方式通过发脉冲来控制4.3.3伺服控制方式选用方法目前,机器人伺服驱动器一般都有三种控制方式:速度控制方式、转矩控制方式和位置控制方式。这三种控制方式的选用方法具备通用性。速度控制方式用模拟量来控制智能机器人232026/11/5图4-20

PID控制的基本形式4.4PID控制4.4.1PID控制的基本形式𝑝 𝐼0𝐷𝑡𝑢(𝑡)

=

𝐾

𝑒

+

𝐾

׬

𝑒(𝜏)𝑑𝜏

+

𝐾

𝑒1𝑇0𝑡𝐷න

𝑒

𝜏

𝑑𝜏

+

𝑇

𝑒𝑢 𝑡 =

𝐾𝑝 𝑒

+𝐺 𝑠 =

𝐾𝑝 1

−𝐼1智能机器人242026/11/5𝐼𝑇

𝑠𝐷+

𝑇

𝑠图4-21

PID控制基本形式的详细框图4.4PID控制智能机器人252026/11/54.4.1PID控制的基本形式4.4PID控制=𝑒ሷ

0智能机器人262026/11/5=⋯=

0单位误差响应：受控系统在初始条件𝑒(0)=1且𝑒ሶ

0下的响应𝑒(𝑡)。4.4.2实用的PID控制关节误差𝑒 𝑡 =

𝜃𝑑 𝑡 −

𝜃 𝑡式中：所期望的关节位置是𝜃𝑑(𝑡)，实际关节位置是𝜃(𝑡)误差动力学：决定该受控系统关节误差𝑒(𝑡)演化的微分方程反馈控制器的目标：生成一个误差动力学4.4PID控制超调

=𝑒𝑚𝑖𝑛−𝑒𝑠𝑠智能机器人272026/11/5𝑒(0)−𝑒𝑠𝑠×100% （4-53）4.4.2实用的PID控制稳态响应通过稳态误差𝑒𝑠𝑠来度量瞬态响应则可以通过超调量和2%调节时间来衡量式中，𝑒𝑚𝑖𝑛是误差所能达到的最小正值图4-22 误差响应e

t优质的误差响应的特点:（1）具有很小或为零的稳态偏差（2）超调量小或没有超调（3）较短的2%调节时间图4-23

实用的PID控制智能机器人282026/11/54.4PID控制4.4.2实用的PID控制图4-24

微分超前型PD控制（P-D控制）智能机器人292026/11/54.4PID控制4.4.2实用的PID控制（1）微分超前型PD控制(4-54)(4-55)4.4PID控制智能机器人302026/11/54.4.2实用的PID控制（1）微分超前型PD控制图4-24

微分超前型PD控制（P-D控制）(4-56)(4-58)(4-59)图4-24

微分超前型PD控制（P-D控制）4.4PID控制智能机器人312026/11/54.4.2实用的PID控制（1）微分超前型PD控制(4-59)图4-25

I-PD控制4.4PID控制智能机器人322026/11/54.4.2实用的PID控制（2）I-PD控制(4-60)图4-26

使用逆运动学和关节角控制的手爪位置控制4.5机械臂的位置控制智能机器人332026/11/54.5.1末端执行器的位置控制（1）使用逆运动学和关节角控制的方法(4-62)(4-63)图4-27

注重静力学关系式的末端执行器位置控制智能机器人342026/11/54.5机械臂的位置控制4.5.1末端执行器的位置控制（2）注重静力学关系的方法(4-65)(4-64)4.4机械臂的位置控制智能机器人352026/11/54.5.2动态控制机器人的动力学方程：(4-66)选定力矩指令：上式被称为前馈或开环控制器，在理想情况下，若动力学模型是精确的，且无初始误差，则机器人可以准确的跟踪期望轨迹。𝜏=

𝑀෡(𝑞𝑑)𝑞𝑑ሷ +𝐶መ(𝑞𝑑,𝑞𝑑ሶ)𝑞𝑑ሶ +𝐺෠(𝑞𝑑)+𝜏ෝ𝑓(4-67)𝑀(𝑞)𝑞ሷ+𝐶(𝑞,𝑞ሶ)𝑞ሶ+𝐺(𝑞)=𝜏−

𝜏𝑓智能机器人2026/11/5智能机器人2026/11/5374.5机械臂的位置控制4.5.2动态控制该机器人的控制框图如下图所示：图中内部虚线框输出为τ，然后输入给机器人，再通过每个关节进行输出。这里的控制是个迭代过程，通过迭代得到实际输出q。图4-28

与关节变量有关的动态控制智能机器人2026/11/54.5机械臂的位置控制智能机器人392026/11/54.5.2动态控制式(4-71)是机器人的线性误差动力学方程，若其的每个根都有负实部，则称误差动力学是稳定的，而若其的任一根存在正实部，则误差动力学不稳定。针对此系统，选择1 𝑛𝐾𝐷

=

𝑑𝑖𝑎𝑔(2𝜉𝜔1,

.

.

.

,

2𝜉𝜔𝑛)，𝐾𝑃

=

𝑑𝑖𝑎𝑔(𝜔2,

.

.

.

,

𝜔2)，其中，𝜉>0,𝜔𝑖>0,𝑖

=

1,

.

.

.

,

𝑛。则误差𝑒

=

[𝑒1,

.

.

.

,

𝑒𝑛]𝑇表现出标准的二阶系统动作，即当t→+ꝏ，e→0，稳态误差𝑒𝑠𝑠为零。也就是说，当时间足够大时，机器人关节的运动轨迹将收敛到期望轨迹。图4-29

阻抗控制智能机器人402026/11/54.6机械臂的力控制4.6.1单自由度机械臂的阻抗控制图4-30

单自由度机械臂4.6机械臂的力控制智能机器人412026/11/54.6.1单自由度机械臂的阻抗控制(4-72)(4-74)..智能机器人422026/11/54.6机械臂的力控制4.6.1单自由度机械臂的阻抗控制（1）外力矩可计测的场合(4-75)(4-76)4.6机械臂的力控制智能机器人432026/11/54.6.1单自由度机械臂的阻抗控制（2）关节角加速度可以检出的场合(4-77)4.6机械臂的力控制智能机器人442026/11/54.6.2机械手的阻抗控制手爪位置：手爪速度：手爪加速度：静力学关系式：控制对象：期望的动作：4.6机械臂的力控制智能机器人452026/11/54.6.2机械臂的阻抗控制（1）外力可计测的情况(4-83)(4-84)4.6机械臂的力控制智能机器人462026/11/54.6.2机械臂的阻抗控制（2）关节角加速度可以检出的情况4.6机械臂的力控制智能机器人472026/11/54.6.2机械臂的阻抗控制（3）既不需要检出外力也不需要检出关节角加速度4.6机械臂的力控制智能机器人482026/11/54.6.2机械臂的阻抗控制（3）既不需要检出外力也不需要检出关节角加速度4.6机械臂的力控制智能机器人492026/11/54.6.2机械臂的阻抗控制（4）若手臂慢慢动作力控制规律：图4.23

手爪受约束的2自由度机械手4.6机械臂的力控制智能机器人502026/11/54.6.3机械臂的混合控制（4）若手臂慢慢动作手爪偏差提取：力偏差提取：位置控制规律：图4-31

混合控制4.6机械臂的力控制智能机器人512026/11/54.6.3机械臂的混合控制4.6机械臂的力控制机械臂力控制的关键问题为了对机器人实施力控制,需要分析机器人末端执行器与环境的约束状态,并根据约束条件制定控制策略,此外,还需要在机器人末端安装力传感器,用来检测机器人与环境的接触力.控制系统根据预先制定的控制策略对这些力信息做岀处理后,控制机器人在不确定环境下进行与该环境相适应的操作,从而使机器人完成复杂的作业任务。位置伺服碰撞冲击及稳定性研究未知环境的约束研究力传感器机械手控制中四大需要解决的关键问题：智能机器人522026/11/54.6机械臂的力控制智能机器人532026/11/54.6.4机械臂力控制的关键问题1.位置伺服位置控制是机器人实现施力控制的基础。位置伺服的高精度是机器人力控制的必要条件。必须有效解决力/位混合后的位置伺服。2. 碰撞冲击及稳定性稳定性是机器人硏究中的难题,现有的硏究主要从碰撞冲击和稳定性两方面进行研究。（1）碰撞冲击机器人力控制过程中,必然存在机器人与环境从非接触到接触的自然转换（2）稳定性在力控制中普遍存在响应速度和系统稳定矛盾4.6机械臂的力控制智能机器人542026/11/54.6.4机械臂力控制的关键问题3.未知环境的约束在力控制硏究中,表面跟踪为极为常见的典型依从运动。对未知环境的几何特征做在线估计,或者根据机器人在该环境下作业时的受力情况实时确定力控方向(表面法向)和位控方向(表面切向),

这个也是机器人力控制的重要问题。4.力传感器传感器直接影响力控制性,精度高(分辨率、灵敏度和线性度)、可靠性好和抗干扰能力强是机器人力传感器硏究的目标。就安装部位而言,可分为关节式力传感器、手腕式力传感器和手指式力传感器。第五章

机器人的传感智能机器人12026/11/5传感器的定义及分类内部传感器外部状况传感器触觉信息的获取距离信息的获取其他传感器多传感器的信息与融合敏感元件转换元件辅助电源转换电路被测量智能机器人22026/11/5电量图5.1

传感器的组成结构5.1传感器的定义及分类1.传感器的定义传感器是一种能把特定的被测信号，按一定规律转换成某种“可用信号”输出的器件或者装置，以满足信息的传输、处理、记录、显示和控制等要求。总而言之，一切获取信息的仪表器件都可以称为传感器静态特性的主要指标有：线性度、灵敏度、迟滞、重复性、最小检测量和分辨率、零点漂移、温漂等动态特性的性能指标有时域指标和频域指标两种，对于线性系统的动态响应研究。最广泛使用的模型是常系数线性微分方程5.1传感器的定义及分类智能机器人32026/11/51.传感器的定义传感器的特性主要指输入与输出之间的关系。当输入量为常量或变化极为缓慢时，此关系被称为静态特性；当输入量随着时间变化时，称为动态特性。静态特性 动态特性5.1传感器的定义及分类智能机器人42026/11/52.传感器的分类内部传感器：检测机器人本身状态（手臂间角度等）的传感器。多数为用于测量位移、速度、加速度和应力的通用型传感器。外部传感器：检测机器人所处环境（是什么物体，离物体的距离有多远等）及状况（抓取的物体滑落等）的传感器。如力觉传感器、触觉传感器、接近觉传感器、视觉传感器等。外部传感器分为末端执行器传感器和环境传感器。末端执行器传感器：主要装在作为末端执行器的手上，检测处理精巧作业的感觉信息。相当于触觉。环境传感器：用于识别物体和检测物体与机器人的距离。相当于视觉。5.1传感器的定义及分类智能机器人52026/11/51、根据机器人对传感器的需求选择（1）精度高、重复性好（2）稳定性好,可靠性高（3）抗干扰能力强（4）重量轻、体积小、安装方便可靠（5）价格便宜,安全性能好2、根据加工任务的要求选择以选择工业机器人力矩传感器为例(1)负荷(2)作用力的强度(3)整合;(4)噪声水平(5)滞后问题3.传感器的要求机器人用于执行各种加工任务,不同的任务对机器人提出不同的要求。例如,搬运任务和装配任务对传感器要求主要是力觉触觉和视觉。焊接任务、喷涂任务和检测任务对传感器要求主要是接近觉和视觉。不论哪类工作任务,它们对机器人传感器的一般要求如下5.1传感器的定义及分类智能机器人62026/11/54、从辅助工作的要求选择工业机器人在从事某些辅助工作时,也要求具有一定的感觉能力。辅助工作包括产品的检验和工件的准备等。机器人在外观检验中的应用日益增多,机器人在此方面的主要用途有检查毛刺、裂缝或孔洞的存在,确定表面粗糙度和装饰质量,检查装配体的完成情况等。总而言之,根据辅助工作要求(如:产品检验)和工件的准备来选择机器人传感器。3、根据机器人控制的要求选择机器人控制需要采用传感器检测机器人的运动位置、速度、加速度等。除了较简单的开环控制机器人外,多数机器人都采用了位置传感器作为闭环控制的反馈原件。5、从安全方面要求选择从安全方面考虑,机器人对传感器的要求包括以下两个方面:第一,为了使机器人安全地工作而不受损坏,机器人的各个构件都不能超过其受力极限。第二,从保护机器人使用者的安全出发,也要考虑对机器人传感器的要求。5.2

内部传感器智能机器人72026/11/5⚫电容式位置传感器⚫电阻式位置传感器⚫电感式位置传感器⚫光电式位置传感器⚫霍尔元件位置传感器⚫磁栅式位移传感器内部状态的感觉位置和位移传感器机器人关节的位置控制是机器人最基本的要求，而对位置和位移的检测也是机器人最基本的感觉要求。机器人的位置传感器，主要用于测量机器人自身位置。常见的机器人位置传感器按其工作原理可分类以下：E：输入电压L：最大移动距离触头X：向左端移动的距离E：电阻右侧的输出电压图5.2

（a）直线型电位计位移传感器工作原理内部状态的感觉位置和位移传感器典型的传感器是电位计，一种电阻式位置传感器。检测的是以电阻中心为基准位置的移动距离。图示为直线型电位计位移传感器工作原理。5.2

内部传感器工作台

智能机器人82026/11/5

图5.3

光电式传感器工作原理内部状态的感觉位置和位移传感器光电传感器，一种光电式位置传感器5.2

内部传感器感光量发光二极管弹簧光敏三极管（a）机构智能机器人92026/11/5位移（b）

感光量曲线节转轴的实时角度。图5.4

回转式编码器提高测量精度的方法：配置高减速比的减速器电子细分内部状态的感觉(2)

角度传感器应用最多的旋转角度传感器是旋转编码器,

又称为回转编码器,有绝对型和增量型两种。旋转编码器一般装在机器人各关节的转轴上,用来测量各关5.2

内部传感器光源转盘定盘聚光透镜切缝光电敏感元件时间时间阈值电压输出量v(a)智能机器人102026/11/5(b)(a)

绝对式光电编码器的码盘(b)

绝对式光电编码器工作原理图智能机器人112026/11/5内部状态的感觉(2)

角度传感器-光学式绝对型旋转光电编码器图5.5

绝对值编码器5.2

内部传感器智能机器人2026/11/512图5.6

增量型编码器工作原理图缺点是无法直接读出转动轴的绝对位置信息内部状态的感觉角度传感器-光学式增量型旋转编码器优点:1.远离构造简单,易于实现。2.机械平均寿命长,可达到几万个小时以上。分辨率高。抗干扰能力强,可靠性较高。信号传输距离较长。5.2

内部传感器⚫单圈电位器⚫多圈电位器图5.2

旋转型电位计角度传感器工作原理5.2

内部传感器范围滑动触头加工润滑成光滑的内表面导电塑料电阻器输出电压UVU内部状态的感觉(2)

角度传感器-旋转型电位计角度传感器另一种电位计：旋转型电位计角度传感器当把电位计式位移传感器的电阻元件弯成圆弧形，可动触点的一端固定在圆的中心，像时针那样旋转时，由于电阻值随相应的转角变化，就构成一个简易的角度传感器。检测智能机器人132026/11/5速度传感器机器人自动化技术中,旋转运动速度测量较多,且直线运动速度常通过旋转速度间接测量。在机器人中,主要测量机器人关节的运行速度，主要为角速度。角速度传感器分为测速发电机、增量式光电编码器两种测速发电机可以把机械转速变换成电压信号,而且输出电压与输入的转速成正比增量式编码器既可测量增量角位移,又可测量瞬时角速度智能机器人142026/11/5内部状态的感觉5.2

内部传感器图5.7

直流测速发电机结构原理内部状态的感觉(3)

速度传感器测速发电机直流测速发电机实际是一种微型直流发电机，按定子磁极的励磁方式分为永磁式和电磁式。图为直流测速发电机的结构原理。永磁式永久磁铁定子,采用高性能永久磁钢励磁，受温度变化的影响较小，输1出变化小，斜率高,线性误差小。电磁式采用他励式,不仅复杂且因励磁受电源、环境等因素的影响,输出电压变化较大,应用不多。智能机器人152026/11/55.2

内部传感器图5.8

交流异步测速发电机结构原理智能机器人162026/11/5内部状态的感觉(3)

速度传感器测速发电机交流异步测速发电机与交流伺服电动机的结构相似，其转子结构有笼型的，也有杯型的，在自动控制系统中多用空心杯转子异步测速发电机。图为交流异步测速发电机的结构原理。5.2

内部传感器𝑢=

𝑘𝑛智能机器人172026/11/5转速度成正比,即式中𝑢-测速发电机的输出电压,单位为V。𝑛-测速发电机的转速,单位是r/min。𝑘-比例系数。通过以上分析可以看出，测速发电机的输出电压与转子转速呈线性关系，为了减少误差,测速发电机应保持负载尽可能小以及性质不变。内部状态的感觉(3)

速度传感器测速发电机测速发电机属于模拟速度传感器,它的工作原理类似于小型永磁式直流发电机。它们的工作原理都是基于法拉第电磁感应定律，当通过线圈的磁通量恒定时，位于磁场中的线圈旋转室线圈两端产生的感应电动势与转子线圈的5.2

内部传感器图5.9

机器人速度闭环控制系统原理智能机器人182026/11/5内部状态的感觉(3)

速度传感器测速发电机利用测速发电机与机器人关节伺服驱动电动机相连就能测出机器人运动过程中的关节转动速度,并能在机器人自动系统中作为速度闭环系统的反馈元件,机器人速度闭环控制系统原理如图所示5.2

内部传感器图5.10

模拟方式的增量式编码器测速内部状态的感觉速度传感器增量式光电编码器的模拟量控制模拟方式下,必须有—个频率-电压变换器(FV转换器),用来把编码器测得的脉沖频率转换成与速度成正比的模拟信号,其原理如图所示,频率-电压(FV)变换器必须有良好的零输入、零输出特性和较小的温度漂移才能满足测试要求。智能机器人192026/11/55.2

内部传感器当单位时间取的越短,求得的转速越接近瞬时转速。但是,时间太短时,编码器通过的脉冲数量太少,会导致所得到的速度分辨率下降,在实践中通常采用时间增量测量电路来解决这一问题。𝑤ഥ

=Δ𝑡智能机器人202026/11/5内部状态的感觉速度传感器增量式光电编码器的数字方式增量式光电编码器的数字方式测速是指基于数学公式,利用计算机软件计算出速度。由于角速度是转角对时间的一阶导数,若能测得单位时间Δt内编码器转过的角度Δθ,则编码器在该时间内的平均转速为:Δ𝜃5.2

内部传感器智能机器人21图5.11

应变片加速度传感器内部状态的感觉加速度传感器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承重锤所构成的振动系统,板簧上下两面分别贴两个应变片如图所示。应变片受震动产生应变,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。2026/11/55.2

内部传感器内部状态的感觉加速度传感器伺服加速度传感器伺服加速度传感器检测岀与上述振动系统重锤位移成比例的电流,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。由于重锤没有几何位移,这种传感器与前一种相比,更适用于较大加速度的系统。首先产生与加速度成比例的惯性力F它和电流产生的复原力保持平衡根据弗菜明左手定则，F和i成正比(比例系数为K),关系式为F=ma=Ki这样,根据检测的电流可以求出加速度。智能机器人222026/11/55.2

内部传感器内部状态的感觉加速度传感器压电加速度传感器压电加速度传感器利用具有压电效应的物质,将产生加速度的力转换为电压,这种具有压电效应的物质,受到外力发生机械形变时,能产生电压。反之,外加电压时,也能产生机械形变。压电元件多由具有高介电系数的酸铅材料制成。设压电常数为d,则加在元件上的应力F和产生电荷Q的关系式为u=

dF设压电元件的电容为C,输出电压为U,则U=𝑄

=

𝑑𝐹𝐶 𝐶其中，U和F在很大动态范围内保持线性关系智能机器人232026/11/55.2

内部传感器图5.12

压电元件的形变的三种基本模式智能机器人242026/11/5内部状态的感觉加速度传感器压电加速度传感器5.2

内部传感器内部状态的感觉加速度传感器压电加速度传感器传感器中一对平板形或圆简形压电元件在轴对称位置上垂直固定着,压电元件的剪切压电常数大于压电常数,而且不受横向加速度的影响,在一定的高温下仍能保持稳定的输出,压电加速度传感器的电荷灵敏范围很宽,可达10-2~103pC(m/s2)图5.13

利用剪切方式的压电元件加速度传感器结构图智能机器人252026/11/55.2

内部传感器外部状况的感觉物体识别传感器典型的是视觉传感器。如摄像机。视觉是利用光（机器人可用红外线等）的非接触方式。触觉也能识别物体。机器人可以用触觉传感器来实现这种机能。智能机器人262026/11/55.3

外部状况传感器外部状况的感觉(2)

物体探测传感器视觉传感器是一种识别物体而且知道其存在的传感器。

例如光电开关。视觉传感器、光电开关和超声波传感器，即使物体较远也能探测其存在。智能机器人272026/11/55.3

外部状况传感器感器图5.14

接近觉传感器智能机器人282026/11/5外部状况的感觉(3)

极近物体探测传感器探测非常近的物体存在的传称为接近传感器。5.3

外部状况传感器外部状况的感觉(4)

距离传感器摄像机做距离传感器。具体留待5.5节介绍。超声波做距离传感器。可用于鱼群探测、金属内部探伤等方面。智能机器人292026/11/55.3

外部状况传感器外部状况的感觉(5)

力觉传感器力觉传感器是检测力和力矩的施加地点、大小、方向三个量的传感器。力的检测主要是用电阻应变片（具体留到5.4节）。智能机器人302026/11/55.3

外部状况传感器外部状况的感觉(6)

其他传感器利用声波：语音识别传感器。分析振动声音探测机械故障的点传感器。热传感器：点检传感器。通过分析敲打的声音测定果品成熟程度的传感器。根据近红外线的糖度吸收程度测定水果甜度的传感器。智能机器人312026/11/55.3

外部状况传感器图5.15

接触觉传感器智能机器人322026/11/55.4触觉信息的获取1.接触觉传感器接触觉传感器：探测是否接触到物体，传感器接受由于接触产生的柔量。微动开关：按下开关就能进入电信号的简单机构。猫胡须传感器：如图(a)机构,(b)使用例智能机器人2026/11/5335.4触觉信息的获取图5.16

接触觉传感器提供的物体信息1.接触觉传感器单向微动开关：当规定的位移或者力作用到可动部分（称为执行器）时，开关的接点断开或者接通而发出相应的信号接近开关：非接触式接近传感器有高频振荡式、曲感应式、光电式等多种接近开关光电开关:由LED光源和光电二极管或者光电三极管等光敏元件，相隔一定距离构成的透光式开关。它的特点是非接触检测，精度可到0.5mm图5.17

压觉传感器5.4触觉信息的获取2.压觉传感器压觉传感器：接触觉传感器的延伸,机器人的压觉传感器安装在手爪上面,可以在把持物体时检测到物体与手爪间产生的压力及其分布情况。压觉传感器的原始输出信号是模拟量。利用压电元件或弹簧。如图是使用弹簧的平面传感器。智能机器人342026/11/55.4触觉信息的获取图5.18

机械手用压觉传感器抓取塑料吸管2.压觉传感器压觉传感器常见类型：压电型、压阻型、光电型、压敏型、压磁型智能机器人352026/11/5图5.19

力的平衡智能机器人362026/11/5图5.20

重心的移动5.4触觉信息的获取3.滑觉传感器滑觉传感器：检测垂直加压力方向的力和位移。5.4触觉信息的获取图5.21

球形滑觉传感器智能机器人372026/11/5图示为贝尔格莱德大学研制的机器人专用滑觉传感器,当工件滑动时,金属球也随之转动,在触针上输出脉冲信号。脉冲信号的频率反映滑移速度,脉冲信号的个数对应滑移的距离。球与物体相接触,无论滑动方向如何,只要球一转动,传感器就会产生脉冲输出。该球体在沖击力作用下不转动,因此抗干扰能力强。3.滑觉传感器图5.22

a.电桥电路5.4触觉信息的获取智能机器人382026/11/54.力觉传感器力觉传感器主要利用电阻应变片。原理：金属丝拉伸时电阻变大。图5.22

b.检测时的状态5.4触觉信息的获取智能机器人392026/11/54.力觉传感器5.4触觉信息的获取智能机器人402026/11/54.力觉传感器力觉是指对机器人的指、肢和关节等运动中所受力的感知，用于感受夹持物体的状态，校正由于手臂变形引起的运动误差，保护机器人及零件不会损坏。通常将机器人的力的传感器分为以下三类。（a）关节力传感器（b）腕力传感器（c）指力传感器5.4触觉信息的获取4.力觉传感器腕力传感器安装在末端执行器和机器人最后一个关节之间，它能直接测量处作用在末端执行器上各向力和力矩。它将—个整体金属环周壁铣成按120°周向分布的三根细梁。其上部圆环上有螺孔与手臂相联,下部圆环上的螺孔与手爪联接传感器的测量电路置于空心的弹性构架体内。图5.23

Draper的腕力传感器智能机器人412026/11/55.4触觉信息的获取作用:防止碰撞中的应用,机器人如果感知到压力,将发送信号,限制或停止机器人的运动智能机器人422026/11/5图5.24

安装在末端执行器上力觉传感器4.力觉传感器指力传感器指力传感器安装在机器人手指关节上（或指上），它用来测量夹持物体时的受力情况。5.5距离传感器1.超声波距离传感器超声波距离传感器是由发射器和接收器构成的。几乎所有超声波距离传感器的发射器和接收器都是利用压电效应制成的。其中,发射器是利用给压电晶体加一个外加电场时,晶片将产生应变(压电逆效应)这一原理制成的。智能机器人432026/11/5图5.25

超声波距离传感器工作原理𝑆=

𝑣检测方式

：脉冲回波式、频率调制连续波式（1）脉冲回波式脉冲回波式又叫做时间差测距法，在时间差测距法测量中,先将超声波用脉冲调制后向某一方向发射,根据经被测物体反射回来的回波延迟时间Δt,计算出被测物体的距离S,假设空气中的声速为v,则被测物与传感器间的距离S为:Δt智能机器人442026/11/521.

超声波距离传感器5.5距离传感器𝑆

=𝑓𝑟𝑣智能机器人452026/11/54𝑓𝑚Δ𝑓1.

超声波距离传感器检测方式

：脉冲回波式、频率调制连续波式(2)频率调制连续波式频率调制连续波式(FW-CW)是利用连续波对超声波信号进行调制,将由被测物体反射延迟时间Δt后得到的接收波信号与发射波信号相乘,仅取出其中的低频信号就可以得到与距离S成正比的差频𝑓𝑟

信号。设调制信号的频率为𝑓𝑚

,调制频率的带宽为Δ𝑓,则可求得被测物体的距离S为5.5距离传感器2.激光距离传感器激光距离传感器是利用激光二极管对准被测目标发射激光脉冲,经被测目标反射后向各方向散射,部分散射光返回传感器接收器,被光学系统接收后成像到雪崩光敏二极管上。记录并处理从光脉沖冲发出到返回被接收所经历的时间,即可测出目标距离。智能机器人462026/11/55.5距离传感器3.红外距离传感器红外距离传感器是用红外线作为测量介质的测量系统,主要功能包括:辐射计、搜索和跟踪系统、热成像系统、红外测距和通信系统、混合系统五类。它可以分为光子探测器、热探测器两类红外距离传感器的工作原理是红外距离传感器具有一对红外信号发射与接收二极管,利用红外距离传感器发射出一束红外光,在照射到物体后形成一个反射的过程,反射到传感器后接收信号,然后利用处理发射与接收的时间差数据,经信号处理器处理后计算出物体的距离。智能机器人472026/11/55.5距离传感器5.5距离传感器图5.26

接近觉传感器的感知物理量智能机器人482026/11/54.

接近觉传感器接近觉传感器是指机器人手接近对象物体的距离几毫米到十几厘米时,就能检测与对象物体的表面距离、斜度和表面状态的传感器。接近觉传感器采用非接触式测量元件,一般安装在工业机器人末端执行器上。作用在接触到对象物体之前事先获得位置、形状等信息,为后续操作做好准备。提前发现障碍物,对机器人运动路径提前规划,以免发生碰撞。智能机器人2026/11/5495.5距离传感器图5.27

电磁式接近觉传感器接近觉传感器电磁式接近觉传感器电磁式接近觉传感器，以电磁感应为原理。由于工业机器人的工作对象大多是金属部件，因此电磁式接近觉传感器的应用较广，在焊接机器人中可用它来探测焊缝。但仅能检测金属部件。智能机器人2026/11/5505.5距离传感器图5.28

光电式接近觉传感器接近觉传感器光电式接近觉传感器光电式接近觉传感器，以光线反射为原理。这种传感器具有非接触性、响应快应、维修方便、测量精度高等特点,目前应用较多,但其信号处理较复杂,使用环境也受到限制。智能机器人2026/11/5515.5距离传感器图5.29

电容式接近觉传感器接近觉传感器电容式接近觉传感器电容式接近觉传感器以电容变化为原理，可检测任何固体和液体材料，外界物体靠近时这种传感器会引起电容量的变化，由此反映距离信息。电容式接近觉传感器对物体的颜色、构造和表面都不敏感，但实时性好。智能机器人2026/11/5525.5距离传感器图5.30

气压式接近觉传感器接近觉传感器气压式接近觉传感器气压式接近觉传感器以气压变化为原理，由一根细的喷嘴喷出气流，如果喷嘴靠近物体，则内部压力发生变化，这一变化可用压力计测量出来。它可用于检测非金属物体，适用于测量微小间隙。5.6其他传感器智能机器人532026/11/51.听觉传感器听觉传感器主要用于感受在气体(非接触式感受)、液体或固体(接触式感受)中的声波，声波传感器的复杂程度可从简单的声波存在检测到复杂的声波频率分析和对连续自然语言中单独语音和词汇的辨识。1)特定人的语音识别系统特定人语音识别方法是将事先指定的人的声音中的每一个字音的特征矩阵存储起来,形成一个标准模板,然后再进行匹配。2)非特定人的语音识别系统在系统工作时,将接收到的声音信号用同样的办法求出它们的特征矩阵,再与标准模式相比较,看它与哪个模板

相同或相近,从而识别该信号的5.6其他传感器智能机器人542026/11/52.味觉传感器实现味觉传感器的—种有效方法是使用类似于生物系统的材料做传感器的敏感膜,电子舌是用类脂膜作为味觉传感器,其能够以类似人的味觉感受方式检测味觉物质。味觉传感器采用的技术有多通道类脂膜技术、基于表面等离子体共振技术、表面光伏电压技术。目前,较典型的电子舌系统有新型味觉传感器芯片和SH-SAW味觉传感器。5.6其他传感器智能机器人552026/11/53.嗅觉传感器嗅觉传感器主要用于检测空气中的化学成分、浓度等功能主要采用气体传感器及射线传感器等。目前,主要采用三种方法实现机器人嗅觉功能:在机器人上安装单个或者多个气体传感器,再配置相应处理电路实现嗅觉功能；研究者自行研制简易的嗅觉装置；采用商业的电子鼻产品,如

ALoutfi

用机器人进行气味识别研究；5.6其他传感器智能机器人562026/11/54.温度传感器温度传感器有接触式和非接蝕式两种,均可用于机器人。当机器人自主运行时,或者不需要人在场时,或者需要知道温度信号时,两种常用的温度传感器为热敏电阻和热电偶。这两种传感器必须和被测物体保持实际接触,热放电阻的阻值与温度成正比变化,热电偶能够产生一个与两温度差成正比的小电压5.6其他传感器智能机器人572026/11/55.触须传感器触须传感器由须状触头及其检测部分构成,触头由具有一定长度的柔空软条丝构成,它与物体接触所产生的弯曲由在根部的检测单元检测。与昆虫的触角的功能一样,触须传感器的功能是识别接近的物体,用于确认所设定的动作的结束,以及根据接触发岀回避动作的指令或搜索对象物体的存在。智能机器人2026/11/5585.7多传感器的信息与融合1.多传感器信息融合与分类机器人从外部采集到的信息是多种多样的，为了使得这些信息得到统一有效的应用，对信息进行分类和处理是必要的。z传感器信息123冗余信息由多个独立传感器提供的关于环境信息中同一特征的多个信息，或某一传感器在一段时间内多次测量得到的信息。互补信息从每个传感器中获得的彼此独立的环境特征的信息，感知的是环境各个不同的侧面。协同信息一个传感器信息的获得必须依赖于另一个传感器的信息，或必须与另一个传感器配合才能获得的信息。5.7多传感器的信息与融合2.多传感器信息融合的常用方法多传感器信息融合要靠各种具体的融合方法来实现，在一个多传感器系统中，各种信息融合方法将对系统所获得的各类信息进行有效的处理或推理，从而形成一致的结果。信息融合方法123456智能机器人592026/11/5加权平均法基于参数估计的信息融合方法Dempster-Shafer证据推理产生式规则模糊理论卡尔曼滤波5.7多传感器的信息与融合1最小二乘法22.多传感器信息融合的常用方法加权平均法将来自不同传感器的冗余信息进行加权，得到的加权平均值即为融合的结果，应用该方法必须先对系统和传感器进行详细的分析，以获得正确的权值。基于参数估计的信息融合方法极大似然估计法3贝叶斯估计法信息描述为概率分布，适用于具有可加高斯噪声的不确定性信息的处理4智能机器人602026/11/5将融合信息取为使似然函数达到极值的估计值多贝叶斯估计法将系统中各传感器作为一个决策者队，通过队列的一致性观察来描述环境5.7多传感器的信息与融合智能机器人612026/11/52.多传感器信息融合的常用方法Dempster-Shafer证据推理将前提严格的条件从仅是条件的可能成立中分离开来，从而使任何涉及先验概率的信息缺乏得以显式化，是贝叶斯估计法的扩展。用信任区间描述传感器的信息，不但表示了信息的已知性和确定性，而且能够区分未知性和不确定性。多传感器信息融合时，将传感器采集的信息作为证据，在决策目标集上建立一个相应的基本可信度，使得证据推理能在同一决策框架下用Dempster合并规则将不同的信息合并成一个统一的信息表示。证据推理的这些优点使其在传感器信息的定性融合中广泛应用。5.7多传感器的信息与融合智能机器人622026/11/52.多传感器信息融合的常用方法产生式规则采用符号表示目标特征和相应的传感器信息之间的联系，与每个规则相联系的置信因子表示其不确定性程度，当在同一个逻辑推理过程中的两个或多个规则形成一个联合的规则时，可产生融合。*存在的问题：每条规则的可行度与系统的其他规则有关，这使得系统的条件改变时，修改相对困难，如系统需要引入新的传感器，则需要加入相应的附加规则。5.7多传感器的信息与融合智能机器人632026/11/52.多传感器信息融合的常用方法模糊理论在多传感器系统中，利用各信息源提供的环境信息的不确定性，对这些不确定信息的融合进行不确定性地推理过程。模糊逻辑是一种多值型逻辑，制订一个从0到1之间的实数表示其真实度。模糊融合过程直接将不确定性表示在推理过程中，如果采用某种系统的方法对信息融合中的不确定性建模，则可产生一致性模糊推理。卡尔曼滤波用于动态环境中冗余传感器信息的实时融合。如果系统具有线性动力学模型，且系统和传感器噪声是高斯分布的白噪声，则卡尔曼滤波为融合信息提供一种统计意义下的最优估计。5.7多传感器的信息与融合3.多传感器信息融合架构一个多传感器融合系统必须包含其他需要的功能性元件来管理和控制融合过程。这些内容被称为多传感器融合架构。系统架构12345智能机器人642026/11/5元架构一组表述系统结构特征算法架构信息融合和决策方法概念架构粒度和元件的功能逻辑架构元件类型和界面执行架构定义了元件到执行元素的映射5.7多传感器的信息与融合智能机器人652026/11/53.多传感器信息融合架构一般多传感器融合架构的分类可以沿着四种独立的设计方向选择：统一——分散、构件的局部——全局交互、模块——整体以及分层——异构。广泛采用的组合为：统一、局部交互和分层制；离散、全局交互和异构结构；离散、局部交互和分层制；离散、局部交互和异构结构。5.7多传感器的信息与融合3.多传感器信息融合架构12离散、全局交互和异构结构主要例子是黑板系统，并被应用于数据融合问题。以模块化中介的形式使用逻辑传感器将结果贴在一个黑板上。黑板的整体结构目标包括有效合作和动态配置。3离散、局部交互和分层制最早为实时控制系统（RCS），表现为智能控制的认知结构，但本质上使用多传感器融合进行复杂控制。RCS致力于将任务分解为基本组织原理模块。该系统支持从反应行为到语义网络的广泛的算法结构，但一般不允许动态重新配置。4智能机器人662026/11/5离散、局部交互和异构结构典型的例子是主动传感器网络（ASN）架构。其鲜明特征包括元结构、算法结构、概念结构、逻辑结构和执行结构。统一、局部交互和分层的架构代表为Brooks提出的包容结构。包容式多传感器结构将动作定义为基本元件，并使用一系列分层的动作表现为一个程序。主要的设计原则是感知/行动循环的行为模式。虽然具有操作的鲁棒性，但是缺乏动作的可预测性。机器人视觉系统视觉传感器视觉信息的处理机器人视觉伺服控制智能机器人12026/11/5第6章

机器人的视觉6.机器视觉系统机器视觉系统是一种非接触式的光学传感系统,同时集成软硬件,综合现代计算机、光学、电子技术,能够自动地从所采集到的图像中获取信息或者产生控制动作。机器视觉系统的具体应用需求千差万别,视觉系统也可能有多种形式,但都包括三个步骤（1）利用光源照射被测物体,通过光学成像系统采集视频图像,相机和图像采集卡将光学图像转换为数字图像。（2）计算机通过图像处理软件对图像进行处理,分析获得其中的有用信息,这是整个机器视觉系统的核心。（3）图像处理获得的信息最终用于对象(被测物体、环境)的判断,并形成相应的控制指令,发送给相应的机构。智能机器人22026/11/56.1机器人视觉系统6.1机器人视觉系统智能机器人32026/11/56.机器视觉系统机器人视觉系统的硬件由以下几个部分组成：1）景物和距离传感器，常用的有摄像机、CCD图像传感器、超声波传感器和结构光设备等；2）视频信号数字化设备，任务是把摄像机或CCD输出的信号转换成方便计算和分析的数字信号；3）视频信号快速处理器，是视频信号实时、快速、并行算法的硬件实现设备，如DSP系统；4）计算机及其外设，根据系统的需要可以选用不同的计算机及其外设来满足机器人视觉信息处理及机器人控制的需要；5）机器人及其控制器。6.1机器人视觉系统6.机器视觉系统机器人视觉系统的软件由以下几个部分组成：1）计算机系统软件，选用不同类型的计算机，有不同的操作系统和它所支持的各种语言、数据库等；2）机器人视觉信息处理算法，包括图像预处理、分割、描述、识别和解释等算法；3）机器人控制软件。图6.1数字相机的机器人视觉系统构成智能机器人42026/11/5识别智能机器人52026/11/5检测测量引导三维扫描表6.1

工业机器视觉系统的应用领域应用领域 功能检测一维码和二维码，对光学字符进行识别和确认色彩和下瑕疵检测、部件有无的检测和目标位置和方向检测尺寸和容量检测，

预设标记的测量，

如：

孔到孔位的距离弧焊跟踪3D成型6.机器视觉系统如果要赋予机器人较高级的智能,机器人必须通过视觉系统更多地获取周围环境信息。视觉传感器是固态图像传感器(

如

:CCD

、

CMOS)

呈

像

技

术

和Framework软件结合的产物,它可以识别条形码和任意OCR字符。6.1机器人视觉系统图6.2

三维视觉传感器在零件检测中的应用6.机器视觉系统智能机器人62026/11/56.1机器人视觉系统6.机器视觉系统机器人的视觉传感主要应用在两个方面:（1）装配机器人(机械手)视觉装置要求视觉系统必须能够识别传送带上所要装配的机械零件,确定该零件的空间位置;根据信息控制机械手的动作,实现准确装配;对机械零件的检查,检查工件的完好性;测量工件的极限尺寸,检查工件的磨损等。此外,机械手还可以根绝视觉的反馈信息进行自动焊接、喷漆和自动上下料等（2）行走机器视觉装置要求视觉系统能够识别室内或室外的景物,进行道路跟踪和自主导航。用于外城危险材料的搬运和野外作业等任务。智能机器人72026/11/56.1机器人视觉系统6.机器视觉系统工业机器视觉系统可以通过视觉传感器获取环境的二维图像,并通过视觉处理器进行分析和解释,进而转换为符号,让机器人能够辨识物体,并确定位置。工业机器人的视觉处理系统包括图像输入(获取)、图像处理和图像输出等几个部分,实际系统可以根据需要选择其中的若干部件。图6.3

工业机器人的视觉处理系统智能机器人82026/11/56.1机器人视觉系统图6.4

视觉系统的主要硬件组成工业机器人的视觉系统包括:视觉传感器摄像机和光源控制计算机图像处理机听觉传感器和安全传感器等部分。6.机器视觉系统6.1机器人视觉系统智能机器人92026/11/5统的安全性。灵活性

视觉系统能够进行各种测量。当使用环境变化后，只需要软件做相应变化或升级以适应新的需求即可。仪器排除了这种干扰，提高了预测结果的准确性。自适应性 机器视觉