机器灵巧手基于触滑觉信息协同的自适应力控制方法研究

With the progress of the society and the continuous improvement of people's living standard, more and more all kinds of robots are needed. Especially for special industries, the request of dexterous hand machine accurately grasping is higher and higher. Due to the existing dexterous hand grasping methods haven’t considering the initial grasping force distribution based on the characteristics of the target object and based on the tactile and slip sensation in the process of fetching more relationship refers to force redistribution scheme, etc., it will often cause varying degrees of damages to the grab objects. Therefore, this project will use a kind of non-rigid objects as grab objects, establishes a set of machine dexterous hand based on the touch slippery sense of information synergy self-adaptive control method, and focus on the multilevel hierarchical modeling of grab objects characteristic variables under unknown environment; Dynamic modeling method of grasping force in the process of fetching;Grasping force self-adaptive control strategy based on touch and slippery sense information synergy; And carry out the verification and testing of corresponding model and control algorithm based on the simulation and real data. The key point is to solve some of the key scientific problems in the process of building the solution which are the building of the follow-up relationship between the grasping force and tactile and slip sensation information ; The redistribution policies of grasping force of hand with more than one finger changes over over slippery and touch information . Achieve some innovative research results, lay a solid theoretical foundation and the key technical reserves to improve the level of dexterous hand in the actual application of precise grab.

随着社会的进步与人们生活水平的不断提高，对各类机器人的需求越来越多。特别是一些特殊行业对机器灵巧手精确抓取的要求越来越高。由于现有灵巧手抓取方法未考虑基于目标对象特征的初始抓取力分配和抓取过程中基于触觉与滑觉联动关系的多指力再分配方案等，常会造成对抓取物体不同程度的损伤。为此，本项目将以一类非刚体物体为抓取对象，建立一套机器灵巧手基于触滑觉信息协同的自适应力控制方法，重点开展以下研究：未知环境下抓取对象特征变量的多级层次化建模；抓取过程中抓取力的动态建模方法；基于触滑觉信息协同的抓取力自适应控制策略；并基于仿真和实际数据开展相应模型和控制算法的验证与测试。重点解决在建立上述方法过程中存在的一些关键科学问题：抓取力与触觉和滑觉信息之间联动关系的建立；多指手随滑觉和触觉信息抓取力的再分配策略。取得一些创新性研究成果，为提高灵巧手在实际应用中的精确抓取水平，打下坚实的理论基础和关键技术上的储备。

随着社会的进步与人们生活水平的不断提高，人们对机器人的需求越来越多，对机器人精确抓取的要求也越来越高。针对机器手抓取过程中的建模、检测与控制等问题，项目负责人和项目组成员在对国内外现有方法进行充分论证的基础上，开展了如下研究：1）针对机器灵巧手抓取过程中，触/滑觉信息与物体各个特征变量之间完整的非线性联动关系，抓取力与触/滑觉信息的非线性动态关系等展开研究：相继提出基于改进PLS的非线性建模方法，用以处理抓取过程中的动态非线性特性；针对多传感器融合感知系统中出现偏差故障信息时的容错融合估计问题，提出一种最优的实时的序贯式Kalman容错融合估计方法，并在序贯式融合框架下进一步设计了一种传感器故障和系统状态的交替容错融合估计方法。2）针对抓取过程中，机器灵巧手局部和整体的状态估计问题展开研究：考虑参数与状态的同时变化，提出状态与参数的联合估计方法。为获取滤波器估计误差的递推形式，仿照EKF方法对系统状态方程做线性化处理，以建立滤波估计误差的递推表达式；针对线性化得到的线性状态模型，结合系统给出的多维非线性观测模型，基于特征函数设计矩阵形式的性能指标，给出加权函数向量的选取范围来保证性能指标的一致有界性；通过最小化新的性能指标，求解出滤波方法所需设计的增益矩阵的解。3）针对机器灵巧手的抓取力自适应控制方法展开研究，提出一种协作分布式模型预测控制方法。通过建立与该子系统有相互影响的合成模型，来处理子系统间的相互作用；通过建立全系统的目标函数，充分利用各个子系统提供的有效测量信息；通过迭代协作从而获得全局的最优估计；通过设定的估计误差界来保证估计器的收敛性。相关成果已发表学术论文10篇，其中7篇已被SCI检索，申请/授权国家专利10项，获河南省科技进步奖2项，承办全国性学术会议3次，达到了项目研究计划对内容和成果的预期要求。