摘要：为了实现机器人的内在主动柔顺,应用磁流变液的可控特性,设计了基于磁流变液传动的多盘式柔顺关节。基于Bingham塑性模型建立了柔顺关节的扭矩传递模型,仿真分析了盘片直径、盘片间隙、励磁电流等因素对输出扭矩的影响规律,根据理论分析和仿真,得到柔顺关节的机械结构参数。设计实验平台对柔顺关节样机进行了盘片壁面形貌对动力传递性能影响、空转力矩特性、动力传动特性、静态特性、转速-输出转矩特性以及阶跃输入、阶跃负载情况下的动态响应实验研究。结果表明基于磁流变液传动的柔顺关节盘片表面粗糙度越大,所能传递的扭矩越大,磁流变传动输出稳定,且可以无级调控。

摘要：为了使机器人关节具备主动变刚度特性,基于磁流变液的可控流变特性设计了一种新型机器人柔顺关节,并提出基于分数阶PID(PIλDμ)控制算法进行磁流变液柔顺关节的动态扭矩跟踪控制,采用频域设计方法,通过期望截止频率和相位裕量推导出理想Bode传递函数状态下的PIλDμ控制器设计参数,建立了基于PIλDμ的控制系统。设计了磁流变液柔顺关节实验平台,并且基于LabVIEW图形化编程语言开发了控制软件系统,分别进行了基于PIλDμ和整数阶PID动态扭矩跟踪控制实验,实验结果证明,PIλDμ控制算法对基于磁流变液设计的机器人柔顺关节具有较好的动态扭矩跟踪控制作用。

摘要：随着机器人应用向智能工厂、助老助残服务、医疗、教育娱乐等领域不断扩展,机器人的柔顺性和主动适应性设计需求越来越受到研究人员的关注。本文综述了机器人柔顺关节的机构原理,包含了弹性元件被动柔顺关节、气动主动柔顺关节、磁场力柔顺关节和智能材料柔顺关节。进一步分析了当前机器人柔顺关节研究中存在的结构、建模与控制、动力供给等方面的问题。最后指出机器人柔顺关节的研究趋势主要表现在驱动与结构创新、数学建模与控制、多学科交叉与合作研发等方面。

摘要：气压驱动是最早的软体机器人驱动方式。本文综述了软体机器人气压驱动的主要结构形式和工作原理,包括形约束型驱动结构、纤维约束型驱动结构、织网约束型驱动结构、颗粒增强型驱动结构等,并进一步从结构设计创新、智能材料与驱动结构的深度融合、建模与仿真技术、制造技术等方面分析讨论了气压驱动软体机器人研究中存在的技术难题,指出了气压驱动结构在设计、智能材料、建模仿真、加工制造等方面需要亟待解决的关键问题和研发方向。气压驱动软体机器人是目前最广泛研究和最有可能率先得到应用的软体机器人形式,具有相对良好的相关技术基础,机器人、机械工程、材料科学、智能控制、计算机图形学等多学科交叉和深度合作将有助于促进该方向的快速发展。

摘要：为了满足手部运动功能康复器的主动康复训练对多种人手动作模式识别的需求,分析了表面肌电信号采样通道设置布局、训练样本制作、特征提取方式、模式分类器结构参数等因素对手部动作识别的影响,设计了针对前臂的表面肌电信号采集方案,分别基于时域统计量、自回归模型系数、小波包分解系数特征设计了BP神经网络分类器。实验结果表明:对6种单指动作、13种多指动作、20种手部动作的最佳平均识别率分别为98.5%、92.4%、90.9%,计算时间小于190 ms,验证了所提出方法的有效性和实用性。

摘要：根据手指生理学特性及手指间的运动特性,对三指操作单位球体运动过程进行了分析,设计了手指的运动步态模式并讨论了操作过程指尖的运动特点及指尖运动轨迹规律。采用NOKOV软件视觉捕捉系统,对手指操作过程的物体转动速度和手指运动轨迹进行了测定,并对三指转动操作运动进行解析模拟和对比。结果表明,人手操作目标物体的手指转动运动符合规划步态的运动规律。研究结果对手指重定位物体的运动仿真和手内操作的步态规划具有指导意义。

摘要：针对软体驱动运动学建模的问题,对软体驱动器两气压驱腔耦合驱动、内嵌约束弹簧和施加气压状态下的弯曲运动等方面进行了研究,提出了一种新型的仿生软体驱动器结构,实现在单个方向内前后大角度的弯曲。利用驱动器变形后的几何分析以及力矩平衡方程,建立了软体驱动器的静态模型和主动弯曲数学模型,建立了驱动器输入气压与弯曲角度和弯曲半径二者之间的映射关系;提出了一种电、气联合控制,且基于SMC气压比例阀的实验系统,对软体驱动器进行了输入气压发生弯曲的实验。研究结果表明:在0. 18 MPa的气压范围内,实验结果数据与理论数据基本一致,验证了理论模型的正确性。

摘要：近年来,仿人灵巧手成为热门的研究方向,大量学者对灵巧手抓持稳定性进行了研究。刚度是影响灵巧手抓持稳定的一个重要因素,本文基于旋量理论综合研究了灵巧手关节刚度和接触刚度与扰动力作用下的被抓持物体位姿变化的关系,在旋量空间中得出了广义刚度。并针对扰动力造成的软指与物体间的滚动情况,提出了一种等效接触切向刚度的方法。在广义刚度的基础上提出了扰动力椭球的概念,并以此定义了一种抓持稳定性指标。最后,设计了一个三指灵巧手对建立的理论模型进行了实验验证,证明了理论模型的有效性。

摘要：为了满足主动康复训练和人机交互等复杂应用场景对多样性的人手运动模式识别需求,提出了一种基于多通道表面肌电信号sEMG小波包分解特征的人手动作模式识别方法;通过实验对比分析,确定了最佳采样布局方案,通过采集前臂表面肌电信号,设计了基于数字滤波器的肌电信号活动段自动标识算法,能快速准确地完成样本动作标签的制作;以原始肌电信号的小波包分解系数作为特征向量训练分类器;通过对比不同隐含层节点数对分类器模式识别准确率的影响,最终确定BP神经网络模式分类器的所有结构参数;设计并训练完成了BP神经网络人手运动模式分类器;对9种手部运动的平均识别率达到93.6%,计算时间小于150ms。