基于仿人机械手装置的物体软硬识别和自适应抓取方法制造方法及图纸

本发明专利技术公开了一种基于仿人机械手装置的物体软硬识别和自适应抓取方法。实现物体软硬识别和自适应抓取的方法包括设置微型电动推杆的输出力；判断被抓物体的软硬；对被抓物体稳定抓取，装置包括支架、仿人机械手、传感模块、控制系统和驱动模块；仿人机械手固定于支架上，传感模块置于仿人机械手的手指上，驱动模块布置连接于仿人机械手的手掌背面，控制系统的输入端与传感模块电连接，控制系统的输出端与驱动模块电连接。本发明专利技术的仿人机械手装置能够识别物体的软硬，并对不同软硬属性物体的自适应稳定抓取，且本发明专利技术的装置通过3D打印构建，并配备有各种感知传感模块，有望成为一种便携式的人工义肢或应用于服务机器人领域。

【技术实现步骤摘要】
基于仿人机械手装置的物体软硬识别和自适应抓取方法
本专利技术涉及仿人机器人
，尤其涉及基于仿人机械手装置的物体软硬识别和自适应抓取方法，能够主动感知物体软硬，并在不破坏物体本身的前提下实现对物体自适应抓取的机械手系统。
技术介绍
随着机器人技术的快速发展，使用机械抓手对物体进行抓取和操纵是生活、生产和科研中的一项基本任务，而软硬度作为物体重要属性之一，会在很大程度上影响机械手对物体的抓取控制。目前，大多数的仿生机械手研究都在于机械手的结构和驱动方式上，它们能够像人手一样完成一些简单的伸张、抓取等动作，但其最大的缺陷在于不能像人手一样获取触觉、力觉、压觉等相关的多模态触觉信息。而且在机械手与物体的接触过程中，触觉反馈信息是一个动态的变化量，单纯依靠力反馈信号并不能很好的识别物体的软硬属性。从仿生机械手自身功能实现需求来讲，现实生活中的大部分物体都是刚性或可变形的，对物体的软硬属性的提前感知获取是实现机械手稳定抓取物体的前提条件和重要保障。当机械手抓取硬质物体时，机械手可以控制抓取力的大小，既保证对物体的稳定抓取，又能防止抓取过程中用力过大对机械手自身结构的破坏；当抓取软质物体时，确保机械手能以适当的抓力抓取物体，并保证不会因抓取力过大而使被抓物变形或破坏。机械手根据物体的软硬特征来施加合适的抓取力，即可以保证被抓物体不受挤压损伤，又能使机械手自身不用承受过大的反作用力，从而实现稳定、灵活的抓取动作。
技术实现思路
本专利技术针对上述仿生机械手仅依靠力反馈信号并不能准确反应物体软硬属性等弊端，提出了一种基于仿人机械手装置的物体软硬识别和自适应抓取方法。本专利技术的技术方案是：一、一种仿人机械手装置装置包括支架、仿人机械手、传感模块、控制系统和驱动模块；仿人机械手固定于支架上，传感模块置于仿人机械手的手指上，驱动模块布置连接于仿人机械手的手掌背面，控制系统的输入端与传感模块电连接，控制系统的输出端与驱动模块电连接。所述的仿人机械手包括手掌以及与手掌连接的五个手指，五个手指包括食指、中指、无名指、大拇指和小拇指；传感模块包括液态金属柔性应变传感器和PVDF压电传感器；控制系统包括STM32控制板和上位机；驱动模块包括第一微型电动推杆、第二微型电动推杆和第三微型电动推杆的三个微型电动推杆以及扭簧和驱动柔绳；仿人机械手的食指、无名指和大拇指的指尖均粘贴有由聚二甲基硅氧烷(PDMS)包裹的PVDF压电传感器，仿人机械手的食指的远指节转动关节和中指节转动关节上均贴敷有液态金属柔性应变传感器，食指、中指、无名指和小拇指各自的远指节转动关节处均布置有一个扭簧，食指、中指、无名指和小拇指各自的中指节关节处均布置有一个扭簧，大拇指的远指节转动关节处布置有一个扭簧，仿人机械手的五个手指均无近指节转动关节，仿人机械手的五个手指的近指节均竖直固定于手掌，且不发生弯曲；三个微型电动推杆均竖直固定于手掌背面，具体实施中，三个微型电动推杆的底部均竖直固定于手掌背面的底部，三个微型电动推杆的顶部均固定于手掌背面的中部，三个微型电动推杆通过拉伸驱动柔绳实现手指的弯曲，食指、无名指、中指、大拇指和小拇指的每个手指的远指节上均固定一个驱动柔绳的一端，驱动柔绳的另一端依次穿过各自手指的远指节、远指节转动关节、中指节、中指节转动关节及近指节后绑在手掌背面的微型电动推杆上；PVDF压电传感器经AD620滤波采集模块放大和转换滤波后连接STM32控制板的一个模拟输入端，液态金属柔性应变传感器经分电压路电连接STM32控制板的另一个输入端，PVDF压电传感器和液态金属柔性应变传感器的信号单向传递给STM32控制板，STM32控制板的一个输出端电连接上位机，STM32控制板与上位机双向传递信号，STM32控制板的另一个输出端电连接三个微型电动推杆，微型电动推杆通过拉伸驱动柔绳和扭簧控制仿人机械手实现弯曲与伸展。所述的上位机及STM32控制板通过控制三个微型电动推杆收缩，进而拉紧各个手指的驱动柔绳使驱动柔绳被张紧，实现各个手指的各指节转动关节处的扭簧的弯曲，进而带动各个手指的弯曲；上位机及STM32控制板通过控制三个微型电动推杆伸张，进而松弛各个手指的驱动柔绳使驱动柔绳被放松，各个手指在各指节转动关节处的扭簧的作用下实现各手指的伸展。所述的食指上的驱动柔绳绑在靠近大拇指的手掌背面的第一微型电动推杆上，中指、无名指和小拇指上的驱动柔绳均绑在手掌背面中间的第二微型电动推杆上，小拇指上的驱动柔绳绑在远离大拇指的手掌背面的第三微型电动推杆上。所述的PVDF压电传感器监测动态力，本专利技术中，当手指受到的被抓物体的压力有变化时，PVDF压电传感器产生电压信号，当手指受到的被抓物体的压力没有变化时，PVDF压电传感器不产生电压信号。具体实施的PVDF压电传感器采用流涎法制备得到，通过分层倒模法用聚二甲基硅氧烷(PDMS)将PVDF压电传感器包裹并在3D打印的模板内固化，固化后得到的复合结构表面具有类人皮肤的指纹微结构，有助于提高检测灵敏度，并增大接触面摩擦，避免抓取时发生滑动。具体实施的液态金属柔性应变传感器采用掩模法制备得到，液态金属柔性应变传感器内部设有蛇形电路结构增加其灵敏度，液态金属柔性应变传感器的两端分别通过树脂型硅橡胶专用强力接着剂988以粘贴的方式粘贴固定在食指的两转动关节处。二、一种基于仿人机械手装置的物体软硬识别和自适应抓取方法包括以下具体步骤：步骤S1：设置微型电动推杆的输出力：步骤S11：首先，上位机向STM32控制板发送PWM占空比信号为80的程序指令，STM32控制板控制第一微型电动推杆进行缩回，进而拉动食指上的驱动柔绳使驱动柔绳被拉紧，食指上的扭簧弯曲进而使得食指弯曲，食指弯曲至与被抓物体接触并完成敲击一下，食指与被抓物体没有接触时，食指上的PVDF压电传感器没有电压信号产生，食指与被抓物体接触时，食指上的PVDF压电传感器有电压信号产生，食指完成敲击时，被抓物体受到仿人机械手给予的反馈力，食指上的PVDF压电传感器感受到被抓物体并产生电压信号，食指完成敲击之后，上位机为STM32控制板发送PWM占空比信号为-80的程序指令，STM32控制板控制第一微型电动推杆进行伸出，进而带动食指上的驱动柔绳被放松，食指上的扭簧变形恢复并带动食指恢复到伸直状态；步骤S12：食指上的PVDF压电传感器产生的电压信号经AD620滤波采集模块放大和转换滤波后把电压信号输出发送至STM32控制板，经STM32控制板运算处理判断电压信号所在的电压区间，然后STM32控制板根据电压信号所在的电压区间按照以下对应关系获得电压区间对应的硬度等级得到被抓物体的硬度等级，并将被抓物体的硬度等级发送给上位机：若电压信号所在的电压区间为[5～10)mv，则被抓物体的硬度等级为A，若电压信号所在的电压区间为[10～25)mv，则被抓物体的硬度等级为B，若电压信号所在的电压区间为[25～60)mv，则被抓物体的硬度等级为C，若电压信号所在的电压区间为[60～150]mv，则被抓物本文档来自技高网...

【技术保护点】
1.一种基于仿人机械手装置的物体软硬识别和自适应抓取方法，其特征在于：包括以下具体步骤：/n步骤S1：设置微型电动推杆的输出力：/n步骤S11：首先，上位机向STM32控制板发送PWM占空比信号为80的程序指令，STM32控制板控制第一微型电动推杆(16)进行缩回，进而拉动食指(1)上的驱动柔绳(12)使驱动柔绳(12)被拉紧，食指(1)上的扭簧(10)弯曲进而使得食指(1)弯曲，食指(1)弯曲至与被抓物体接触并完成敲击一下，食指(1)完成敲击时，食指(1)上的PVDF压电传感器(9)产生电压信号，食指(1)完成敲击之后，上位机为STM32控制板发送PWM占空比信号为-80的程序指令，STM32控制板控制第一微型电动推杆(16)进行伸出，进而带动食指(1)上的驱动柔绳(12)被放松，食指(1)上的扭簧(10)变形恢复并带动食指(1)恢复到伸直状态；/n步骤S12：食指(1)上的PVDF压电传感器(9)产生的电压信号经滤波采集模块放大和转换滤波后输出发送至STM32控制板，经STM32控制板运算处理判断电压信号所在的电压区间，然后STM32控制板根据电压信号所在的电压区间按照以下对应关系获得电压区间对应的硬度等级得到被抓物体的硬度等级，并将被抓物体的硬度等级发送给上位机：/n若电压信号所在的电压区间为[5～10)mv，则被抓物体的硬度等级为A，若电压信号所在的电压区间为[10～25)mv，则被抓物体的硬度等级为B，若电压信号所在的电压区间为[25～60)mv，则被抓物体的硬度等级为C，若电压信号所在的电压区间为[60～150]mv，则被抓物体的硬度等级为D；/n步骤S13：上位机根据获得的被抓物体的硬度等级，按照以下对应关系判断被抓物体的硬度等级对应的PWM占空比信号区间以及PWM占空比信号区间对应的输出力区间：/n若获得的被抓物体的硬度等级为A，则硬度等级A对应的PWM占空比信号区间为[80～100)，PWM占空比信号区间[80～100)对应的输出力区间为[2～2.5)N；若获得的被抓物体的硬度等级为B，则硬度等级B对应的PWM占空比信号区间为[100～140)，PWM占空比信号区间[100～140)对应的输出力区间为[2.5～5)N；若获得的被抓物体的硬度等级为C，则硬度等级C对应的PWM占空比信号区间为[140～190)，PWM占空比信号区间[140～190)对应的输出力区间为[5～8.5)N；若获得的被抓物体的硬度等级为D，则硬度等级D对应的PWM占空比信号区间为[190～255]，PWM占空比信号区间[190～255]对应的输出力区间为[8.5～12.5]N；/n上位机根据所获得的被抓物体的硬度等级向STM32控制板发送被抓物体的硬度等级对应的PWM占空比信号区间对应的最小信号值的程序指令，STM32控制板根据所获得的程序指令控制微型电动推杆输出PWM占空比信号区间对应的最小信号值对应的输出力；/n步骤S2：判断被抓物体的软硬：/n步骤S21：STM32控制板以步骤S13所获得的硬度等级对应的PWM占空比信号区间对应的最小信号值的程序指令控制第一微型电动推杆(16)进行收缩，进而拉紧食指(1)上的驱动柔绳(12)被张紧，食指(1)上的扭簧(10)弯曲进而使得食指(1)弯曲直至食指(1)不再弯曲时，食指(1)与被抓物体接触并完成食指(1)对被抓物体的按压，在食指(1)完成按压被抓物体时，仿人机械手的食指(1)受到的压力F...

【技术特征摘要】
1.一种基于仿人机械手装置的物体软硬识别和自适应抓取方法，其特征在于：包括以下具体步骤：
步骤S1：设置微型电动推杆的输出力：
步骤S11：首先，上位机向STM32控制板发送PWM占空比信号为80的程序指令，STM32控制板控制第一微型电动推杆(16)进行缩回，进而拉动食指(1)上的驱动柔绳(12)使驱动柔绳(12)被拉紧，食指(1)上的扭簧(10)弯曲进而使得食指(1)弯曲，食指(1)弯曲至与被抓物体接触并完成敲击一下，食指(1)完成敲击时，食指(1)上的PVDF压电传感器(9)产生电压信号，食指(1)完成敲击之后，上位机为STM32控制板发送PWM占空比信号为-80的程序指令，STM32控制板控制第一微型电动推杆(16)进行伸出，进而带动食指(1)上的驱动柔绳(12)被放松，食指(1)上的扭簧(10)变形恢复并带动食指(1)恢复到伸直状态；
步骤S12：食指(1)上的PVDF压电传感器(9)产生的电压信号经滤波采集模块放大和转换滤波后输出发送至STM32控制板，经STM32控制板运算处理判断电压信号所在的电压区间，然后STM32控制板根据电压信号所在的电压区间按照以下对应关系获得电压区间对应的硬度等级得到被抓物体的硬度等级，并将被抓物体的硬度等级发送给上位机：
若电压信号所在的电压区间为[5～10)mv，则被抓物体的硬度等级为A，若电压信号所在的电压区间为[10～25)mv，则被抓物体的硬度等级为B，若电压信号所在的电压区间为[25～60)mv，则被抓物体的硬度等级为C，若电压信号所在的电压区间为[60～150]mv，则被抓物体的硬度等级为D；
步骤S13：上位机根据获得的被抓物体的硬度等级，按照以下对应关系判断被抓物体的硬度等级对应的PWM占空比信号区间以及PWM占空比信号区间对应的输出力区间：
若获得的被抓物体的硬度等级为A，则硬度等级A对应的PWM占空比信号区间为[80～100)，PWM占空比信号区间[80～100)对应的输出力区间为[2～2.5)N；若获得的被抓物体的硬度等级为B，则硬度等级B对应的PWM占空比信号区间为[100～140)，PWM占空比信号区间[100～140)对应的输出力区间为[2.5～5)N；若获得的被抓物体的硬度等级为C，则硬度等级C对应的PWM占空比信号区间为[140～190)，PWM占空比信号区间[140～190)对应的输出力区间为[5～8.5)N；若获得的被抓物体的硬度等级为D，则硬度等级D对应的PWM占空比信号区间为[190～255]，PWM占空比信号区间[190～255]对应的输出力区间为[8.5～12.5]N；
上位机根据所获得的被抓物体的硬度等级向STM32控制板发送被抓物体的硬度等级对应的PWM占空比信号区间对应的最小信号值的程序指令，STM32控制板根据所获得的程序指令控制微型电动推杆输出PWM占空比信号区间对应的最小信号值对应的输出力；
步骤S2：判断被抓物体的软硬：
步骤S21：STM32控制板以步骤S13所获得的硬度等级对应的PWM占空比信号区间对应的最小信号值的程序指令控制第一微型电动推杆(16)进行收缩，进而拉紧食指(1)上的驱动柔绳(12)被张紧，食指(1)上的扭簧(10)弯曲进而使得食指(1)弯曲直至食指(1)不再弯曲时，食指(1)与被抓物体接触并完成食指(1)对被抓物体的按压，在食指(1)完成按压被抓物体时，仿人机械手的食指(1)受到的压力F2的大小等于第一微型电动推杆(16)输出的PWM占空比信号区间对应的最小信号值对应的输出力的大小；
步骤S22：在食指(1)弯曲过程中，食指(1)上的两个液态金属传感器(13)均被拉伸，两个液态金属传感器(13)输出各自的电阻信号，直至两个液态金属传感器(13)输出的电阻信号的电阻值均不再变化时食指(1)停止弯曲，两个液态金属应变传感器(13)输出的各自的电阻信号均经分压电路发送至STM32控制板，STM32控制板获得两个电阻值并发送给上位机，上位机经分析计算将两个电阻值转化为两个转角，然后，上位机根据两个转角进一步经计算获得食指(1)指尖位移；
步骤S23：以软硬敏感性系数S作为被抓物体软硬的度量，食指按压被抓物体的过程中，食指指尖位移等于被抓物体受压变形量x2；软硬敏感性系数S采用以下公式计算：



式中，K1表示食指指尖的弹性系数，x2表示被抓物体受压形变量，F2表示机械手的食指按压完成时受到的压力；
获得软硬敏感性系数S后，即获得被抓物体的软硬；
步骤S3：对被抓物体稳定抓取：
步骤S31：对被抓物体进行抓取时，在仿人机械手上固定机械臂以实现五个手指与被抓物体接触后把被抓物体抓起来；STM32控制板以步骤S13所获得的硬度等级对应的PWM占空比信号区间对应的最小信号值的程序指令控制三个微型电动推杆进行收缩，进而使得机械手的五个手指均弯曲；
步骤S32：五个手指弯曲至与被抓物体接触时，食指(1)、无名指(3)和大拇指(6)上的PVDF压电传感器(9)均产生电压信号，当五个手指受到的压力的大小均等于三个微型电动推杆输出的PWM占空比信号区间对应的最小...

【专利技术属性】
技术研发人员：吴化平，孙申申，陈欢，施宽强，裘烨，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33