CN102145489A - 在腱驱动的机器人手指内的张力分配 - Google Patents

Abstract

本发明涉及在腱驱动机器人手指内的张力分配。具体地，提供了一种用于在机器人系统中的腱驱动手指的腱之间分配张力的方法，其中手指的特征在于n个自由度和n+1个腱。该方法包括：确定手指每个腱的最大功能性张力和最小功能性张力，然后使用控制器在腱中分配张力，使得每个腱都被指定张力值，该张力值小于最大功能性张力并且大于或等于最小功能性张力。该方法满足最小功能性张力，同时最小化机器人系统中的内部张力，并且该方法满足最大功能性张力，而不将耦合干扰引至关节转矩。一种机器人系统，其包括：具有至少一个腱驱动手指的机器人，该手指的特征在于n个自由度和n+1个腱；以及具有如上所述对腱进行控制的算法的控制器。

Description

在腱驱动的机器人手指内的张力分配

关于联邦政府资助的研究或开发的声明

本发明是在“NASA太空行动协议”编号SAA-AT-07-003下利用政府资助完成。政府可在本发明中享有某些权利。

相关申请的交叉引用

本申请要求2009年4月30日提交的美国临时申请No.61/174316的权益和优先权。

技术领域

本发明涉及在腱驱动操纵器中的转矩控制内的张力分配。

发明背景

机器人是能够使用一系列联接件来操纵物体的自动装置，这些联接件又经由一个或多个机器人关节相互连接。典型机器人中的每个关节都表示至少一个独立的控制变量，即，自由度(DOF)。诸如手、手指、或者拇指这样的末端执行器被最终致动以执行手边的任务，例如抓握加工工具或者物体。因此，机器人的精确运动控制可以由任务规格的等级来加以组织，包括物体级控制、末端执行器级控制和关节级控制。各种控制级共同实现所需的机器人的运动性、灵活性、以及和工作任务相关的功能性。

腱传动系统通常被用于机器人系统中，例如，在对高自由度(DOF)的手中的机器人手指的致动中。对于给定的腱驱动手指的力控制而言，手指上的期望转矩必须被转换成腱上的张力。因为腱仅能以张力来传递力，即，以拉拽布置(pull-pull arrangement)的方式，所以腱的数量和致动器的数量必须超过DOF，以便实现对腱驱动手指的完全确定的控制。为了变得完全确定，手指仅需要比DOF数多一个的腱，这已知为n+l布置。

对于给定的一组期望的关节转矩，对应的腱张力存在有无限组的解。然而，任何将负张力值指定给腱的解都不是物理有效的。这是由于腱的单向性本质的缘故，即，腱能够抵抗延伸而不能抵抗压缩。关于该问题的现有方法提供了确保所有腱的张力都大于或等于零的解。然而，当达到饱和上限时(例如，当遭遇硬件的最大张力限制时)，所获得的关节转矩可能变得不可预测，并且可能引入不期望的耦合。

发明内容

因此，在本文中提供了一种转矩控制方法和系统，用于由腱驱动的机器人操纵器中的张力分配。该方法在上界和下界内将张力指定或分配给操纵器的每个腱。所分配的张力满足下界，同时最小化所施加的内部张力。同时，所分配的张力还满足上界，并且消除了饱和的耦合效应。由此，提供平滑和可预见的操纵器转矩控制。

该方法在机器人系统中的腱驱动手指的n+l个腱中分配张力，其中手指本身的特征在于n个自由度。该方法包括确定n+l个腱中每一个的最大功能性张力和最小功能性张力，并且使用控制器以在n+l个腱中自动分配张力。每个腱都被指定张力值，该张力值小于该腱对应的最大功能性张力并且大于或者等于该腱对应的最小功能性张力。

当腱超出上界时，该方法提供了关节转矩的线性比例化，从而使得该上界得以满足。该线性比例化允许张力饱和，不会有跨关节转矩的耦合效应。该方法总是将最小张力值指定成等于下界。这确保了结构上的内部张力最小化。该方法还被示出最多需要该解的一次迭代。因此，该方法不必伴有无终止的迭代过程，就像该问题的数学本质所另外具有的那样。该特性对于实时应用是很重要的。

一种机器人系统，其包括机器人，该机器人具有：特征在于n个自由度和n+l个腱的至少一个腱驱动手指，和具有用于控制n+l个腱的算法的控制器。该算法适合确定n+l个腱中每个腱的最大功能性张力和最小功能性张力，并且自动地在n+l个腱中分配张力，从而使每个腱都被指定张力值，该张力值小于该腱对应的最大功能性张力并且大于或等于该腱对应的最小功能性张力。

一种提供给腱驱动的机器人手指的控制器，该控制器包括这样的算法：该算法适合于确定该腱驱动手指中每个腱的最大功能性张力和最小功能性张力，并且自动地在n+l个腱中分配张力，如上所述那样。

本发明还提供了以下方案：

方案1：一种用于在机器人系统中的腱驱动手指的n+l个腱中分配张力的方法，所述手指的特征在于n个自由度，所述方法包括：

确定最大功能性张力和最小功能性张力；和

使用控制器在所述n+l个腱中自动分配张力，使得每个腱都被指定张力值，所述张力值小于所述最大功能性张力并且大于或等于所述最小功能性张力。

方案2：如方案1所述的方法，其中，使用控制器自动分配张力包括：使用所述控制器计算所述腱驱动手指的多个关节中每个的关节转矩的线性比例，以便获得比例化的解。

方案3：如方案1所述的方法，进一步包括：如果给定腱的张力值中的任意张力值超过了所述腱的对应的最大功能性张力，则对所述比例化的解进行迭代。

方案4：如方案1所述的方法，其中n＝3

方案5：如方案1所述的方法，其中，所述最小功能性张力大于0，并且其中通过确保所指定的最低张力值等于所述最小功能性张力，从而使所述腱驱动手指的内部张力最小化。

方案6：如方案1所述的方法，其中，使用控制器自动分配张力包括：使用腱映射，所述腱映射包含有将腱张力映射到所述腱驱动手指内关节转矩的力矩臂数据。

方案7：如方案1所述的方法，其中，在不会将耦合干扰引入到所述腱驱动手指的多个关节中每一个的关节转矩中的情况下，满足所述最大功能性张力。

方案8：一种机器人系统，包括：

具有至少一个腱驱动手指的机器人，所述腱驱动手指的特征在于n个自由度和n+l个腱；和

具有用于控制所述n+l个腱的算法的控制器；

其中，所述算法适于：

确定所述腱驱动手指的最大功能性张力和最小功能性张力；和

在所述n+l个腱中自动分配张力，使得每个腱都被指定张力值，所述张力值小于所述最大功能性张力并且大于或等于所述最小功能性张力。

方案9：如方案8所述的机器人系统，其中，所述机器人是具有至少42个自由度的类人机器人。

方案10：如方案8所述的机器人系统，其中，所述算法适于这样自动分配张力，即通过：计算所述腱驱动手指的多个关节中每一个的关节转矩的线性比例，以便获得比例化的解。

方案11：如方案10所述的机器人系统，进一步包括：如果给定腱的所述张力值中的任意张力值超过所述腱的对应的最大功能性张力，则对所述比例化的解进行迭代。

方案11：如方案8所述的机器人系统，其中n＝3。

方案12：如方案8所述的机器人系统，其中，所述控制器包括腱映射，所述腱映射包含将腱张力映射到所述腱驱动手指内的关节转矩的力矩臂数据，并且其中所述算法还适于使用所述腱映射来自动分配张力。

方案13：一种用于具有n个自由度的腱驱动机器人手指的控制器，所述腱驱动手指包括n+l个腱，其中所述控制器包括算法，所述算法适于：

确定所述腱驱动手指的最大功能性张力和最小功能性张力；和

在所述n+l个腱中自动分配张力，使每个腱都被指定张力值，所述张力值小于所述最大功能性张力并且大于或等于所述最小功能性张力。

方案14：如方案14所述的控制器，其中，所述算法适于这样自动分配张力，即通过：计算所述腱驱动手指的多个关节中每个的关节转矩的线性比例，以便获得比例化的解。

方案15：如方案15所述的控制器，进一步包括：如果所述张力值超过所述最大功能性张力，那么对所述比例化的解进行迭代。

方案16：如方案14所述的机器人系统，其中n＝3。

方案17：如方案14所述的机器人系统，其中，所述控制器包括腱映射，所述腱映射包含将腱张力映射到所述腱驱动手指内的关节转矩的力矩臂数据，并且其中所述算法还适于使用所述腱映射来自动分配张力。

结合附图，并且由以下对实施本发明的最佳模式的详细描述，本发明的上述特征以及其他特征和优点将变得相当明显。

附图说明

图1是依照本发明的机器人系统的示意图；

图2是依照本发明的腱驱动手指的图示；和

图3是依照本发明的流程图，其描述了将指定的张力分配给每个腱的算法。

具体实施方式

参见附图，在全部的若干视图中，相同的附图标记表示相同或者相似的部件，参考图1，机器人系统11被示出为具有机器人10(例如，如图所示的灵活的类人型机器人或者其任何部分)，其经由控制系统或者控制器(C)22控制。控制器22包括用来控制一个或多个腱驱动手指19的算法100，如以下将详述的那样。控制器22电连接到机器人10，并且适合于控制机器人10的各种操纵器，包括一个或多个腱驱动手指19，如以下参照图2和图3详细描述的那样。

机器人10适合于以多个自由度(DOF)来执行一种或多种自动化任务，并且适合于执行其他交互任务，或者控制其他集成的系统部件，例如，夹紧设备、照明设备、继电器，等等。根据一个实施例，机器人10被配置成如图所示的类人机器人，其具有超过42DOF的自由度，但是在不脱离本发明所设想的范围的情况下，也可以使用具有更少DOF的其他机器人设计，和/或使用仅具有带至少一个腱驱动手指19的手18的其他机器人设计。图1中的机器人10具有多个独立和相互依赖的可运动的操纵器，例如，手18、手指19、拇指21，等等，其包括各种机器人关节。这些关节可包括但不限于，肩关节(其位置大致由箭头A指示)、肘关节(箭头B)、腕关节(箭头C)、颈关节(箭头D)、和腰关节(箭头E)，以及在每个机器人手指的指骨之间的指关节(箭头F)。

每个机器人关节可具有一个或多个DOF，这依赖于任务的复杂性而变化。每个机器人关节可包含一个或多个致动器，并且可由该一个或多个致动器内部驱动，例如，关节电机、线性驱动器、旋转致动器等等。机器人10可包括类人的部件，比如头12、躯干14、腰15、和臂16，以及手18、手指19、和拇指21，上述各种关节被布置在这些部件内或者被布置在这些部件之间。取决于机器人的特定应用或设想用途，机器人10还可包括适合任务的固定装置或者底座(未示出)比如腿，支撑板(treads)，或者其他可运动或固定的底座。电源13可一体地安装至机器人10，以便给各关节提供足够的电能，用于所述各关节的运动，该电源例如是携带或穿戴在躯干14的背部上的可再充电的电池组或其他合适的能量供给部，或者电源可以通过拴系线缆被远程地附接。

还参照图1，控制器22可包括多个数字计算机或者数据处理装置，其中每一个都具有一个或多个微处理器或者中央处理器(CPU)、只读存储器(ROM)、随机访问存储器(RAM)、电可擦除可编程只读存储器(EEPROM)、高速时钟、模数转换(A/D)电路、数模转换(D/A)电路、和任何需要的输入/输出(I/O)电路和装置，以及信号调节和缓冲电子器件(或电子线路)。由此，驻留在控制器22内的或者易于访问的独立的控制算法可存储在ROM中，并且以一个或多个不同的控制级自动执行，从而提供相应的控制功能。

控制器22可包括服务器或者主机17，其配置成分布式控制模块或者中央控制模块，并且具有以期望的方式执行机器人10的所有需要的控制功能所必需的控制模块和能力。此外，控制器22被配置成通用数字计算机，该计算机总体上包括：微处理器或者或者中央处理单元、只读存储器(ROM)、随机访问存储器(RAM)、电可擦除可编程只读存储器(EEPROM)、高速时钟、模数转换(A/D)电路和数模转换(D/A)电路、输入/输出电路和装置(I/O)、以及合适的信号调节和缓冲电子器件(或电子线路)。任何算法都驻留在控制器22内或可通过控制器22访问，包括用于在如下所述的操纵器(例如，手指19)的腱中分配张力的算法100和如下所述的腱映射50，算法100和腱映射50都可以被存储在ROM中并且按照需要被访问或执行，以便提供相应的功能。

参见图2，腱驱动手指19可以和图1的机器人10一起使用，或者与需要对物体应用抓握力的任意其他机器人一起使用。在腱驱动手指的转矩控制中，期望的关节转矩必须首先被转换成腱张力。该问题被称作张力分配，并且张力分配必须确保每个张力值部是非负的。本发明确保了每个张力都落入界定的范围[f_min，f_max]内，其中f_min≥0。该张力分配将最低的张力值设置成等于f_min，由此最小化内部张力。只要最高张力值超过f_max，该张力分配便求解出所需转矩的线性比例以满足该界限，同时最小化内部张力。

手指19包括腱34和多个关节32，其中一些关节是独立的关节，由箭头τ₁、τ₂和τ₃指示。手指19具有n个独立的关节(nDOF)和n+l个腱34。图2中所示的手指19具有3个DOF，因此在该特定实施例中腱的数量等于4，但是在不脱离本发明设想的范围的情况下，也可以使用更多或更少的腱和/或DOF。要注意的是，末端关节被机械耦接到邻近的关节，即，中间关节；因此，末端关节不是独立的DOF。而且，手指19的控制是完全确定的，正如该术语在本领域中所被理解的那样，因此腱34的数量是n+l，或者在图2所示的特定实施例中等于4。如上所述，每个独立关节32的特征在于关节转矩τ。n个腱34中的每一个的特征都在于张力f，在图2中表示为f₁，f₂，f₃和f₄，或总的表示f_l到f_n+l。

对于具有n个自由度和n+l个腱34的腱驱动手指19而言，转矩控制策略由算法100确定，该算法自动在n+l个腱中分配张力，从而使得每个相应的腱被指定f_l到f_n+l中相应的张力，该张力小于最大功能性张力f_max，并且大于或等于最小功能性张力f_min。当需要时，通过对关节转矩进行线性比例化，从而将张力f_l到f_n+l都配置在范围[f_min，f_max]内。

因此，在腱驱动手指19中，腱张力的矢量f被配置成使得从f_l到f_n+l的每个张力都落入范围[f_min，f_max]内。由于腱34的单向性本质，所以f_min≥0。在n个关节转矩τ和n+l个腱张力f_l到f_n+l之间的关系是：

$\left(\begin{array}{c}\mathrm{\τ}\\ t\end{array}\right)=\left[\begin{array}{c}R\\ w\end{array}\right]f---\left(1\right)$

其中t被定义成内部张力。

是腱映射50，其在图1中示意性示出，并且包含有将腱张力f映射到关节转矩τ的关节半径数据。w是n+l的行矩阵，其不在R的列空间内。特别地，对于腱可控的系统而言，腱映射(R)50必须具有全为正的零空间。这样，“内部张力”是所有张力的加权和；因此，内部张力越小表明在腱中的张力越小，从而在结构上的净张力越小。

式(1)中的腱变换的逆可以被如下分解：

$f={\left[\begin{array}{c}R\\ w\end{array}\right]}^{-1}\left(\begin{array}{c}\mathrm{\τ}\\ t\end{array}\right)---\left(2\right)$

$=\left[\begin{array}{cc}A& a\end{array}\right]\left(\begin{array}{c}\mathrm{\τ}\\ t\end{array}\right)$

和

是常量，该常量可以被提前计算并且作为校正值储存，并且将w选择成正交R(Rw^T＝0)。在该条件下：

A＝R⁺，α＝w⁺                    (3)

上标(⁺)是指示伪逆。如所提及的那样，腱变换的零空间必须是正矢量。因为正矢量的伪逆还是正的，所以a也全部为正。

参见图3，算法100可由图1的控制器22执行，以便提供本发明的控制策略。算法100从步骤102开始，其中确定手指19的关节转矩和张力限制，并且作为一组输入提供给算法100。一旦被提供，则算法前进到步骤104，并且控制器22计算手指19的最小内部张力。步骤104要求张力f_l到f_n+l的分配，使得最小值等于f_min。在下面的等式(4)中，A_i表示A的第i行，a_i表示a的第i行，其中a_i全部是正元素：

f_i＝A_iτ+a_it≥f_min       (4)

这为内部张力t₀提供了以下的解：

$t_0=\underset{i}{\max }\frac{f_{\min }-A_i\mathrm{\τ}}{a_i}---\left(5\right)$

前进到步骤106，然后将内部张力值t₀代入等式(2)用于张力分配，即：

$f=\left[\begin{array}{cc}A& a\end{array}\right]\left(\begin{array}{c}\mathrm{\τ}\\ t_0\end{array}\right)---\left(6\right)$

此后，控制器22确定张力值f_l到f_n+l中的任意一个张力值是否超出了上界f_max。如果张力值f_l到f_n+l部没超过上界f_max，则算法100前进到步骤108，将张力值f_l到f_n+l指定给其相应的腱34，并且算法100结束。如果在步骤106该算法确定张力值f_l到f_n+l中的任意一个张力值超过上界f_max，则该算法前进到步骤110，在该步骤中计算比例化的解。令i表示具有最小张力的元素，而令j表示具有最大张力的元素。假定f_j＞f_max，则将转矩线性比例化为：

$f=\left[\begin{array}{cc}A& a\end{array}\right]\left(\begin{array}{c}\mathrm{\α\τ}\\ t\end{array}\right)---\left(7\right)$

当f_i＝f_min并且f_j＝f_max时得到解。α是正标量。精确的解如下所示：

d＝(a_jA_i-a_iA_j)τ

$\mathrm{\α}=\frac{a_j{f}_{\min }-a_i{f}_{\max }}{d}---\left(8\right)$

$t=\frac{f_{\max }{A}_i-f_{\min }{A}_j}{d}\mathrm{\τ}$

该解在两个条件下(即，当f_min＝0或手指19具有平衡配置时)保证了f∈[f_min，f_max]。当张力都相等(由此w的元素全部相等)时，具有平衡配置的手指没有净转矩。在这两种情况之一中时，算法可以立刻移动到步骤108并且退出。在其他的方面，该解并不保证所有元素都在期望的限制内，并且该结果可能需要使用第二次迭代来进行检查。如果张力值f_l到f_n+l都不超过上界f_max，那么在步骤114中将张力值f_l到f_n+l指定给它们相应的腱34。

如果在步骤112，张力值f_l到f_n+1中的任意一个超过上界f_max，那么在步骤116，在分别将标号i或j重新指定给新的极值元素之后对上述等式(8)进行迭代。由于腱变换的性质，所以进行迭代的需要应当极少发生。例如，对于典型的设计，所指令的转矩值中仅不到2％可能会发生需要进行迭代的情况。另外，二次迭代对于完全确定将被指定的张力值而言足够有效，从而算法可以在该迭代中完成(capped)。

本发明优点在于至少两个关键点。首先，使用了高效计算的算法(即，算法100)来生成腱张力的分配，该算法不需要线性规划。第二，利用期望关节转矩的线性比例化来封住或者限制最大张力，消除了通常由饱和引起的耦合和耦接干扰，从而产生平滑和线性的转矩控制。这与传统的方法相反，传统方法存在机械饱和的张力，从而产生耦合的且不可预知的转矩。此外，算法100设置了等于下界(或者下限)的最低张力，由此最小化内部张力。

由等式(8)获得的比例化的解不会将另外的元素推出界，也就是说超出f_max。该结果也能够根据R的性质来进行分析解释。首先，注意α是标量，从而使得α∈(0，1)。该结果是直觉的，以下则是论证。考虑等式(8)中关于α的解。因为f_i＝f_min且f_j＞f_max：

f_min＝A_jτ+a_it₀

f_max＜A_jτ+a_jt₀        (9)

代入等式(8)中，显示α＜1。同时，还显示出α＞0是显而易见的。

令参数(⁰f，t₀)为初始解(6)，而(¹f，t₁)为等式(8)的比例化的解的第一次迭代。可示出两个解的关系如下。取消令i和j分别指示具有最低值和最高值的元素。

$f_1=\mathrm{\α}f_0+\frac{(1-\mathrm{\α})f_{\min }}{a_i}a---\left(10\right)$

右边第一项是结果的线性比例化部分。该项保持了元素的顺序。然而，第二项表示了偏离线性分配的偏差。因此，当f_min＝0时，该项消去，且比例化的解则完全保持了元素的相对量值。这保证了f∈[0，f_max]。

当f_min≠0时，元素的相对顺序可能改变，并且不同的元素可能跳出限制。考虑当其它元素k超过元素j使得¹f_k＞¹f_j时的情况。正如从等式(10)中可以看到的那样，第一次迭代后的差为：

$f_k_1-f_j_1=\mathrm{\α}(f_k_0-f_j_0)+(1-\mathrm{\α})f_{\min }(\frac{a_k}{a_i}-\frac{a_j}{a_i})>0---\left(11\right)$

第一项由于元素j的定义而小于零。关于第二项，a的元素在给定的平衡配置情况中是相等的。因此，在这种情况下¹f_k永远不可能比¹f_j大。只要R的列求和等于0，这就会发生。通常，即使不平衡，手指19也不会太偏离平衡配置。因此，a的元素之间的相对差是比较小的，因而，在等式(8)的第一次迭代后，极少有再一个(或第三个)元素超过期望的限制。因此，步骤116仅需要执行一次。

尽管已经详细描述了实施本发明的最佳模式，但是在所附权利要求的范围内，熟悉本发明涉及领域的技术人员将会认识到用于实施本发明的各种替代性设计和实施例。

Claims (10)

1.一种用于在机器人系统中的腱驱动手指的n+l个腱中分配张力的方法，所述手指的特征在于n个自由度，所述方法包括：

确定最大功能性张力和最小功能性张力；和

使用控制器在所述n+l个腱中自动分配张力，使得每个腱都被指定张力值，所述张力值小于所述最大功能性张力并且大于或者等于所述最小功能性张力。

2.如权利要求1所述的方法，其中，使用控制器自动分配张力包括：使用所述控制器计算所述腱驱动手指的多个关节中每个的关节转矩的线性比例，以便获得比例化的解。

3.如权利要求1所述的方法，进一步包括：如果给定腱的所述张力值中的任意张力值超过了所述腱的对应的最大功能性张力，则对所述比例化的解进行迭代。

4.如权利要求1所述的方法，其中n＝3。

5.如权利要求1所述的方法，其中，所述最小功能性张力大于0，并且其中通过确保所指定的最低张力值等于所述最小功能性张力，从而使所述腱驱动手指的内部张力最小化。

6.如权利要求1所述的方法，其中，使用控制器自动分配张力包括：使用腱映射，所述腱映射包含有将腱张力映射到所述腱驱动手指内关节转矩的力矩臂数据。

7.如权利要求1所述的方法，其中，在不会将耦合干扰引入到所述腱驱动手指的多个关节中每一个的关节转矩中的情况下，满足所述最大功能性张力。

8.一种机器人系统，包括：

具有至少一个腱驱动手指的机器人，所述腱驱动手指的特征在于n个自由度和n+l个腱；和

具有用于控制所述n+l个腱的算法的控制器；

其中，所述算法适于：

确定所述腱驱动手指的最大功能性张力和最小功能性张力；和

在所述n+1个腱中自动分配张力，使得每个腱都被指定张力值，所述张力值小于所述最大功能性张力并且大于或等于所述最小功能性张力。

9.如权利要求8所述的机器人系统，其中，所述机器人是具有至少42个自由度的类人机器人。

10.一种用于具有n个自由度的腱驱动机器人手指的控制器，所述腱驱动手指包括n+l个腱，其中所述控制器包括算法，所述算法适于：

确定所述腱驱动手指的最大功能性张力和最小功能性张力；和

在所述n+l个腱中自动分配张力，使得每个腱都被指定张力值，所述张力值小于所述最大功能性张力并且大于或等于所述最小功能性张力。

Images