改进型在体张力传感器及在跟腱张力测定中的应用

作者对环扣式张力传感器在结构上作了改进，改单片梁为双层工字梁，改平面框架为立体异型框架，改进后的双层工字梁、立体框架张力传感器，具有灵敏度高、附加应力小、数据重复性好，能实测在体生物组织张力的特点，提出了传感器横梁高度的计算公式，并且用该传感器实测了４５只家兔跟腱的张力值，测得跟腱张力波主要有四种类型。

基于腱驱动的空间多指灵巧手的位置/腱张力混合控制

现有的腱驱动空间多指灵巧手通过对每一根腱施加独立的张力实现力控制,忽略了腱绳耦合运动的影响。针对"N+1"型腱驱动多指灵巧手系统内腱绳运动和腱张力耦合的问题,采用关节转矩到腱张力映射的方式解决,同时加入位置控制,构成位置/腱张力混合控制系统,实现腱驱动灵巧手的主动柔顺控制。"Matlab+ADAMS"联合仿真结果验证了算法的可行性。

基于孔-腱近似模型的拟人灵巧手自适应运动控制

腱绳驱动的拟人灵巧手执行操作任务和控制都是直接由腱的长度来决定,针对驱动腱长度变化和张力之间的控制提出了一种基于孔-腱近似模型(hole-tendon-approximation-model,HTAM)的拟人灵巧手模型参考自适应控制器。针对深度拟人化具有滚转关节的腱驱动拟人灵巧手通过HTAM模型建立精确的手指运动学模型,并由驱动腱的长度和速度计算出张力和驱动状态,采用HTAM模型参考控制器进行控制,解决手指模型自由度冗余、运动学模型不准确和腱张力不同导致的控制精度不高,响应迟滞问题,并设计了多种抓取手势来验证拟提的运动学建模方法和控制算法,对于单指的控制在受到冲击后位置误差仍保持在0.198 mm以内,由抓取实验证明了所提控制器的实时性能和位置跟踪的准确性。

基于BP神经网络的腱驱动灵巧手的自适应阻抗控制

考虑到机器人手指与物体接触以及外部扰动的情况,提出一个基于BP神经网络的自适应阻抗控制器。这种修正策略通过BP神经网络和阻抗控制结合完成,保证了系统的稳定性,并且提高系统对灵巧手指与外界工作环境接触时,接触力的自适应能力。实验结果表明,在存在外部扰动的情况下,所设计的基于BP神经网络的自适应阻抗控制器具有较好的控制效果。