基于姿态识别的机器人人机交互系统设计

针对现有遥机器人人机交互系统依赖于视频信息使操控性能不稳定的问题,设计并实现一种基于姿态传感器的人机交互系统。利用姿态传感器获取人的姿态信息并对其进行解算,通过基于D‐S证据理论的信息融合法对姿态进行判定,使用语音确定动作指令的发送,对复杂动作进行组合,简化操作,通过“双虚拟模型”获取远端机器人的姿态,对运动轨迹进行修正。实验结果表明,该系统具有高稳定、高准确率及易操作的特点。     

PUMA760切割作业力与位置混合控制

本文介绍在 PUMA760 上实现了的切割作业控制系统。我们在 PUMA760 控制系统中引进了力传感器信号,加入了力控制算法,通过调整机器人手部位置,控制机器人与环境物体间的相互作用力。在 VAL 系统中加入了根据传感器信号动作的指令,实现了一种机器人力与位置的混合控制。用扩充后的 VAL 系统编程,成功地使 PUMA760完成了多种材料的切割作业。     

一种基于加速度特征的可拓动作识别的飞行控制系统的设计

手部动作识别是人机交互的一种新技术,具有广泛的应用价值.本项目以ARM7微处理器为核心,通过三轴加速度和陀螺仪传感器采集手部动作信息,利用一种识别算法,分析获知手部的动作和姿态.再根据不同的手部动作,向从机系统(四旋翼飞行器)发送相应的控制命令,从而实现了通过手部动作来灵活而无死角地控制飞行器的飞行姿态和飞行路径.     

遥操作护理机器人系统的操作者姿态解算方法研究

设计了一种遥操作护理机器人系统,为实现从端同构式机器人的随动运动控制,对主端操作者人体姿态解算方法进行了研究.首先,构建由惯性传感单元构成的动作捕捉系统,对用作从端机器人动作指令的操作者人体姿态信息进行采集,采用四元数法对人体运动原始数据进行初步求解.其次,将四元数法得到的姿态数据解算成依据仿人结构设计的护理机器人各关节运动的目标姿态角,实现人体姿态到机器人动作的同构性映射.最后,为验证本文所提姿态解算方法的性能,设计了操作者控制护理机器人完成递送和拿取药瓶动作的实验.结果表明,本文姿态解算方法的解算性能与参考系统基本相同;在操作者动作姿态快速变化的时间段,系统仍可获得较高精度的目标姿态数据,其误差在动态条件下依旧能保持在2%以下;护理机器人可较好地实时复现操作者的人体动作.本文方法能满足机器人进行一般护理作业时对人体姿态数据处理的快速性和准确性要求.     

基于肌力信号与电刺激感觉反馈的多自由度机械手人机交互控制

为使操作者能够灵活控制多自由度机械手并能感受到机械手的抓取力,提出了一种具有双向信息传输能力的可穿戴式人机交互系统及控制方法.该系统利用压力传感器(FSR)阵列采集与操作者手部动作对应的前臂肌力信号,基于SVM(支持向量机)多类分类器算法实现对手部动作的识别,通过发送动作模式码控制机械手动作.另外,基于经皮神经电刺激(TENS)原理,将机械手抓取力信号转变为电刺激信号刺激体表皮肤,实现机械手抓握力向人体的感觉反馈.实验表明,基于肌力信号和SVM分类器的动作模式识别方法可实现对10种手部动作的识别,成功率不低于95%;电刺激感觉反馈可向人体准确反馈抓取力感并实现盲抓取.     

基于18-传感器数据手套手部交互模型的建立

虚拟现实技术应用到遥操作机器人系统中可以克服通信时延对系统的影响,其交互设备数据手套用作遥操作机器人系统的主端控制装置可以在人机交互中充分发挥手的自然性和灵巧性.介绍了美国Immersion公司生产的CyberGlove的特点及使用方法,接着分析了人体手部的生理结构,将手部运动自由度分解为手部姿态22个自由度和空间位置6个自由度.在建立虚拟手部模型的基础上,以具有18个传感器的数据手套作为手势输入设备,通过人体手部运动学模型建立了数据手套与虚拟手模型之间的联系,利用3DS MAX、OpenGL编程实现了人手与虚拟手模型的交互操作.     

基于专家系统的焊枪姿态智能控制系统

针对管道焊接机器人焊枪姿态控制问题,提出了一种基于专家系统的焊枪姿态智能控制系统。在基于专家系统的智能控制基础上加入神经网络模糊控制,二者采取并行控制与知识共享的策略,实现管道焊接机器人焊枪姿态的综合集成智能控制。系统中采用ADXRS300微机械陀螺作为焊枪位置传感器,获取焊枪的空间位置后,通过专家系统的经验推理,得到合适的俯仰角,并采用ARM7作为控制器驱动焊枪俯仰角步进电机动作,实现对焊枪俯仰角的实时调节。     

人与机器人共存中的位姿估计与碰撞检测

提出了一种人与机器人共存中的位姿估计与碰撞检测方法。首先,利用光学3维动作捕捉系统获取标记点位姿信息,建立人体手臂的运动学模型。其次,针对工作空间中障碍物遮挡导致部分标记点位姿信息丢失的问题,将角度传感器获取的肘关节角度作为人体手臂运动学模型的输入,获取人体手臂末端位姿信息。再次,构建人体手臂和协作机器人的胶囊体模型,计算各胶囊体之间的最短距离,从而判断人机的相对位姿关系并实现碰撞检测。最后,通过10个人在不同人机共存场景下对人机位姿估计与碰撞检测方法进行评价。实验结果表明,本方法估计的人体手臂末端位置误差在20mm以内,人机最短距离的最大误差为14.53mm,能够实现人机碰撞检测。     

自主越障巡检机器人质心调节控制

巡检机器人在跨越障碍时,质量偏心产生的偏矩破坏了机器人车体的水平姿态．本文提出了一种质心调节方法,利用倾角传感器测量机器人车体与水平面之间的倾角,从而控制配重块移动电机的运动,将机器人的质心调节到悬挂于架空地线上的那只手臂上,因此能保证机器人车体保持水平姿态,确保需要脱线或上线的手臂完成相应的动作．最后,通过仿真试验验证了质心调节控制方法的可行性．     

基于矿山设备实训手部运动模型的数据手套

矿山设备实训采用虚拟现实技术互动操作真实性较差,而现有微惯性传感器式数据手套通过优化数据处理算法以减少传感器布置数量导致准确性不高。针对上述问题,在介绍人类手部结构和手部运动力学模型的基础上,分析了矿山设备实训基本动作及运动特点,提出了二指六连杆七自由度矿山设备实训手部运动模型,从而可减少微惯性传感器布置数量;基于四元数法推导了指骨位置及姿态解算算法;开发了基于矿山设备实训手部运动模型的数据手套。在手套腕部固定Tracker追踪器来获得前臂绝对坐标,在手套大拇指和食指处布置微惯性传感器以提供指骨载体坐标,并通过指骨位置及姿态解算获得指骨在导航坐标系的位置及姿态,从而实现虚拟场景手部运动姿态实时重生成。测试结果表明,矿山设备实训基本动作的最大误差为9mm,小于控件最小直径,满足矿山设备实训操作需要。     

Robot teaching system based on hand-robot contact state detection and motion intention recognition

This paper presents a robot teaching system based on hand-robot contact state detection and human motion intent recognition. The system can detect the contact state of the hand-robot joint and extracts motion intention information from the human surface electromyography (sEMG) signals to control the robot's motion. First, a hand-robot contact state detection method is proposed based on the fusion of the virtual robot environment with the physical environment. With the use of a target detection algorithm, the position of the human hand in the color image of the physical environment can be identified and its pixel coordinates can be calculated. Meanwhile, the synthetic images of the virtual robot environment are combined with those of the physical robot scene to determine whether the human hand is in contact with the robot. Besides, a human motion intention recognition model based on deep learning is designed to recognize human motion intention with the input of sEMG signals. Moreover, a robot motion mode selection module is built to control the robot for single-axis motion, linear motion, or repositioning motion by combining the hand-robot contact state and human motion intention. The experimental results indicate that the proposed system can perform online robot teaching for the three motion modes.     

下肢康复机器人的自适应人机交互控制策略

针对康复机器人运动过程中的人机交互性问题,提出一种下肢康复机器人自适应人机交互控制策略.提取伸屈运动中下肢表面肌电信号（Surface electromyography,sEMG）和足底压力特征,分别用于表征下肢运动意图和人机交互力（Interaction force,IF）信息,建立基于sEMG-IF的人机交互信息融合模型,实现下肢康复机器人运动轨迹的在线规划;考虑主动康复运动过程中的人机交互作用,建立具有时变动态特性的人机系统动力学模型,设计间接模糊自适应控制器对期望轨迹进行跟踪控制,实现下肢康复机器人自适应人机交互控制.通过对5名被试者进行下肢康复机器人运动控制实验研究,验证所提方法的可行性和有效性.     

多自由度仿生假手嵌入式控制系统及其抓取策略

为一种能够实现5 指独立动作以及具备人机交互能力的多自由度仿生假手设计了手部嵌入式控制系 统．该系统由传感器系统和运动控制系统构成,集成于假手机体内部,通过通信总线与上层控制器交换信息．传感 器系统包括3 种类型,共12 个传感器,可为假手自主抓取以及人机交互中的感觉反馈提供数据,运动控制系统用于 控制、驱动各手指动作．此外,本文以基于位置的阻抗控制为底层,以动作预构形为上层设计了分层控制策略．实 验表明,该嵌入式控制系统和分层控制策略使假手实现了自主抓取功能,提高了抓取的柔顺性、稳定性和适应性．     

满足不同交互任务的人机共融系统设计

人与机器人共同协作的灵活生产模式已经成为工业成产的迫切需求,因此,近年来人机共融系统方面的研究受到了越来越多关注.设计并实现了一种满足不同交互任务的人机共融系统,人体动作的估计和机器人的交互控制是其中的关键技术.首先,提出了一种基于多相机和惯性测量单元信息融合的人体姿态解算方法,通过构造优化问题,融合多相机下的2D关节检测信息和所佩戴的惯性测量单元测量信息,对人体运动学姿态进行优化估计,改善了单一传感器下,姿态信息不全面以及对噪声敏感的问题,提升了姿态估计的准确度.其次,结合机器人的运动学特性和人机交互的特点,设计了基于目标点跟踪和模型预测控制的机器人控制策略,使得机器人能够通过调整控制参数,适应动态的环境和不同的交互需求,同时保证机器人和操作人员的安全.最后,进行了动作跟随、物品传递、主动避障等人机交互实验,实验结果表明了所设计的机器人交互系统在人机共融环境下的有效性和可靠性.     

Development of human-machine interface for teleoperation of a mobile manipulator

Human-robot control interfaces have received increased attention during the past decades for conveniently introducing robot into human daily life. In this paper, a novel Human-machine Interface (HMI) is developed, which contains two components. One is based on the surface electromyography (sEMG) signal, which is from the human upper limb, and the other is based on the Microsoft Kinect sensor. The proposed interface allows the user to control in real time a mobile humanoid robot arm in 3-D space, through upper limb motion estimation by sEMG recordings and Microsoft Kinect sensor. The effectiveness of the method is verified by experiments, including random arm motions in the 3-D space with variable hand speed profiles.     

士兵可穿戴下肢外骨骼机器人多元感知方法研究

下肢外骨骼机器人是一种可穿戴且融合了多种机器人技术的复杂人-机系统。它将人类的智慧与机器人强壮的能力有效地结合起来,最大限度地提高人体的机动力和耐力,这为提升单兵作战系统的能力创造了条件。鉴于下肢外骨骼机器人在作战、后勤保障时可能遇到的复杂地形、多变随机的任务等,仅通过基于既定的典型步态规划程序驱动执行已知的特定动作,难以保证人机间的耦合性和动作的高随意性切换。为此,模拟并提炼出士兵常见的六种下肢动作作为后续研究,然后分析了下肢外骨骼机器人的感知控制原理,并提出了基于脑电预判感知、肌电精确感知和光纤实时校正的多信息融合的感知方法,强调将人的智能参与到机器人控制中,以期推进士兵可穿戴下肢外骨骼机器人的实用化。     

基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统设计

为了保证机器人能够在保持稳定的情况下,按照规划轨迹执行工作任务,从硬件和软件两个方面,设计了基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统。装设机器人传感器与状态观测器,改装机器人鲁棒滑模跟踪控制器,完成系统硬件设计;综合机器人结构、运动机理和动力机制3个方面,构建机器人数学模型;根据状态数据采集结果与规划轨迹之间的偏差,计算机器人跟踪控制量;依据滑模运动与切换方程,利用Sigmoid函数生成机器人鲁棒滑模控制律,将生成控制指令作用在机器人执行元件上,实现系统的鲁棒滑模跟踪控制功能;在系统测试与分析中,所设计控制系统的平均位置跟踪控制误差为0.93 mm,与设定轨迹目标基本重合,机器人姿态角跟踪控制误差为0.06 mm,具有较好的鲁棒滑模跟踪控制效果,能够有效提高机器人鲁棒滑模跟踪控制精度。     

Acquisition of a symbolic manipulation task model by attention point analysis

As a way of automatic programming of robot behavior, a method for building a symbolic manipulation task model from a demonstration is proposed. The feature of this model is that it explicitly stores the information about the essential parts of a task, i.e. interaction between a hand and an environmental object, or interaction between a grasped object and a target object. Thus, even in different environments, this method reproduces robot motion as similar as possible to that of humans to complete the task while changing the motion during non-essential parts to adapt to the current environment. To automatically determine the essential parts, a method called attention point analysis is proposed; this method searches for the nature of a task using multiple sensors and estimates the parameters to represent the task. A humanoid robot is used to verify the reproduced robot motion based on the generated task model.     

一种基于EEG和sEMG的假手控制策略

针对残臂较短或残臂上肌电信号测量点较少的残疾人使用多自由度假手的需求,提出一种基于脑电信号（Electroencephalogram,EEG）和表面肌电信号（Surface electromyogram signal,sEMG）协同处理的假手控制策略.该方法仅用1个肌电传感器和1个脑电传感器实现多自由度假手的控制.采用1个脑电传感器测量人体前额部位的EEG,从测量得到的EEG中提取出眨眼动作信息并将其用于假手动作的编码;采用1个肌电传感器测量手臂上的sEMG,并针对肌电信号存在个体差异和位置差异的问题,采用自适应方法实现手部动作强度的估计;采用振动触觉技术设计触觉编码用于将当前假手的控制指令反馈给佩戴者,从而实现EEG和sEMG对多自由度假手的协同控制.为验证该控制策略的有效性进行了实验研究,结果表明,提出的假手控制策略是有效的.     

基于阻抗模型的下肢康复机器人交互控制系统设计

为帮助下肢功能障碍患者进行康复训练,设计了下肢康复机器人。对于该机器人的控制,采用传统系统无法柔顺控制,导致机器人运动轨迹偏离预设轨迹。针对该现象,提出了基于阻抗模型的下肢康复机器人交互控制系统设计。通过分析总体控制方案,设计系统硬件结构框图。采用L型二维力传感器,确定两个方向的人机交互力。使用绝对值编码器安装在各个关节处,其输出值作为髋关节、膝关节、踝关节电机的转动位置,增量编码器安装在电机轴上,测量值用来作为后期控制方法的输入参数。构建阻抗控制模型,能够调节机器人位置和速度,具有消除力误差功能。依据此力矩对参考运动轨迹进行设计,实时获取患者康复训练的跟踪、主动柔顺和接近状态信息。在柔顺训练实验测出人机交互力,通过实验结果知,在检测到人体主动力矩异常时,系统能够重新优化轨迹,具有良好柔顺控制效果。