人和机器人握手的同步控制.pdf

人和机器人握手的同步控制*梁锡昌1 谢光辉1,2,3 桥本稔3 潘继生1 李 伟1(1.重庆大学机械传动国家重点实验室 重庆 400044；2.重庆电子工程职业学院机电工程系 重庆 401331；3.日本信州大学纤维学部 长野 386-8567 日本)摘要：为实现人和机器人握手运动的同步，提出基于神经振动子同步控制的方法，并将此方法应用于人和机器人握手的研究中。在现有神经振动子的基础上，设计一种新的人和机器人握手的神经振动子模型并对其特性进行分析。人和机器人相互作用而产生的机器人关节扭矩信号，作为输入信号被反馈到神经振动子，神经振动子输出机器人关节给定的轨迹。最后，将该神经振动子模型应用于同步控制方法中来对机器人臂和人臂的握手交流进行动力学仿真，并基于7自由度机器人臂进行人和机器人握手交流试验。仿真和试验结果表明，该方法能够实现人和机器人握手运动的同步。通过调节神经振动子的增益参数，同步的程度能够被改变，从而实现人和机器人握手时相互作用的被动性。关键词：神经振动子 握手 动力学 同步控制 中图分类号：TP240 前言 对人和服务机器人来说，它们身体各部分相互接触(比如搀扶、握手等)是不可避免的。近几年，有许多关于人和机器人身体相互作用的研究，取得了一定成果1-2，但它们大都着眼于机器人的阻抗控制研究，这种方式需要确定人和机器人之间谁是主控，谁是被控，然后被控者来同步主控者的运动。但在现实生活中，人与人之间相互作用是自然的，不存在谁主控、谁被控的现象，比如握手。所以，目前用阻抗控制的方式来实现人与机器人的自然交流有一定的难度。为实现机器人运动与周围环境保持同步，神经振动子亦被应用于诸如机器人行走3和其他有节奏的运动4上。这些研究的目的是用神经振动子来实现人与机器人的自然交流，使各自的运动保持同步。为进一步找到人与机器人实现自然交流的控制方式，本文以人和机器人握手这样一个有节奏的运动作为例子进行研究。正常情况下，当人们之 间握手时，任何一方都会感觉很自然，这主要是因为双方的握手运动频率基本上是同步的。这种同步可以作为一种基本现象。当然，在握手时，一个人主动而另一个人被动的情况亦是可能的。本文首次提出一种基于神经振动子同步控制(Synchronization based control,SBC)的方法，并将此方法应用于人和 *国家留学基金委(2007102654)和日本三菱株氏会社基金资助项目。20071224收到初稿，20081212收到修改稿 机器人握手的研究中。通过这种方法，人和机器人握手运动的同步能被实现。通过调节该方法的控制参数，同步的程度亦能被改变。其对实现人和机器人身体相互作用的自然交流有较大的重要意义。1 控制同步模型 人和机器人身体相互作用的同步控制模型如图1所示。通过SBC，人和机器人之间的运动能实现同步。同时，这种相互作用的被动性能够通过调节同步强度来实现。图1 SBC同步控制模型 神经振动子(Neural Oscillator）关节 神经振动子 同步调节机器人外部 输入扭矩 人类运动关节 给定角度(PD 反馈）SBC模块的核心是参数可调的神经元振荡器。人与机器人相互作用所产生的扭矩信号被反馈到神经元振荡器输入端。由于神经元振荡器具有同步特性，在其输出端会输出与输入扭矩信号同步的给定关节位移(角度)，从而实现人和机器人之间运动的同步。同时，通过同步调节模块，能够调节运动同步的程度，从而实现相互作用的被动性。2 神经振动子模型 2.1 神经振动子 MATSUOKA5-6分析了相互抑制神经元的特性并且发现了神经元产生振动的条件。其单个神经元的结构如图2所示。由两个神经元组成的网络，称为神经振动子(Neural oscillator,NO)，它可以同步输入信号，并被用来产生如动物的走和呼吸等周期性运动，结构如图3所示，输入为外部扭矩，输出为执行机构(如关节等)的给定角度。每个神经元的动力学微分方程如式(1)(3)所示 rd()diiijjiiij ixTxa g xb fst+=+I (1)ad()diifTfgt+=ixi (2)()max(0,)ig x=x (3)式中，ix为第i个神经元的内部状态变量，if为第i个神经元的疲劳强度变量，is为第 个神经元的稳态输入变量，b为第i个神经元的疲劳强度系数，a为第iiijj个神经元对第i个神经元的连接系数，T、T为时间常数，raI为外部输入信号。图2 神经元结构 图3 神经振动子 2.2 特性 对神经振动子分析后发现，其具有在无输入时的自振动特性和在有输入时的输入输出同步特性。自振动特性表述如下：当恒定时，改变T参数，振动频率与1/成比例变化，但振幅不变。当的值大于当1/10时，振动逐渐收敛于零。ra/T TrrTra/T T输入输出同步特性表述如下：当时间常数、T的值较小时，输出信号与输入信号较易同步。当的值小于1/10时，输出信号的相位超前。rTara/T T从以上数据可知，当的值大于1/10时，输入输出信号较易同步，而自振动却逐渐趋于零。这是一个相互矛盾的问题。为解决这一问题，提出了第3节所描述的人和机器人握手神经振动子模型。ra/T T3 人和机器人握手神经振动子模型 由于第2节所述的神经振动子存在一些缺点，因此提出了如图4所示的由两个神经振动子相互连接组成的人和机器人握手神经振动子模型。其中，每个神经振动子控制一个关节；每个关节的神经振动子被相互连接组成网络，且有两个输入1I(关节1为11I，关节2为12I)和2I(关节1为21I，关节2为22I)。它们来自于关节1和2的反馈扭矩T和T。其微分方程式如式(4)(6)所示。为方便起见，在以下各参数影响分析中，将T和作为输入信号 1212Tr112112()(1)()()(1)ijijikikijijijkjjilll ijdxa g xb xsKg xg xII+=+Txdt (4)a(ijijijdxTxg xdt+=)(5)()max(0,)ijijg x=x (6)1K2K1C2C1L2L2O1O21I22I12I11I1T2|T2TNONO(关节1)(关节2)1|T关节2输出关节1输出 Iis()ijja g x()ig xixifib 相互抑制+-给 定 角度输出外 部 扭矩输入 1()g x2()g x1x2xI 图4 人和机器人握手神经振动子 图4中各参数对系统的影响如下。参数、对同步的影响。在模型中，两个关节通过增益、连接，其主要作用是同步两个关节，使它们的输出频率保持一致。图5a、5b分别表示在相同输入条件下(关节1为，关节2为1K2K1K2K2sin(4)t0.2 sin(2)t)、当和121.2KK=120KK=时两关节的输出关系，可以看出前者两关节的输出频率同步，而后者不同步，这说明了增益、K 的作用是同步两关节。1K2 12(b)0.0KK=时间 t/s 关节2关节112(a)1.2KK=时间 t/s 关节2关节1输出信号/rad 输出信号/rad 图5 不同时神经振动子输出 1KK=21参数C、C 对频率同步的影响。在图6中，211I和12I分别等于11C T?和C，且增益C和C的大小决定同步的强度。即当该值由小到大变化时，输入信号和输出信号的频率逐渐同步，机器人亦由被22T?12动握手逐渐变为积极握手。图6a表示当时的输入输出位置跟踪关系，图6b表示函数120.05CC=1(n)fn+=的关系图(此函数反映输入与输出频率关系。1+n或分别表示两个输出之间在第或第个振动时的相位差，。当n1+nn1,2,.=n1+=nn)n时，表示两个输出的相位差保持一定值不变，说明频率一致。反之，则频率不一致)，可以看出，1(nf+=所表示的点连线具有一定的斜率，从而可见输入和输出的不同步，且输入信号频率明显大于输出信号的频率，表示机器人处于被动握手的状态。图6 不同时输入输出 1CC=2)n相反，从图6c、6d可以看出，当时，输入、输出信号的频率基本同步，并且函数120.5CC=1(nf+=基本上集中于一个很小的范围内，机器人处于较积极的状态。参数、对振幅同步的影响。图7中，1L2L21I和22I分别等于和|LT。从这可以看到，输入与输出信号振幅的同步有两种理解：通过调整增益和的大小使输出与输入振幅强度保持同步。输入信号自身的增加会引起输出振幅的增加。11|LT?|?22|1L2L图7a、7b分 别 表 示 在 输 入 信 号 为、当和时关节2的输入输出信号跟踪关系。可见，通过调整增益参数和可以改变输出振幅，从而与输入信号振幅保持同步。即当该值由小到大变化时，输出信号的振幅逐渐增大，从而与输入信号的振幅同步。2sin(0.52)t120.024LL=120.7LL=1L2L图7c表示输入信号为零时关节2的输出，与图7a比较后可看出，后者输出信号的振幅明显比前者的强得多。这说明输入信号自身的增加会引起输出信号振幅的增加。12(a)0.05CC=角度信号/rad 时间 t/s 输出 输入 12(c)0.5CC=时间 t/s 输出 输入 角度信号/rad(b)相位差 n+1/rad 相位差n/rad(d)相位差 n+1/rad 相位差n/rad图7 和对输入和输出的影响 1L2L4 人和机器人握手仿真 建立3自由度机器人臂和人臂握手的动力学模型，并用仿真来检查所提出的神经振动子同步控制情况。图8表示了在二维笛卡尔空间里人和机器人握手的动力学模型。其中，A表示机器人臂，B表示人臂，每个臂有3自由度，关节1、2和3分别表示肩、肘和腕关节。2Bq3BqxyE1l2l3l4l5l6lL1A2A3A1B2B3B1Bq3Aq2Aq1Aq 图8 人和机器人握手动力学模型 4.1 动力学模型 假设每一个臂的各连杆皆为相互约束刚体，可由拉格朗日方程得出该模型的动力学微分方程式()(,)()M q qh q qg q=+&(7)式中，为惯性矩阵，为离心和哥氏力项，(M q)&q(,h q()g q 表示重力效应，表示机器人臂A与人臂B之间的约束力，为约束方程的雅可比矩阵，表示拉格朗日乘子 123123123123T()xxxxxxAAABBByyyyyyAAABBBqqqqqqqqqqqqq=(8)xy=(9)输出 输入 角度信号/rad 输出输入 角度信号/rad 112123112123123456sin()sin()sin()sin()sin()sin()0 xAAAAAABBBBBBlqlqqlqqqLlqlqqlqqq=+=(10)112123112123123456cos()cos()cos()cos()cos()cos()0yAAAAAABBBBBBlqlqqlqqqlqlqqlqqq=+=(11)为了使模型趋于稳定，可以假设人和机器人臂在腕关节的末端处相互约束，且、E0 x=0y=，同时利用约束稳定模式，其约束条件如下 70 xxxxx +=&(12)0yyyyy +=&(13)式(12)、(13)皆为二阶系统，根据代数稳定性判据，当系统闭环特征方程式的系数都大于零时，x和y收敛于零，系统稳定8。结合式(8)、(10)、(11)，式(12)、(13)可以用式(14)、(15)表达如下()xxxxxx q q+=&00 (14)()yyyyyy q q+=&(15)xxq=(16)yyq=(17)这样，式(7)可用式(18)来表达 123123TT12345678()()AAABBBxyqqqqqqk k k k k k k kH=&(18)式中，TZ H0=，和diag(,)ABZM M=AMBM分别表示机器人臂A和人臂B的惯性矩阵。解式(18)，能够得到由于人和机器人外部约束力而产生的关节扭矩。4.2 仿真 在仿真的过程中，假设人臂亦是通过神经振动子控制，即其和机器人臂的1、2关节都用第3节所描述的神经振动子控制，每个关节的给定角度是神经振动子的输出信号。而后，通过PD控制来实现实际角度(关节实际旋转角度)与此给定角度的跟随。为了减少手臂之间的内部作用力，每个臂的关节3使用传统的适应控制。仿真时，机器人臂和人臂的连杆参数取：、；神经振动子各参数取、，机器人臂和人臂的C分别取0.06和0.02。140.275 mll=250.22 mll=360.1 mll=141.5 kgmm=251.2 kgmm=360.3 kgmm=2.0S=i2.5bi=0.8aij=r0.1T=a0.05T=1.2iK=0.024iL=i (a)机器人臂肘关节时间 t/s 实际角度给定角度角度/(b)人臂肘关节 时间 t/s 实际角度给定角度角度/图 9 未握手时振动 (a)机器人臂肘关节时间 t/s 实际角度给定角度角度/(b)人臂肘关节 时间 t/s 实际角度给定角度角度/(c)相位差 n+1/rad 相位差n/rad 图 10 握手时仿真结果 根据第2节所描述的神经振动子的自振动特性规律中第点，当等于定值的情况下，改变，相应关节输出的信号频率与成正比。因此，通过对参数的调节，可以改变人和机器人各关节的输出频率，从而来检验人和机器人握手的同步效果。为了检查机器人和人握手运动的同步性，这里将机器人臂(ra/T TrTr1/TrTA臂)和人臂(B臂)各关节的输出频率分别调整为1.33 Hz和1.66 Hz，同时，将人臂的输出信号进行调制。图9表示未握手时机器人和人的2A和2B关节位置输出。图10为握手时机器人和人的2A和2B关节位置输出，图10c为其相位回归图。可以看出，握手时，2A和2B关节的输出保持一致，人和机器人的运动产生了同步。还可以看到，同步后的输出信号类似于人臂输出信号，机器人臂的振幅亦适应了人臂的振幅，这是由于机器人臂的神经振动子参数是人臂的两倍，可以积极地适应变化。iC5 样机试验 5.1 试验方法 握手试验时，采用7自由度机器人臂，其各关节位置示意如图11a所示，其每个关节都配置有检测关节扭矩的扭矩传感器和检测关节角度的旋转编码器。其中，关节1、4和6分别为肩、肘和腕关节(图中以小黑点作为标记)。图11b表示了该机器人臂的外形及上臂和前臂的长度。机器人臂肩和肘关节皆用第3节所提出的神经振动子来控制。人与机器人握手时所产生的关节扭矩信号被扭矩传感器检测出来并处理后作为神经振动子的输入信号，从而输出关节的给定角度。而后，通过PD控制来实现实际旋转角度与此给定角度的跟随。9-10 (a)关节位置示意图 (b)机器人臂外形 图 11 7 自由度机器人臂 为了与机器人臂各关节实际转角进行比较，本文采用日立制作所生产的与IP5000 PCI卡配套的CCD图像处理技术来测量人和机器人握手时人臂的肩、肘关节角度。图12a示出了人臂各关节角度测量原理图，图12b为试验场景之一。在图12a中，G、H和分别表示人臂的肩、肘和腕关节的计测标记点。这样，通过测量各标记点的坐标，并根据式(19)、(20)可得肩和肘关节的转动角度 N12121atan2(,)yy xx=232321atan2(,)yyxx (19)=(20)(a)人臂关节角度测量原理图 (b)试验场景 图 12 人臂关节角度测量原理及试验场景 5.2 试验结果分析 图13和14分别表示当和0.1C=0.04C=时的人和机器人肘关节的同步情况。当C时，从图13a、13b、13d可以看出，人和机器人的运动产生了同步，且机器人臂转角的相位与人臂的相位基本上一致，即相位差大约在0 rad附近，这时机器人处于较积极握手的状态。另外，当C时，从子图14a、14b、14d可以看到，人和机器人的运动虽然亦产生了同步，但机器人转角的相位相对于人臂来说存在一定的相位差，大约滞后0.35 rad。同时，从图13c、14c的比较还可以看出，机器人臂肘关节在C0.1=0.040.1=时的扭矩明显小于在0.04C=时的扭矩，也就是说人与机器人握手在C时相比0.1=0.04C=时要轻松一些。275 220 60 单位:mm 关节1 图13 C时握手结果 0.1=图 14 C0.04=时握手结果 180180 关节2 45180 关节3 180180 关节4 90120 关节5 180180 关节6 105105 角度/角度/关节7 105105 1x2x3x1y2y3y12GHNyxO(a)人臂肘关节角度(c)机器人臂肘关节扭矩时间 t/s 扭矩 T/Nm 时间 t/s(d)肘关节角度相位回归图(b)机器人臂肘关节角度时间 t/s 相位差 n+1/rad 相位差n/rad角度/角度/(a)人臂肘关节角度(c)机器人臂肘关节扭矩时间 t/s 扭矩 T/Nm 时间 t/s(d)肘关节角度相位回归图(b)机器人臂肘关节角度时间 t/s 相位差 n+1/rad 相位差n/rad从以上的结果可以得出，通过所提出的同步控制模型，人和机器人在握手时取得了运动的同步，同时，通过调节增益的值，同步的程度能被改变，即当C取值较大时,人与机器人握手运动的同步程度较高，机器人处于积极握手状态,人感觉较轻松。相反，当其取值较小时,输入输出同步程度较低，机器人处于被动握手状态，人感觉较不轻松。C6 结论(1)提出一种基于神经振动子同步控制的方法，并将其应用于人和机器人握手。仿真和试验结果表明，所提出的方法能实现人和机器人握手运动的同步，亦表明其对周期性运动实现同步的有效性。(2)同时，通过调节神经振动子各参数，可以调节同步的程度，从而实现机器人握手的被动性。(3)此方法的有效性还适用于诸如跳舞、协助走和康复训练等具有周期性相互作用的运动，具有较大的重要意义。参 考 文 献 1 IKEURA R,INOOKA H.Variable impedance control of a robot for cooperation with a humanC/Proceedings of the IEEE International Conference on Robotics and Automation,May 21-27,1995,Piscataway,NJ.USA：IEEE,1995：3 097-3 102.2 HIRATA Y,TAKGI T,KOSUGE K,et al.Motion control of multiple DR helpers transporting a single object in cooperation with a human based on map informationC/Proceedings of the IEEE Interanational Conference on Robotics and Automation,May 11-15,2002,Piscataway,NJ.USA：IEEE,2002：995-1 000.3 TAGA G.A model of the neuro-musculo-skeletal system for human locomotionJ.Biological Cybernetics,1995,73(2)：113-121.4 KOTOSAKA S,SCHAAL S.Synchronized robot motion by neural oscillatorsJ.Journal of the Robotics Society of Japan,2001,19(1)：116-123.5 MATSUOKA K.Sustained oscillations generated by mutually inhibiting neurons with adaptationJ.Biological Cybernetics,1985,52(6)：367-376.6 MATSUOKA K.Mechanisms of frequency and pattern control in the neural rhythm generatorsJ.Biological Cybernetics,1987,56(5-6)：345-353.7 NAGUYEN P T A,ARIMOTO S,HAN H Y.Computer simulation of dynamics of dual fingers with soft-tips grasping an objectC/Proceedings of the 2000 Japan-USA Symposium on Flexible Automation,July 23-26,2000,Ann Arbor,Michigan.USA：ASME,2000：1039-1046.8 刘金琨先进 PID 控制 MATLAB 仿真M北京：电子工业出版社，2004 LIU Jinkun.Advanced PID control and MATLAB simulationM.Beijing：Publishing House of Electronics Industry,2004.9 HASHIMOTO M,HATTORI T.Development of a torque sensing robot arm for interactive communicationC/Proceedings of the IEEE International Conference on Robot and Human Interactive Communication,September 25-27,2002,Berlin.German：IEEE,2002：344-349.10 HASHIMOTO M,KASUGA T.Development of joint torque sensing robot arm for human-robot physical interactionsC/Proceedings of the 6th Japan-France and 4th Asia-Europe Mechatronics Congress,September 9-12,2003,Tokyo Denki University,Saitama.Japan：JFMC,2003：163-168.Synchronization Based Control for Human-robot Handshaking LIANG Xichang XIE Guanghui1,12,3HASHIMOTO Minoru3 PAN Jisheng1 Li Wei 1(1.State Key Laboratory of Mechanical Transmission,Chongqing University,Chongqing 400044;2.Department of Mechanical and Electrical Engineering,Chongqing College of Electronic Engineering,Chongqing 401331;3.Faculty of Textile Science and Technology,Shinshu University,Nagano 386-8567,Japan)Abstract：In order to synchronize human-robot handshaking motion,a method of synchrocontrol based on neural oscillator is proposed and applied to the research on human-robot handshaking.Based on the existing neural oscillator,a new neural oscillator is designed for human-robot handshaking,and its characteristics are analyzed.The output signal of the neural oscillator is used for the desired trajectory of each robot joint.Joint torque information of the robot from the interaction force caused by human-robot handshaking is fed back into the neural oscillator.Finally,the neural oscillator is applied to the synchrocontrol method to proceed the dynamics simulation for robot-human handshaking.And this control method is used for the experiment of human-robot handshaking based on seven DOF robot arm.The results of simulation and experiment show that the proposed method realizes the synchronization between human-robot handshaking motions.Also the degree of synchronization and the passiveness of the handshake can be changed by adjusting the parameters of neural oscillator.Key words：Neural oscillator Handshaking Dynamics Synchronization based control 作者简介：梁锡昌，男，1934 年出生，教授，博士研究生导师。主要研究方向为 CAD/CAM、机电一体化等。E-mail： 谢光辉(通信作者)，男，1973年出生，博士研究生，讲师。主要研究方向为机器人技术、自动控制等。E-mail：