無力傳感器的操縱手柄自適應變阻抗控制

倪濤 張泮虹 趙澤仁

摘要：

設計了一款輕量化和緊湊型的二自由度操縱手柄，并基于該操縱手柄提出了一種無力傳感器的自適應變阻抗控制策略。根據操縱員操縱力大小對阻抗參數進行相應的調整以適應操縱員不同的操縱習慣；除了保證精確的位置控制外，加入了操縱手柄末端的速度控制，增強了操縱員的操縱感受。另外，在變阻抗柔順控制的基礎上加入了操縱力估計控制策略，從而避免了由于加裝力傳感器的額外接線導致系統復雜度增加以及由此帶來的測量噪聲。證明了所提控制策略在Lyapunov意義下的穩定性，說明了控制誤差是收斂的，整個閉環系統的信號響應是一致極限有界的。最后，通過仿真實驗以及實際臺架實驗驗證了上述策略的有效性和穩定性。

關鍵詞：操縱手柄；柔順控制；阻抗控制；自適應控制；力估計

中圖分類號：TP182

DOI：10.3969/j.issn.1004132X.2024.06.009

開放科學（資源服務）標識碼（OSID）：

Adaptive Variable Impedance Control for Force Sensor-less Joysticks

NI Tao1，2? ZHANG Panhong1，2 ??ZHAO Zeren1，2

1.School of Vehicle and Energy，Yanshan University，Qinhuangdao，Hebei，066000

2.Hebei Key Laboratory of specialized Transportation Equipment，Qinhuangdao，Hebei，066000

Abstract： A lightweight and compact two-degree-of-freedom joystick was designed herein， and an adaptive variable impedance control strategy of sensor-less was proposed based on the joysticks. Firstly， the impedance parameters were adjusted according to the control forces of the operators to adapt to the different control habits of the operators. Secondly， in addition to ensuring accurate position control， the velocity control at the end-effector of the joystick was also added to improve the operator's control experience. Then， based on the variable impedance compliance control， the teleoperation force estimation control strategies were added to avoid the increase in system complexity caused by the extra wiring of the force sensor and the corresponding measurement noises. The stability of the above control strategies was proved in the Lyapunov sense， which shows that the control errors are convergent and the responses of the whole closed-loop system are uniform ultimate boundedness（UUB）. Finally， the validity and stability of the above strategies were verified by simulation experiments and actual bench experiments.

Key words： joystick; compliant control; impedance control; adaptive control; force estimation

收稿日期：20230727

基金項目：河北省重點研發計劃（21351802D）；吉林省重點研發計劃（20200401130GX）

0? 引言

操縱手柄是操縱員與遠端環境之間進行信息交換的媒介。在操縱員與操縱手柄柔順交互的過程中，為了給予操縱員一定的力/觸覺提示，保證操縱手柄末端精確穩定的位置控制是必要的，而且位置控制對阻抗和導納控制的實現也是至關重要的［1-2］。但是，單純的位置控制并不能保證操縱手柄末端速度輸出的穩定性，速度的變化很大程度上影響了操縱員的操縱感受，進而影響操縱員的決策水平。此外，臨場感是遙操縱系統中非常關鍵的技術［3］。臨場感包括兩個方面：一是從端系統能精確跟隨主端控制指令；二是從端系統的實時狀態能以力/觸覺/聽覺/視覺等形式反饋至主端系統。臨場感的實現大都需要操縱手柄末端配有力/力矩傳感器［4］，以測量操縱手柄末端的人手操縱力。但是，這些傳感器需要額外的接線，會增加系統負擔和復雜性［5］，而且力傳感器較為昂貴、慣量較大，會使手柄的有效載荷降低，另外，環境溫度等因素也會對力/力矩傳感器造成不同程度的影響。

在涉及機器人與環境交互的應用中，阻抗的概念發揮著越來越重要的作用［6-8］。在遙操縱系統中的主控端部分，人是作為環境與操縱手柄進行交互的，為保證操縱安全，操縱手柄需要順應操縱員的決策進行相應的動作，此時操縱員的物理行為就可以建模為阻抗。自從HOGAN［9］于1980年提出阻抗/導納的概念以來，這方面已陸續有了很多的研究成果［10-12］。在實際應用中，阻抗控制常與自適應控制結合在一起，以應對環境或者系統中的不確定性。文獻［13］提出了一種用于人機協作裝配的無力傳感器自適應導納控制策略，但是該力估計方法依賴于精確的系統動力學模型。文獻［14］提出了一種用于機械手與環境交互的無力傳感器自適應三階滑膜導納控制策略，但是該方法在實際實施中需要在檢測到接觸力后停止3 s后繼續動作，在一定程度上影響了作業效率。上述研究都是基于恒定的阻抗/導納模型的，受中樞神經系統對人類身體行為不斷調整的啟發［15］，在實際的操縱手柄控制中，根據操縱任務需求和操縱員的行為實時調節阻抗參數是提高任務執行性能和安全操縱的關鍵。現有文獻中也有提出變阻抗自適應控制策略［16-17］，但僅考慮了阻尼參數的調整，而未涉及質量參數，這樣會導致系統極點右移，影響系統的動態性能。

為了克服采用力傳感器帶來的弊端，目前已經有文獻提出了無傳感器的力估計方法，文獻［8］采用了一種最為直觀的方法，通過測量電流差，乘以力矩常數得到操縱力矩的大小。基于電流法測量操縱力需要扣除系統摩擦、重力矩等負載項，常常需要加入系統辨識和采集電流值濾波等步驟，也有文獻表明在小電流情況下可能會出現操縱力/力矩無法估計的情況［18］。此外，也有文獻基于狀態反饋觀察器［19］將外力作為擾動來設計狀態變量，然后通過誤差動力學來建立狀態反饋觀測器，或者是建立擾動觀察器，利用逆傳遞函數來估計擾動轉矩［20］。也有將卡爾曼濾波器用于狀態或者參數估計，目前已有許多關于此方面的研究［21］。關于無傳感器的力估計問題，現有的研究主要存在以下幾個問題：①大都是假設測量數據在每個時刻都是準確的，即沒有測量噪聲；②擾動觀測器中如果存在其他類型干擾，估計的扭矩與實際的扭矩會有差距；③由于遙操縱，為避免信息傳遞延遲，數據處理效率是很有必要的，基于卡爾曼濾波的估計運算時間較長。

實驗室前期開發了一款用于直升機模擬器的二自由度操縱手柄［22-24］，該操縱手柄是采用阻抗控制進行開發的，其中的位置控制采用自適應反步法，但是該操縱手柄系統末端加裝有六維力傳感器，且手柄尺寸較大，兩個方向存在耦合，恒定的阻抗參數難以適應操縱員不同的操縱習慣，開發成本高且由于體積大導致適合的遙操縱場景較為單一。

綜合上述對現有研究現狀的分析，本文的研究內容包括如下幾個部分：設計了一種新型的二自由度操縱手柄；根據估計出來的操縱力大小調節阻抗模型中的阻尼和質量參數；通過變阻抗模型求得操縱手柄末端期望的位置信息，通過設計速度控制器和操縱力估計控制器，在不需要力傳感器的情況下實現操縱手柄末端精確的位置控制，同時實現操縱手柄末端穩定的速度控制，增強操縱員的操縱感受，有利于提高操縱安全性，保證從端作業任務順利穩定地執行。

1? 新型二自由度操縱手柄

1.1? 操縱手柄的結構設計

圖1所示是本文所設計的新型二自由度操縱手柄，該手柄采用兩個平行并排布置的伺服電機作為驅動單元，并分別通過空間垂直交錯排列的錐齒輪進行傳動，以此實現電機到手柄末端的運動和力傳遞。相較于液壓驅動式操縱手柄［25］，本文操縱手柄更側重輕量化、小尺寸、緊湊型設計，因其傳輸部件轉動慣量都比較小，所以系統響應快，且該操縱手柄在兩個方向上的自由度相互獨立，在實際運動控制中無需考慮解耦問題。

1.2? 操縱手柄運動學分析

以電機1軸為x軸，以電機2軸為y軸建立坐標系，將手柄分別向三個平面投影，如圖2所示。其中，l為操縱手柄的長度，具體指的是操縱員的作用點距離其旋轉中心的距離。

由上述坐標系下的幾何關系可得

tan θ1=y/z

tan θ2=x/z

cos θ3=z/l（1）

由此，θ1、θ2和θ3之間的關系為

tan θ3=tan2θ1+tan2θ2

sin θ3=tan2θ1+tan2θ21+tan2θ1+tan2θ2

cos θ3=11+tan2θ1+tan2θ2（2）

令

k=1+tan2θ1+tan2θ2 （3）

則操縱手柄的運動學正解為

x=ztan θ2=lcos θ3tan θ2=l/ktan θ2

y=ztan θ1=lcos θ3tan θ1=l/ktan θ1

z=lcos θ3=l/k（4）

這樣就得到了操縱手柄末端在笛卡兒坐標系下的位置（x，y，z）與關節坐標系下轉角（θ1，θ2）之間的關系，同理也可得運動學反解為

θ1=arctanyl2－（x2+y2）

θ2=arctanxl2－（x2+y2）（5）

1.3? 操縱手柄的動力學分析

如圖1所示，操縱手柄分為伺服電機的驅動部分和動力傳輸的被驅動部分，操縱手柄是二自由度的，對于電機驅動端，其動力學方程為

Jmθ¨m+cmθ·m+Tmf+Tm=iKTIm（6）

其中，Jm為電機驅動端的轉動慣量矩陣，因為伺服電機一般都是電機和減速器成對使用，因此這里的轉動慣量為電機轉子慣量和減速箱轉動慣量之和，被驅動部分指的是減速箱輸出軸上所帶操縱手柄的機械結構負載；同理，θ¨m為電機驅動端減速器箱輸出的角加速度矩陣；θ·m為角速度矩陣；cm為電機的轉子阻尼矩陣；Tmf為電機驅動端的摩擦項矩陣；Tm為電機驅動端的負載轉矩矩陣；i為減速箱的減速比矩陣；KT為電機的轉矩常數矩陣；Im為電機的電流矩陣，轉矩常數與電流的乘積是電機的扭矩，為整個操縱手柄的控制輸入項。

被驅動機械部分的動力學方程可以表示為

JTθ¨T+cTθ·T+TTf=Tm+τh（7）

JT=Jx+Jxy

式中，θT為齒輪對1的角位置，與電機減速器輸出軸的角位置θm是相等的；Jx為x方向上的機械部件的轉動慣量；Jxy為手柄端上機械部件的轉動慣量；cT為被驅動端的轉動阻尼；TTf為被驅動端的摩擦項；τh為操縱手柄末端的操縱力。

基于以上分析，聯立式（6）和式（7），可得整個操縱手柄的動力學方程：

Jθm+cθm+Tf=τ+τh（8）

J=Jm+JT? c=cm+cT

Tf=TTf+Tmf

τ=iKTIm

式中，J、c分別為操縱手柄伺服系統的轉動慣量矩陣和阻尼矩陣。

2? 無力傳感器的變阻抗自適應控制策略

圖3所示為本文提出的加入力估計的變阻抗自適應控制策略。首先，變阻抗控制器根據操縱力求得操縱手柄兩個自由度上的期望運動信息xd、yd，并發送至自適應控制器中求得操縱力Fx、Fy，隨后，經過操縱手柄力/力矩雅可比矩陣JT0得到電機驅動力矩τx、τy，輸入至操縱手柄系統進行控制，同時將操縱手柄實時的運動信息θx、θy經由手柄運動學模型轉換至操縱手柄末端坐標系下的運動信息x、y，并將實時的末端運動信息返回至自適應控制器中，然后將控制器估計出來的操縱力返回至變阻抗模型，

求得操縱手柄下一時刻的期望運動信息，以此實現操縱手柄與操縱員的柔順交互閉環控制。

2.1? 變阻抗模型

在基于阻抗的柔順控制框架下，如圖4所示，操縱員與操縱手柄末端的交互過程是通過一個二階的質量彈簧阻尼系統進行建模的，即

M（x¨－x¨d）+B（x·－x·d）+K（x－xd）=Fh（9）

式中，M、B、K分別為質量、阻尼和剛度矩陣；x¨d、x·d、xd分別為期望的位置、速度以及加速度矩陣；x¨、x·、x分別為實際的位置、速度以及加速度矩陣；Fh為操縱員實時的操縱力矩陣。

由于本文所設計的新型二自由度操縱手柄在兩個方向是完全解耦的，因此，以某一自由度的運動來建立速度控制器，那么式（9）可以進一步表示為

mx¨d+bx·d=fm （10）

其中，m、b、fm分別為單自由度下的質量、阻尼以及操縱力。對式（10）作拉普拉斯變化可得該阻抗控制的傳遞函數為

H（s）=1/bms/b+1 （11）

由式（11）可以看出，質量m會影響系統狀態的穩定性，質量與阻尼的比值m/b會影響系統的極點。直觀上來講，如果質量和阻尼參數較小，那么被控機器人在相對簡單自由的環境下做快速運動時需要較小的操縱力；相對地，如果質量和阻尼參數較大，那么被控機器人在復雜環境下做精確運動時需要較大的操縱力，操縱員的操縱負擔也會相應變大。因此，式（10）中的阻尼系數和相應的質量系數調整策略為

b=b0－η|fhc|b0+λ|fhc|m=m0b/b0（12）

式中，b0、m0分別為阻尼和質量的設定值；η、λ為調整因子；fhc為無力傳感器操縱力估計值。

本文研究的是操縱手柄與操縱員之間的柔順控制，所用傳感器為力傳感器，因此需要將末端測量的操縱力轉換為驅動端的角位置信號，以此來得到電機驅動端的期望位置信號，進而計算相應的驅動力矩。如圖2所示，從幾何關系來看，以x方向為例，手柄末端操縱力與驅動端輸出軸扭矩之間的變換關系為

τhx=fhxl （13）

式中，fhx為操縱員在x方向上的操縱力。

將阻抗控制計算的期望位置轉換成電機驅動端的角位置信號，具體轉換關系為

θmd=xd/r（14）

式中，r為錐齒輪嚙合處的半徑。

2.2? 操縱手柄自適應速度控制器設計

不同于單純基于位置的阻抗控制策略，本文在保證系統穩定的前提下設計了速度控制器，以進一步改善操縱員的操縱感受，同時也實現了精確的位置控制，此外，加入了操縱力的估計策略，以代替力傳感器在操縱手柄控制中的作用。

為保證系統穩定性，設計速度控制器為

τv=Jθ¨r+cθ·r+Tf－σ（θ·m－θ·r）（15）

其中，θ¨r、θ·r分別為參考加速度矩陣和速度矩陣；σ為任意正整數；τv為速度控制器的控制力矩矩陣。該速度控制器包括兩個部分，一部分是操縱手柄的動力學，另一部分是參考速度誤差項，速度參考誤差可由下式計算得到：

ε（t）=e·（t）+κe（t）=θ·m－θ·r（16）

e（t）=θm-θmd

e·（t）=θ·m-θ·md

式中，e（t）為位置誤差矩陣；e·（t）為速度誤差矩陣；κ為任意正常數。

參考文獻［26-27］中提出并證明的人機交互模型，操縱員力矩可以表示為

τh（t）=ατr（t）+kr（t）e（t）+br（t）e·（t）（17）

式中，α為某一正常數；τr（t）為操縱員的前饋力矩；kr（t）為操縱員與操縱裝置交互過程中的剛度系數；br（t）為操縱員與操縱裝置交互過程中的阻尼系數。

因此，操縱力矩的自適應估計策略設計為

τhe=－ατ^r（t）－k^r（t）e（t）－b^r（t）ε·（t）（18）

ε·（t）=θ¨m-θ¨r

其中，參數估計更新律為

τ·^r（t）=Ψτ（αε（t）－μτ^r（t））

k·^r（t）=Ψk（ε（t）ε（t）－μk^r（t））

b·^r（t）=Ψb（ε（t）e·（t）－μb^r（t））（19）

式中，τ^r、k^r、b^r分別為操縱員前饋力τr、操縱員人手力剛度項kr和阻尼項br的估計值矩陣；Ψτ、Ψk、Ψb為任意正常數矩陣；μ=ρ‖ε‖；ρ為任意正常數。

這里μ的存在可以更好地平衡控制器的穩定性，速度參考誤差ε變大，那么μ會相應變小，此時操作力矩估計值會變大，也就對應更加精確的運動。

最終的控制器計算的控制力矩為

τ=τv+τhe （20）

2.3? 控制器穩定性證明

定理1

在整個操縱手柄的閉環系統下，所有信號均是全局一致有界的；

定義的誤差ε是收斂的。

證明：

定義Lyapunov函數

V=V1（t）+V2（t） （21）

V1（t）=12εT（t）Jε（t） （22）

V2（t）=12tr（τ～Tr（t）Ψ－Tττr（t）+k～Tr（t）Ψ－Tkkr（t）+

b～Tr（t）Ψ－Tbbr（t）） （23）

其中，τ～r=τ^r-τr，k～r=k^r-kr，b～r=b^r-br，分別表示三個自適應參數的估計誤差矩陣。

首先，計算V1的導數：

V·1（t）=εT（t）Jε·（t）+12εT（t）Jε（t） （24）

由式（15）、式（17）、式（18）、式（20）整理可得

Jε·（t）+cε（t）=－σε（t）－ατ～r（t）－

k～r（t）e（t）－b～r（t）e·（t）（25）

將文獻［26，28］的結論εT（t）J·ε（t）-2εT（t）cε（t）=0代入式（24），并結合式（25）整理可得

V·1（t）=－εT（t）σε（t）－αεT（t）τ～r（t）－

εT（t）k～r（t）e（t）－εT（t）b～r（t）e·（t）（26）

然后，以微分的形式計算V2的導數：

V·2（t）=V2（t）－V2（t－δ）δ=

12δtr（τ～Tr（t）Ψ－Tττ～r（t）－τ～Tr（t－δ）Ψ-Tττ～r（t－δ）+

k～Tr（t）Ψ－Tkk～r（t）－k～Tr（t－δ）Ψ－Tkk～r（t－δ）+

b～Tr（t）Ψ－Tbb～r（t）－b～Tr（t－δ）Ψ－Tbb～r（t－δ））（27）

式中，δ為時間間隔；τ～Tr（t-δ）、k～Tr（t-δ）、b～Tr（t-δ）分別為τ～Tr（t）、k～Tr（t）、b～Tr（t）延遲δ時間間隔的數值。

對式（27）中的各項進行處理，首先定義Δτ～r（t）=τ～r（t）-τ～r（t-δ）=δτ·～r（t），并將自適應更新律代入，可得

12δtr（τ～Tr（t）Ψ－Tττ～r（t）－τ～Tr（t－δ）Ψ－Tττ～r（t－δ）=

12δtr（（τ～r（t）－τ～r（t－δ））TΨ－Tτ（2τ～r（t）－τ～r（t）+

τ～r（t－δ）））=12δtr（2

（Δτ～r（t））TΨ－Tττ～r（t）－

（Δτ～r（t））TΨ－TτΔτ～r（t））=αεT（t）τ～r（t）－

tr（μτ^Tr（t）τ～r（t）+12δ（Δτ～r（t））TΨ－TτΔτ～r（t））（28）

12δtr（k～Tr（t）Ψ－Tkk～r（t）－k～Tr（t－δ）Ψ－Tkk～r（t－δ））=

εT（t）k～r（t）e（t）－tr（μk^Tr（t）k～r（t）+

12δ（Δk～r（t））TΨ－TkΔk～r（t）（29）

12δtr（b～Tr（t）Ψ－Tbb～r（t）－b～Tr（t－δ）Ψ－Tbb～r（t－δ）=

εT（t）b～r（t）e·（t）－tr（μb^Tr（t）b～r（t）+

12δ（Δb～r（t））TΨ－TbΔb～r（t））（30）

定義矩陣：Θ（t）=［τTr（t）? kTr（t）? bTr（t）］，（t）=（t）-Θ（t），ΔΘ（t）=Θ（t）-Θ（t-δ），（t）是Θ（t）的估計值，（t）是Θ（t）的估計誤差，Θ（t-δ）是Θ（t）延遲了δ時間間隔的值，這里定義Δ（t）=（t）-（t-δ）=δ（t）。

然后定義另一個矩陣：Ψ-T=diag（Ψ-Tτ，IΨ-Tk，IΨ-Tb），I為對應維度的單位矩陣。將式（28）～式（30）求和可得

V·2（t）=αεT（t）τ～r（t）+εT（t）k～r（t）e（t）+

εT（t）b～r（t）e·（t）－tr（μT（t）r（t）+

12δ（Δ（t））TΨ－TΔ（t））=αεT（t）τ～r（t）+

εT（t）k～r（t）e（t）+εT（t）b～r（t）e·（t）－

tr（12δ（Δ（t））TΨ－TΔ（t）+μT（t）（t）+

μΘT（t）（t））（31）

聯立式（26）和式（31）可得

V·（t）=－εT（t）σε（t）－tr（12δ（Δ（t））TΨ－TΔ（t）+

μT（t）（t）+μΘT（t）（t））=

－12δtr（（Δ（t））TΨ－TΔ（t））－tr（εT（t）σε（t）+

μT（t）（t）+μΘT（t）（t））（32）

若要保證V·（t）<0成立，那么

εT（t）σε（t）+μT（t）（t）+μΘT（t）（t）≥

－σ‖ε（t）‖2+μ‖（t）‖2－μ‖Θ（t）‖‖（t）‖≥0（33）

由于σ和μ均為正常數，因此可得

‖ε（t）‖≤μ‖Θ（t）‖‖（t）‖－μ‖（t）‖2σ=

Ω1σ=Λ1（34）

‖Θ（t）‖≥

μ‖（t）‖+（μ‖（t）‖）2-4μ（-μ‖ε（t）‖）22μ=

－Ω2+Ω22+4μΩ32μ=Λ2（35）

因此，誤差ε（t）是收斂有界的，且該控制器在{（‖ε（t）‖，‖Θ（t）‖），Λ1∩Λ2}區域內是穩定的。定理1是滿足的。

3? 仿真和臺架實驗驗證

3.1? 仿真實驗及分析

根據操縱手柄設計以及電機選型時的參數，在仿真實驗中，操縱手柄系統的動力學參數選擇如下：J=0.0214 kg·m2；c=0.0418 kg·m2；Tmf=0.01 N·m；Tm=0.0214 N·m。兩個自由度上電機型號是一樣的，而操縱手柄的結構所帶來的慣量以及阻尼變化不大，因此兩個自由度方向均選用一樣的動力學參數進行仿真實驗驗證。仿真實驗的交互力設計為

fhX=10 sin（0.4πt）N? 0≤t≤10 s

0 N10 s

－10 N15 s

10 N25 s

fhY=5 N

變阻抗控制策略中的阻尼和阻抗設定值分別取b0=120 N·s/m，m0=72 kg。阻尼系數調整規則中的參數選擇為η=7.5，λ=3。自適應速度控制策略中速度控制器參數σ=11，速度參考誤差計算中參數κ=16，操縱力矩自適應估計策略中參數更新律參數選擇為：Ψτ=5；Ψk=50；Ψb=-40；ρ=1。

圖5和圖6所示為x和y兩個自由度上期望位置跟實際位置的跟蹤效果，其中期望位置曲線是根據交互力并通過變阻抗策略求得的，從x自由度上的位置跟蹤情況來看，交互力在t=15 s和t=25 s時有突變，雖然跟蹤誤差在一定程度上隨之變大，但是并不影響位置跟蹤的穩定性，且誤差仍在合理范圍內。同樣，y自由度上仍然能實現精確的位置跟蹤。

圖7和圖8分別為x和y自由度方向上位置跟蹤的誤差曲線。

圖9和圖10分別為x和y自由度方向上的速度變化曲線，可以看到，在沒有加入操縱力矩的補償時，操縱手柄末端的速度變化存在很多的尖點，表現為操縱員的操縱感受差，主從端的操縱透明度下降，不利于操縱手柄的穩定性操縱。對應地，加入操縱力補償后，操縱手柄末端的速度變化曲線更為平滑，操縱員操縱更加柔順，有利于安全作業。

圖11和圖12所示分別為x和y自由度方向上輸出的控制力矩。

圖13和圖14所示分別是x和y自由度方向上的力估計結果，該力估計結果作為補償力加入至操縱手柄的控制力矩中，操縱手柄末端的速度輸出更加穩定。從x自由度方向的力估計結果可以看出，即便是在t=15 s和t=25 s發生交互力突變，力估計控制器也能穩定輸出估計結果，且不會造成大誤差，這將有利于操縱手柄末端的位置以及速度控制器精確穩定輸出，進而增強操縱員的操縱感受。通過圖13也可以看到，突變處會對操縱力的估計準確度造成一定的影響，而且突變程度變大之后操縱力的估計誤差會變大，但是可以看到，雖然誤差變大，但是并不影響操縱力估計的穩定性，因此不會對整個控制器的穩定性造成影響。

由于x自由度上交互力的設計較為復雜，為了在能說明問題的前提下保證論文的簡潔性，接下來僅以x自由度為例說明自適應參數更新規律以及變阻抗參數的變化規律。圖15所示為x自由度方向上自適應控制器中參數更新律變化，可以看到，參數的變化范圍是有界的，也進一步說明了該控制器是穩定的。圖16所示為x自由度方向上阻抗參數變化規律，可以看到，隨著操縱手柄末端交互力的變化，阻抗模型中的系數也在調整，以實現穩定的位置和速度控制。此外，為了保證系統的極點不會隨著質量和阻尼系數的變化而發生變化，在控制器設計中將m/b的比值設定為0.6。

3.2? 臺架實驗及分析

為驗證本文所提無力傳感器變阻抗自適應控制器的正確性，搭建實驗臺架如圖17所示，這里需要提到的是，為了驗證本文所述力估計策略的有效性，在操縱手柄末端加裝力傳感器進行實驗。

操縱手柄的驅動模塊選用maxon的直流有刷電機加行星齒輪減速箱，減速比為190。電機末端的編碼器與對應的驅動器串聯，2個電機驅動器和力傳感器的放大模塊也串行連接，然后連接至倍福PLC上讀取編碼器和力傳感器的數據，并將讀取的數據以CAN通信的形式通過dSPACE傳至上位機的控制器中。最后將控制器解算出來的控制力矩通過CAN傳至倍福PLC，通過驅動器控制電機運動。將CAN信號分析儀串聯進電路中是為了觀測由于信號不穩造成的控制器失效問題。

這里以x自由度方向上的控制情況來說明算法有效性。實驗結果與仿真結果基本保持一致，如圖18所示，控制策略能實現精確的位置跟隨，結合圖19可以看出，位置跟蹤誤差控制在0.03 rad內，完全滿足操縱手柄末端位置控制精度。圖20所示為加入力補償控制前后的操縱手柄末端速度曲線，其結果表明在加入力補償控制策略后，操縱手柄末端的速度變化更加柔順平滑。圖21所示是傳感器測得的操縱力大小與控制器所估計的操縱力大小的對比，可以看出，所估計結果與實際測得的數據基本吻合，進一步說明了本文所提控制器能很好地替代傳感器，降低了系統的復雜度以及開發成本。

圖22～圖24所示為控制力矩、自適應參數變化情況以及變阻抗控制參數的變化情況，數據同樣都在合理范圍內，且都是全局一致有界的。

4? 結論

本文設計了一種新型二自由度操縱手柄，具有輕量化、解耦控制等優點，針對該操縱手柄，提出了一種無力傳感器的自適應阻抗控制器，從速度控制和操縱力估計兩部分設計了控制策略。考慮到不同操縱員的操縱習慣，加入了阻抗控制參數的調整策略，除了能保證操縱手柄末端速度的穩定性外，也能實現操縱手柄末端的精確位置控制，并且可以替換力傳感器得到人手操縱力，大大降低了系統復雜度和開發成本。此外，證明了該控制策略在Lyapunov意義下的穩定性。最后，通過仿真實驗和臺架實驗，在設計的新型二自由度操縱手柄上驗證了控制策略的準確性和可行性。仿真和試驗結果均表明，該控制策略能有效降低操縱手柄末端速度的突變點，增強操縱員的操縱感受，位置控制最大誤差在0.03 rad內，完全滿足精度要求。力估計結果與傳感器數據基本吻合，將該力估計結果用于期望位置計算，整個閉環系統的信號也均是全局一致有界的。但是通過仿真實驗發現，在操縱力突變的時候，力估計的誤差會變大，將來的研究會致力于提高操縱力估計控制器的自適應性。

參考文獻：

［1］? 徐冰潔. 基于末端六維力傳感器的操作臂力/位混合控制及應用［D］. 濟南：山東大學， 2021.

XU Bingjie. Force/Position Hybrid Control of Manipulator Based on Six-dimensional Force Sensor at the End and Its Application［D］. Jinan：Shandong University， 2021.

［2］? 董曉星， 李戈， 劉剛峰，等. 冗余空間機械臂的運動學和笛卡爾阻抗控制方法［J］. 中國機械工程， 2014， 25（1）：36-41.

DONG Xiaoxing， LI Ge， LIU Gangfeng，et al. Kinematics and Cartesian Impedance Control for Redundant Space Robotic Arm［J］. China Mechanical Engineering， 2014， 25（1）：36-41.

［3］? 顏晗，董躍巍，李鐵軍. 面向高空幕墻安裝的力反饋遙操作系統研究［J］. 中國機械工程， 2017， 28（16）：1977-1986.

YAN Han，DONG Yuewei，LI Tiejun. Research on Tele-operation Systems for Installation of Aerial Curtain Walls Based on Force Feedbacks［J］. China Mechanical Engineering， 2017， 28（16）：1977-1986.

［4］? ENRIQUE S A. Force Estimation for Teleoperating Industrial Robots［M］. New York：IntechOpen， 2016.

［5］? LIU Sichao， WANG Lihui，WANG X V. Sensorless Force Estimation for Industrial Robots Using Disturbance Observer and Neural Learning of Friction Approximation［J］. Robotics and Computer-integrated Manufacturing，2021，71：102168.

［6］? 朱安， 艾海平， 陳力. 基于障礙Lyapunov函數的雙臂空間機器人捕獲衛星柔順控制［J］. 中國機械工程， 2022， 33（24）：2997-3006.

ZHU An， AI Haiping， CHEN Li. Compliance Control of Dual-arm Space Robot Capture Satellite Based on Barrier Lyapunov Functions［J］. China Mechanical Engineering， 2022， 33（24）：2997-3006.

［7］? 劉俊， 阮小棟， 楊鵬亮， 等. 變胞機器人重構及轉向時足著地柔順性控制［J］. 中國機械工程， 2022， 33（24）：2917-2926.

LIU Jun， RUAN Xiaodong， YANG Pengliang，et al. Control of Foot Landing Flexibility in Metamorphic Robot Reconstruction and Steering［J］. China Mechanical Engineering， 2022， 33（24）：2917-2926.

［8］? 倪濤， 徐海遠， 李東， 等. 六自由度平臺動力學前饋柔順控制研究［J］. 中國機械工程， 2022， 33（6）：683-689.

NI Tao， XU Haiyuan， LI Dong，et al. Research on Dynamics Feedforward Compliance Control of 6-DOF Platforms［J］. China Mechanical Engineering， 2022， 33（6）：683-689.

［9］? HOGAN N. Impedance Control：an Approach to Manipulation：Part I―Theory［J］. Journal of Dynamic Systems， Measurement & Control， 1985， 107（1）：1-24.

［10］? PENG Shigang， YU Meng， CHENG Xiang， et al. Bilateral Teleoperation System with Integrated Position/Force Impedance Control for Assembly Tasks［J］. Applied Sciences， 2023， 13（4）：2568.

［11］? 袁俊杰，胡佳星，張忠海，等.關節力矩反饋型協作機器人的阻抗控制研究［J］.傳感器與微系統， 2023， 42（7）：32-35.

YUAN Junjie， HU Jiaxing， ZHANG Zhonghai， et al. Research on Impedance Control of Joint Torque Feedback Cooperative Robot［J］. Transducer and Microsystem Technologies，2023， 42（7）：32-35.

［12］? ZHAO Xingwei， CHEN Yiming， QIAN Lu， et al. Human-robot Collaboration Framework Based on Impedance Control in Robotic Assembly［J］. Engineering， 2023， 30：83-92.

［13］? LIU Sichao， WANG Lihui，WANG X V. Sensorless Haptic Control for Human-robot Collaborative Assembly［J］. CIRP Journal of Manufacturing Science and Technology， 2021， 32：132-144.

［14］? LE Q D， KANG H J. Sensor-less Contact Force Estimation in Physical Human-robot Interaction［J］. Lecture Notes in Computer Science， 2021， 12837：233-244.

［15］? WEI Qiang， LI Zhijun， ZHAO Kuankuan. Synergy-based Control of Assistive Lower-limb Exoskeletons by Skill Transfer［J］. IEEE/ASME Transactions on Mechatronics， 2020， 25（2）：705-715.

［16］? DONG Jianwei， XU Jianming， ZHOU Qiaoqian， et al. Physical Human-robot Interaction Force Control Method Based on Adaptive Variable Impedance［J］. Journal of the Franklin Institute， 2020， 357（12）：7864-7878.

［17］? 李佳欣， 于殿勇， 譚向全， 等. 基于變阻抗的人機協作避障技術研究［J］. 組合機床與自動加工技術， 2023（5）：134-137.

LI Jiaxin， YU Dianyong， TAN Xiangquan， et al. Research on Human-robot Cooperative Obstacle Avoidance Technology Based on Variable Impedance［J］. Modular Machine Tool & Automatic Manufacturing Technique， 2023（5）：134-137.

［18］? KUNEGUCHI T， NODA Y， SAGO Y， et al. Operational Assistance System Using 3-DOF Joystick with Reaction Force Display to Load Transfer Machine in a Plane［C］∥11th International Conference on Informatics in Control， Automation and Robotics. Vienna， 2014：346-352.

［19］? BUJA G S，MENIS R，VALLA M I. Disturbance Torque Estimation in a Sensorless DC Drive［J］. IEEE Transactions on Industrial Electronics，1995，42（4）：351-357.

［20］? LIU C S，PENG H. Disturbance Observer Based Tracking Control［J］. Journal of Dynamic Systems， Measurement， and Control， 2000，122（2）：332-335.

［21］? LEE S C， AHN H S. Sensorless Torque Estimation Using Adaptive Kalman Filter and Disturbance Estimator［C］∥IEEE/ASME International Conference on Mechatronic and Embedded Systems and Applications. Kochi， 2010：87-92.

［22］? 趙苗苗. 直升機模擬器的電驅動操縱負荷系統研究［D］. 長春：吉林大學， 2017.

ZHAO Miaomiao. Research on Electric Drive Control Loading System of Helicopter Simulator［D］. Changchun：Jilin University， 2017.

［23］? 張漸堯. 直升機模擬器的操縱力感控制系統研究［D］. 秦皇島：燕山大學， 2020.

ZHANG Jianyao. Research on Force-feel Control System on Helicopter Simulator［D］. Qinhuangdao：Yanshan University， 2020.

［24］? ZHAO Dingxuan， ZHANG Jianyao， CARBONE G， et al. Dynamic Parameters Identification of a Haptic Interface for a Helicopter Flight Simulator［J］. Mechanical Science， 2020， 11（1）：193-204.

［25］? BACHMAN P， MILECKI A. Investigation of Electrohydraulic Drive Control System with the Haptic Joystick［J］. Acta Mechanica et Automatica， 2018， 12（1）：5-10.

［26］? LIU Xia， WU Jianguo， WANG Lu. Sensorless Variable Impedance Compliant Control for Human-robot Interaction［J］. AIP Advances 2022， 12：115121.

［27］? SHARIFI M， AZIMI V， MUSHAHWAR V K， et al. Impedance Learning-based Adaptive Control for Human-robot Interaction［J］. IEEE Transactions on Control Systems Technology， 2022， 30（4）：1345-1358.

［28］? TING Zou， ANGELES J， HASSANI F. Dynamic Modelling and Trajectory Tracking Control of Unmanned Tracked Vehicles［J］. Robotics & Autonomous Systems， 2018， 110：102-111.

（編輯? 袁興玲）

作者簡介：

倪? 濤，男，1978年生，教授。研究方向為工程機械遙操縱。E-mail：nitao@ysu.edu.cn。

張泮虹（通信作者），女，1993年生，博士研究生。研究方向為觸覺遙操縱手柄開發。E-mail：zph@stumail.ysu.edu.cn。