基于多传感器的灵巧手拮抗式控制系统的制作方法

本发明属于机器人灵巧手的控制领域，具体涉及一种基于多传感器与拮抗式驱动的灵巧手控制系统。

背景技术：

仿生灵巧手是指手指数、自由度、形状和功能接近人手的机械手，能够灵活精细地操作物体，适合作为高性能假肢，或用于柔顺装配等工业场景，还可以代替人员进入污染、毒害、辐射等危险环境作业，以及应用于通用性较强的服务型机器人，是仿生机器人或人形机器人的关键组成部分。

目前一种被广泛应用于诸多灵巧手系统的传动方式是腱传动。腱传动是通过腱（材质为钢丝或柔绳）将位于小臂中的驱动器的运动和动力传递至狭小的手部，带动相关关节转动，解决了灵巧手手部空间狭小不易安装大功率、大扭矩（或拉力）驱动器的矛盾。既有灵巧手的腱传动系统大多采用每个关节由一个旋转型驱动器驱动的方案，驱动器输出轴固联一个绞盘，腱缠绕在绞盘上，延申至关节的从动滑轮并缠绕后回到绞盘从而形成闭环；当驱动器旋转时，绞盘将其缠绕的腱一侧收，另一侧放，从而带动关节转动。但腱的传输路径中存在间隙，且容易受到其它途径的关节的影响，这种方式很难保证两侧的腱的收缩和释放长度始终保持一致，导致两侧的腱时而发生松弛或过度绷紧，不够可靠。同时，腱松弛还会带来控制方面的问题。

人的关节由一对肌肉群组形成拮抗式驱动，当一组肌肉收缩，另一组肌肉释放，对应关节即向一个方向转动，反之亦然。两组肌肉群配合，可以灵活控制人体关节的关节阻尼和关节刚度，使人的肢体能够输出灵活变化的运动和力道，既能够柔顺地适应接触的物体以及进行柔顺操作，同时又能够保持较高的抗干扰鲁棒性。采用腱传动的灵巧手也可模拟此方式，令每个关节由一对驱动器进行拮抗式驱动，即需要关节向一个方向转动时，一个驱动器拉一侧的腱，另一个驱动器放另一侧的腱，反之亦然；两个驱动器协调配合，可以灵活地控制两侧腱的张紧程度，避免腱松弛或过度张紧，提高系统可靠性；这种驱动方式还可以控制关节阻尼和关节刚度，进而兼顾柔顺操作和抗干扰鲁棒性。

除采用位置反馈外，一些灵巧手系统还融入了力反馈。有的灵巧手在手指的尖端（远指节）安装指端力传感器，用于测量灵巧手手指对被操作对象施加的力或力矩以及接触点；还有的灵巧手在手部表面表贴了具有测量压力的传感器阵列以模拟仿生皮肤。这些方案往往要求传感器既能够感知触点又能够精确测量力的大小，使传感器的设计和生产变得复杂，应用成本也较高。

人手皮肤具有丰富的触感，能够通过各个触点感知与物体的接触情况，以及感知物体的形状、纹理和质地，而不能精确测量接触力的大小；人手关节处存在感知力和弯矩的感受器和神经，可以较精确地感知各个指节和关节与物体接触时的相互作用力，尤其利于精细操作以及配合皮肤的触觉进一步感知物体的形状、纹理和质地；人的肌腱中存在能够感知肌腱张力的感受器和神经，可以通过肌腱张力评估各个手指或手部整体对被操作对象施加的力，尤其利于在做拉扯、扳扣以及拎提重物等需要较大力道的动作时对力进行估测；人手的这些结构和特点将不同层次的力和触觉的感知过程有效解耦，为神经系统的综合分析带来了便利。灵巧手也可借鉴这种方式，采用多种不同的传感器分别感知不同层次的力和触觉信息，减少不同层次感知信息间的耦合，便于在不同操作任务下对多种感知信息进行灵活的综合分析以及简化控制难度，并降低各类型传感器的设计复杂度和成本。

技术实现要素：

为解决上述问题，本发明提出一种基于多传感器与拮抗式驱动的灵巧手控制系统，该系统采用的仿生皮肤中的触觉传感器仅需要能够感知接触点而不需要精确测量接触力，关节力和力矩传感器仅需要能够感知作用在关节的力或力矩，腱张力传感器仅需要能够对腱张力进行粗粒度估测，从而降低各类型传感器（以及具有触觉的仿生皮肤）的设计复杂度和成本；该系统采用的各种传感器的组合以及中央控制模块的传感器采样与分析策略，将不同层次的力和触觉的感知方式有效解耦，便于在不同操作任务下对多种感知信息进行灵活的综合分析以及简化控制难度；该系统的中央控制模块搭载有防止腱松弛的控制策略、防止腱过紧的控制策略、基于可控负载的控制策略、基于动态模型的控制策略以及基于神经网络的控制策略，这些策略能够有效避免腱过度松弛或张紧，并且能够控制灵巧手各个关节的关节阻尼和关节刚度，使灵巧手能够兼顾柔顺操作与抗干扰鲁棒性；所述中央控制模块还能够在关节力和力矩传感器或腱张力传感器部分或全部缺失或工作异常时切换至基于可控负载的控制策略或基于动态模型的控制策略，使系统仍能可靠工作。

为了实现上述目的，本发明采用如下技术方案：

一种基于多传感器与拮抗式驱动的灵巧手控制系统，所述系统包括：由腱传动的拮抗式驱动的灵巧手、传感器模块、传感器管理模块、驱动器控制模块、中央控制模块；

所述由腱传动的拮抗式驱动的灵巧手配置为具有一至多个由腱传动并且采用拮抗式驱动的关节的灵巧手；

所述传感器模块包括由多个关节角度传感器构成的关节角度传感器集合、由仿生皮肤中的多个触觉传感器构成的触觉传感器集合、由多个关节力和力矩传感器构成的关节力和力矩传感器集合、由多个腱张力传感器构成的腱张力传感器集合；

所述关节角度传感器安装于灵巧手的各个关节处，测量各个关节的旋转角度，其输出信号经所述传感器管理模块处理得到关节位置信息；

所述触觉传感器分布于仿生皮肤中，感知与物体的接触情况，其输出信号经所述传感器管理模块处理得到触觉信息；

所述关节力和力矩传感器安装于灵巧手的各个指间关节、掌指关节、腕掌关节、腕部关节处，测量关节处的一至多维力或力矩，其输出信号经所述传感器管理模块处理得到关节力和力矩信息；

所述腱张力传感器安装在腱上，测量腱的张力，其输出信号经所述传感器管理模块处理得到腱张力信息；

所述传感器管理模块对传感器模块中的各个关节角度传感器、各个触觉传感器、各个关节力和力矩传感器、各个腱张力传感器施加恒定电源或以周期扫描的方式施加电源，并对这些传感器的输出信号进行放大、滤波、采样与转换，以及监测是否有传感器缺失或工作异常，并将处理过的输出信号与监测结果传给中央控制模块；

进一步地，所述传感器管理模块可以接收中央控制模块传来的控制指令，并根据控制指令调整工作方式；

所述驱动器控制模块具有控制各个驱动器的电流环、电压环、速度环，自动对驱动器的电压或电流进行过载保护，监测各个驱动器是否缺失或工作异常，并将各个驱动器的电流、电压、速度和监测结果传给中央控制模块；

所述驱动器控制模块通过所述传感器管理模块读取关节角度信息，构成关节限位直接控制环路；

所述驱动器控制模块通过所述传感器管理模块读取关节力和力矩信息，构成关节力和力矩保护直接控制环路；

所述驱动器控制模块通过所述传感器管理模块读取腱张力信息，构成腱张力保护直接控制环路。

进一步地，所述驱动器控制模块可以接收中央控制模块传来的控制指令，并根据控制指令调整各个驱动器的控制方式，即单独选择电流环、电压环、速度环或选择它们的任意组合对驱动器进行控制。

所述中央控制模块接收操作目标，控制传感器管理模块并读取各个传感器的信息，经过多传感器信息综合与控制策略计算过程得到控制信号，将控制信号传给驱动器控制模块以控制各个驱动器，进而对灵巧手的关节位置、关节速度、关节力和力矩、关节阻尼、关节刚度、腱张力以及与被操作对象的接触情况进行控制。

进一步地，所述中央控制模块采用数字计算机或模拟计算机或fpga或asic或类脑神经网络芯片或它们的组合为载体。

优选地，所述中央控制模块配置为采用深度学习神经网络、脉冲神经网络和基于规则的程序进行混合计算。

进一步地，所述中央控制模块搭载有传感器采样与分析策略、防止腱松弛的控制策略、防止腱过紧的控制策略、基于可控负载的控制策略、基于动态模型的控制策略以及基于神经网络的控制策略。

更进一步地，所述中央控制模块可通过配置指定对特定关节采用所述基于可控负载的控制策略或所述基于动态模型的控制策略或所述基于神经网络的控制策略。

更进一步地，在灵巧手没有安装关节力和力矩传感器或腱张力传感器的情况下，所述中央控制模块默认采用所述基于动态模型的控制策略或所述基于可控负载的控制策略。

更进一步地，在灵巧手安装了关节力和力矩传感器以及腱张力传感器的情况下，所述中央控制模块默认采用所述基于神经网络的控制策略；当关节力和力矩传感器或腱张力传感器部分或全部缺失或工作异常时，所述中央控制模块自动切换为采用所述基于动态模型的控制策略或所述基于可控负载的控制策略，以保证系统可靠。

所述传感器采样与分析策略包括下面的一种或任几种：

1）在需要感知和物体的接触情况，或需要感知物体的形状、纹理和质地，而不需要精确测量接触力的大小时，优先对仿生皮肤中的触觉传感器进行采样，提高其采样频率，并在多传感器信息综合与控制策略计算过程中放大触觉信息相对其它传感信息的权重；

2）在需要精细操作并需要精确感知手部各个指节和关节与物体接触的相互作用力和力矩时，优先对关节力和力矩传感器进行采样，提高其采样频率，并在多传感器信息综合与控制策略计算过程中放大关节力和力矩信息相对其它传感信息的权重，同时可以配合仿生皮肤中的触觉传感器的信息进一步感知手部和物体的接触情况，以及感知物体的形状、纹理和质地；

3）在做拉扯、扳扣以及拎提重物等需要较大力道的动作时，优先对腱张力传感器进行采样，提高其采样频率，以估测各个手指或手部整体对被操作对象施加的力，并在多传感器信息综合与控制策略计算过程中放大腱张力信息相对其它传感信息的权重，同时可以配合关节力和力矩传感器的信息进一步对关节力或力矩进行精确测量；

4）在仿生皮肤的部分或全部触觉传感器缺失或失效的情况时，优先对关节力和力矩传感器进行采样，并在多传感器信息综合与控制策略计算过程中放大关节力和力矩信息相对其它传感信息的权重；

5）在部分或全部关节力和力矩传感器缺失或失效的情况时，优先对腱张力传感器进行采样，并在多传感器信息综合与控制策略计算过程中放大腱张力信息相对其它传感信息的权重。

所述传感器管理模块对各个传感器施加电源的频率和对其输出信号的采样频率进行自动调节，其调节方式为：

1）当某个传感器的输出信号幅度在一定时间范围内持续低于敏感阈值，或输出信号幅度随时间的变化率在一定时间范围内持续低于变化率阈值，则将对该传感器施加电源的频率和对其输出信号的采样频率调整至0.1hz到10hz的范围；

2）当某个传感器的输出信号幅度高于敏感阈值，或输出信号幅度随时间的变化率高于变化率阈值，则将对该传感器施加电源的频率和对其输出信号的采样频率调整至10hz到1000hz的范围。

所述传感器管理模块在接收到中央控制模块的控制指令时，其工作方式包括下面的一种或任几种：

1)针对控制指令指定的传感器以指定的频率施加电源；

2)针对控制指令指定的传感器进行监测；

3)以控制指令指定的倍数放大指定的传感器的输出信号；

4)以控制指令指定的滤波方式对指定的传感器的输出信号进行滤波；

5)优先对控制指令指定的传感器的输出信号进行采样与转换；

6)以控制指令指定的采样频率对指定的传感器的输出信号进行采样与转换；

当系统发生异常，使关节超出了其容许的运动范围时，所述关节限位直接控制环路进行快速响应，直接控制驱动器将关节限制在容许的运动范围内；所述中央控制模块具有禁止关节限位直接控制环路的控制指令，可以主动阻止关节限位直接控制环路工作。

当系统发生异常，使关节力和力矩超出了其容许的范围时，所述关节力和力矩保护直接控制环路进行快速响应，直接控制驱动器将关节力和力矩限制在容许的范围内；所述中央控制模块具有禁止关节力和力矩保护直接控制环路的控制指令，可以主动阻止关节力和力矩保护直接控制环路工作。

当系统发生异常，使腱张力超出了其容许的范围时，所述腱张力保护直接控制环路进行快速响应，直接控制驱动器将腱张力限制在容许的范围内；所述中央控制模块具有禁止腱张力保护直接控制环路的控制指令，可以主动阻止腱张力保护直接控制环路工作。

所述关节限位直接控制环路、关节力和力矩保护直接控制环路、腱张力保护直接控制环路使该控制系统更加可靠。

所述防止腱松弛的控制策略为：

1）设定腱张力的最低阈值；

2）通过腱张力传感器判断腱张力是否低于最低阈值；

3）若腱张力低于最低阈值，则使牵引该腱的驱动器进一步收紧腱，直至腱张力等于或略高于最低阈值。

所述防止腱过紧的控制策略为：

1）设定腱张力的最高阈值；

2）通过腱张力传感器判断腱张力是否高于最高阈值；

3）若腱张力高于最高阈值，则使牵引该腱的驱动器进一步释放腱，直至腱张力等于或略低于最高阈值。

所述基于可控负载的控制策略为：

1）将对受控关节构成拮抗式驱动的各个驱动器分为主动驱动器和从动驱动器；

2）通过调整从动驱动器的电压或电流使其处于跟随运动模式，使从动驱动器通过腱被关节拖动从而等效为具有惯性和可以控制阻尼的可控负载；

3）根据关节速度信息以及可控负载所需产生的阻尼大小，通过驱动器的模型计算得到从动驱动器应施加的电压或电流；

4）将主动驱动器通过腱拖动关节进而拖动可控负载的运动过程作为控制对象；该控制对象等效为单驱动器驱动的机器人关节运动控制过程，因此将控制问题有效地简化了；

5）将由灵巧手的关节位置、关节速度、关节力和力矩、关节阻尼、关节刚度、腱张力、与被操作对象的接触情况构成的集合或其子集作为目标量，将关节位置信息、关节速度信息、关节力和力矩信息、腱张力信息、触觉信息构成的集合或其子集作为反馈量，形成开环或闭环的控制。

所述基于动态模型的控制策略为：

1）建立构成拮抗式驱动的各个驱动器、传动装置、关节和外部负载的动态模型；所述动态模型包括构成拮抗式驱动的各个驱动器的电压或电流、关节位置、关节速度、关节力和力矩、关节阻尼、关节刚度、腱张力以及时间之间的函数关系；在缺少关节力和力矩传感器或腱张力传感器的情况下可通过所述动态模型对关节力和力矩、关节阻尼、关节刚度、腱张力进行估计；

2）当对由关节力和力矩、关节阻尼、关节刚度、腱张力构成的集合或其子集作为目标量进行开环控制时，将目标量和关节位置信息作为所述动态模型的因变量，求解得到构成拮抗式驱动的各个驱动器分别应施加的电压或电流；

3）当对由关节力和力矩、关节阻尼、关节刚度、腱张力构成的集合或其子集作为目标量进行闭环控制时，将关节位置信息、构成拮抗式驱动的各个驱动器各自的电压或电流作为所述动态模型的输入，所述动态模型的输出即为关节力和力矩、关节阻尼、关节刚度、腱张力的估计值，将目标量对应的估计值作为反馈量，并将反馈量与目标量做差得到偏差量，将偏差量输入给控制单元；

4）当对目标关节位置、目标关节速度作为目标量进行闭环控制时，将关节位置信息和关节速度信息作为反馈量，将反馈量与目标量做差得到偏差量，将偏差量输入给控制单元；

5）经控制单元进一步计算得到构成拮抗式驱动的各个驱动器分别应施加的电压或电流。

优选地，所述控制单元配置为采用pid控制率或基于神经网络的控制率。

所述基于神经网络的控制策略为：

1）构建多层神经网络作为运动控制器；

2）将由灵巧手的一至多个关节的关节位置、关节速度、关节力和力矩、关节阻尼、关节刚度、腱张力、与被操作对象的接触情况构成的集合或其子集作为目标量输入给所述多层神经网络；

3）将由灵巧手的一至多个关节的关节位置信息、关节速度信息、关节力和力矩信息、腱张力信息、触觉信息构成的集合或其子集作为反馈量输入给所述多层神经网络；

4）经过所述多层神经网络计算得到的输出即为各个驱动器分别应施加的电压或电流。

本发明的有益效果为：本发明采用的仿生皮肤中的触觉传感器仅需要能够感知接触点而不需要精确测量接触力，关节力和力矩传感器仅需要能够感知作用在关节的力或力矩，腱张力传感器仅需要能够对腱张力进行粗粒度估测，从而降低各类型传感器（以及具有触觉的仿生皮肤）的设计复杂度和成本；该系统采用的各种传感器的组合以及中央控制模块的传感器采样与分析策略，将不同层次的力和触觉的感知方式有效解耦，便于在不同操作任务下对多种感知信息进行灵活的综合分析以及简化控制难度；所述传感器管理模块还能够对各个传感器以周期扫描的方式施加电源从而减少了各个传感器的功耗与发热，并且延长了传感器的使用寿命；该系统的中央控制模块搭载有防止腱松弛的控制策略、防止腱过紧的控制策略、基于可控负载的控制策略、基于动态模型的控制策略以及基于神经网络的控制策略，这些策略能够有效避免腱过度松弛或张紧，并且能够控制灵巧手各个关节的关节阻尼和关节刚度，使灵巧手能够兼顾柔顺操作与抗干扰鲁棒性；所述中央控制模块还能够在关节力和力矩传感器或腱张力传感器部分或全部缺失或工作异常时切换至基于可控负载的控制策略或基于动态模型的控制策略，使系统仍能可靠工作。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明提供的一种基于多传感器与拮抗式驱动的灵巧手控制系统的系统框图；

图2为本发明实施例中一种基于多传感器与拮抗式驱动的灵巧手控制系统的由腱传动的拮抗式驱动的灵巧手关节机构示意图；

图3为本发明实施例中一种基于多传感器与拮抗式驱动的灵巧手控制系统的基于动态模型的控制策略的框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见附图1，本发明实施例公开了一种基于多传感器与拮抗式驱动的灵巧手控制系统，所述系统包括：由腱传动的拮抗式驱动的灵巧手、传感器模块18、传感器管理模块13、驱动器控制模块15、中央控制模块14。

所述由腱传动的拮抗式驱动的灵巧手配置为具有一至多个由腱传动并且采用拮抗式驱动的关节的灵巧手。

参见附图1和附图2，所述传感器模块18包括由多个关节角度传感器19构成的关节角度传感器集合9、由仿生皮肤7中的多个触觉传感器1构成的触觉传感器集合10、由多个关节力和力矩传感器3构成的关节力和力矩传感器集合11、由多个腱张力传感器5构成的腱张力传感器集合12。

参见附图2，在一个由腱传动并且采用拮抗式驱动的灵巧手关节机构中，伸展驱动器组件8（可由一个旋转型驱动器输出轴联接一个绞盘构成）和屈曲驱动器组件6（可由一个旋转型驱动器输出轴联接一个绞盘构成）分别通过腱的手背侧部分和腱的手心侧部分牵引手指关节4，构成拮抗式驱动：

1）当伸展驱动器组件8牵拉腱的手背侧部分，同时屈曲驱动器组件6释放腱的手心侧部分，手指关节4向手背侧旋转，即伸展运动；

2）当伸展驱动器组件8释放腱的手背侧部分，同时屈曲驱动器组件6牵拉腱的手心侧部分，手指关节4向手心侧旋转，即屈曲运动。

参见附图1和附图2，所述关节角度传感器19安装于灵巧手的各个关节处，测量各个关节的旋转角度，其输出信号经所述传感器管理模块13处理得到关节位置信息；关节角度传感器19可以采用电位计式传感器或霍尔传感器或光编码器。

所述触觉传感器1分布于仿生皮肤7中，感知与物体的接触情况，其输出信号经所述传感器管理模块13处理得到触觉信息。

所述关节力和力矩传感器3安装于灵巧手的各个指间关节、掌指关节、腕掌关节、腕部关节处，测量关节处的一至多维力或力矩，其输出信号经所述传感器管理模块13处理得到关节力和力矩信息；例如，在手指关节处，一种优选的方式是将关节力和力矩传感器3安装于手指关节4与手指节2的连接处，以有效测量手指关节4处的一至多维力和力矩。

所述腱张力传感器5安装在腱上，测量腱的张力，其输出信号经所述传感器管理模块13处理得到腱张力信息。

所述关节力和力矩传感器3和腱张力传感器5均可采用应变片为力敏感元件。

参见附图1和附图2，所述传感器管理模块13对传感器模块18中的各个关节角度传感器19、各个触觉传感器1、各个关节力和力矩传感器3、各个腱张力传感器5施加恒定电源或以周期扫描的方式施加电源，并对这些传感器的输出信号进行放大、滤波、采样与转换，以及监测是否有传感器缺失或工作异常，并将处理过的输出信号与监测结果传给中央控制模块14。

当关节角度传感器19采用霍尔型传感器或光编码器时，所述传感器管理模块13为其提供持续电源。当关节角度传感器19采用电位计时，所述传感器管理模块13以周期扫描的方式为其提供电源，以节省功耗和发热。

所述传感器管理模块13可以接收中央控制模块14传来的控制指令，并根据控制指令调整工作方式。

所述传感器管理模块13可以采用模数转换器件、控制器件（如单片机、arm、dsp、cpld、fpga）、通讯协议芯片、电源管理芯片等元件构成电路，并搭载程序以实现上述功能。

参见附图1，所述驱动器控制模块15具有控制各个驱动器的电流环、电压环、速度环，自动对驱动器的电压或电流进行过载保护，监测各个驱动器是否缺失或工作异常，并将各个驱动器的电流、电压、速度和监测结果传给中央控制模块14。

所述驱动器控制模块15可以接收中央控制模块14传来的控制指令，并根据控制指令调整各个驱动器的控制方式，即单独选择电流环、电压环、速度环或选择它们的任意组合对驱动器进行控制。

所述驱动器控制模块15通过所述传感器管理模块13读取关节角度信息，构成关节限位直接控制环路。

所述驱动器控制模块15通过所述传感器管理模块13读取关节力和力矩信息，构成关节力和力矩保护直接控制环路。

所述驱动器控制模块15通过所述传感器管理模块13读取腱张力信息，构成腱张力保护直接控制环路。

所述驱动器控制模块15可以采用电机驱动芯片、控制器件（如单片机、arm、dsp、cpld、fpga）、通讯协议芯片等元件构成电路，并搭载程序以实现上述功能。

参见附图1，所述中央控制模块14接收操作目标，控制传感器管理模块13并读取各个传感器的信息，经过多传感器信息综合与控制策略计算过程得到控制信号，将控制信号传给驱动器控制模块15，驱动器控制模块15根据控制信号控制各个驱动器的电压和电流，进而对灵巧手的关节位置、关节速度、关节力和力矩、关节阻尼、关节刚度、腱张力以及与被操作对象的接触情况进行控制。

所述中央控制模块14可采用数字计算机或模拟计算机或fpga或asic或类脑神经网络芯片或它们的组合为载体。

所述中央控制模块14优选配置为采用深度学习神经网络、脉冲神经网络和基于规则的程序进行混合计算。

所述中央控制模块14搭载有传感器采样与分析策略、防止腱松弛的控制策略、防止腱过紧的控制策略、基于可控负载的控制策略、基于动态模型的控制策略以及基于神经网络的控制策略。

所述中央控制模块14可通过配置指定对特定关节采用所述基于可控负载的控制策略或所述基于动态模型的控制策略或所述基于神经网络的控制策略。

在灵巧手没有安装关节力和力矩传感器3或腱张力传感器5的情况下，所述中央控制模块14默认采用所述基于动态模型的控制策略或所述基于可控负载的控制策略。

在灵巧手安装了关节力和力矩传感器3以及腱张力传感器5的情况下，所述中央控制模块14默认采用所述基于神经网络的控制策略；当关节力和力矩传感器3或腱张力传感器5部分或全部缺失或工作异常时，所述中央控制模块14自动切换为采用所述基于动态模型的控制策略或所述基于可控负载的控制策略，以保证系统可靠。

灵巧手单个手指关节的转动惯量较小，且转动惯量受其它关节运动的影响也较小，可将从动驱动器简化为具有固定的惯性和可控的阻尼；当使从动驱动器以较大力量牵引腱时，其等效的阻尼也较大，反之亦然；因此，手指关节在关节力和力矩传感器3或腱张力传感器5部分或全部缺失或工作异常时，中央控制模块14优选采用基于可控负载的控制策略进行控制。

灵巧手手部整体的转动惯量较大，且转动惯量随手部姿态变化而变化剧烈，需要较复杂的模型进行计算，因此腕部关节在关节力和力矩传感器3或腱张力传感器5部分或全部缺失或工作异常时，中央控制模块14优选采用基于动态模型的控制策略进行控制。

所述传感器采样与分析策略包括下面的一种或任几种：

1）在需要感知和物体的接触情况，或需要感知物体的形状、纹理和质地，而不需要精确测量接触力的大小时，优先对仿生皮肤7中的触觉传感器1进行采样，提高其采样频率，并在多传感器信息综合与控制策略计算过程中放大触觉信息相对其它传感信息的权重；

2）在需要精细操作并需要精确感知手部各个指节和关节与物体接触的相互作用力和力矩时，优先对关节力和力矩传感器3进行采样，提高其采样频率，并在多传感器信息综合与控制策略计算过程中放大关节力和力矩信息相对其它传感信息的权重，同时可以配合仿生皮肤7中的触觉传感器1的信息进一步感知手部和物体的接触情况，以及感知物体的形状、纹理和质地；

3）在做拉扯、扳扣以及拎提重物等需要较大力道的动作时，优先对腱张力传感器5进行采样，提高其采样频率，以估测各个手指或手部整体对被操作对象施加的力，并在多传感器信息综合与控制策略计算过程中放大腱张力信息相对其它传感信息的权重，同时可以配合关节力和力矩传感器3的信息进一步对关节力或力矩进行精确测量；

4）在仿生皮肤7的部分或全部触觉传感器1缺失或失效的情况时，优先对关节力和力矩传感器3进行采样，并在多传感器信息综合与控制策略计算过程中放大关节力和力矩信息相对其它传感信息的权重；

5）在部分或全部关节力和力矩传感器3缺失或失效的情况时，优先对腱张力传感器5进行采样，并在多传感器信息综合与控制策略计算过程中放大腱张力信息相对其它传感信息的权重。

所述传感器管理模块13对各个传感器施加电源的频率和对其输出信号的采样频率进行自动调节，其调节方式为：

1）当某个传感器的输出信号幅度在一定时间范围（如10秒）内持续低于敏感阈值（如：将关节力和力矩传感器3的敏感阈值设为0.2牛），或输出信号幅度随时间的变化率在一定时间范围（如10秒）内持续低于变化率阈值（如：将关节力和力矩传感器3的变化率阈值设为正负0.1牛/秒），则将对该传感器施加电源的频率和对其输出信号的采样频率调整至0.1hz到10hz的范围；

2）当某个传感器的输出信号幅度高于敏感阈值，或输出信号幅度随时间的变化率高于变化率阈值，则将对该传感器施加电源的频率和对其输出信号的采样频率调整至10hz到1000hz的范围。

所述传感器管理模块13在接收到中央控制模块14的控制指令时，其工作方式包括下面的一种或任几种：

1)针对控制指令指定的传感器以指定的频率施加电源；

2)针对控制指令指定的传感器进行监测；

3)以控制指令指定的倍数放大指定的传感器的输出信号；

4)以控制指令指定的滤波方式对指定的传感器的输出信号进行滤波；

5)优先对控制指令指定的传感器的输出信号进行采样与转换；

6)以控制指令指定的采样频率对指定的传感器的输出信号进行采样与转换。

参见附图1，当系统发生异常，使关节超出了其容许的运动范围时，关节限位直接控制环路进行快速响应，直接控制驱动器将关节限制在容许的运动范围内；所述中央控制模块14具有禁止关节限位直接控制环路的控制指令，可以主动阻止关节限位直接控制环路工作。

参见附图1，当系统发生异常，使关节力和力矩超出了其容许的范围时，关节力和力矩保护直接控制环路进行快速响应，直接控制驱动器将关节力和力矩限制在容许的范围内；所述中央控制模块14具有禁止关节力和力矩保护直接控制环路的控制指令，可以主动阻止关节力和力矩保护直接控制环路工作。

参见附图1，当系统发生异常，使腱张力超出了其容许的范围时，腱张力保护直接控制环路进行快速响应，直接控制驱动器将腱张力限制在容许的范围内；所述中央控制模块14具有禁止腱张力保护直接控制环路的控制指令，可以主动阻止腱张力保护直接控制环路工作。

所述关节限位直接控制环路、关节力和力矩保护直接控制环路、腱张力保护直接控制环路使该控制系统更加可靠。

所述防止腱松弛的控制策略为：

1）设定腱张力的最低阈值；

2）通过腱张力传感器5判断腱张力是否低于最低阈值；

3）若腱张力低于最低阈值，则使牵引该腱的驱动器进一步收紧腱，直至腱张力等于或略高于最低阈值。

所述防止腱过紧的控制策略为：

1）设定腱张力的最高阈值；

2）通过腱张力传感器5判断腱张力是否高于最高阈值；

3）若腱张力高于最高阈值，则使牵引该腱的驱动器进一步释放腱，直至腱张力等于或略低于最高阈值。

所述基于可控负载的控制策略为：

1）将对受控关节构成拮抗式驱动的各个驱动器分为主动驱动器和从动驱动器；

2）通过调整从动驱动器的电压或电流使其处于跟随运动模式，使从动驱动器通过腱被关节拖动从而等效为具有惯性和可以控制阻尼的可控负载；

3）根据关节速度信息以及可控负载所需产生的阻尼大小，通过驱动器的模型计算得到从动驱动器应施加的电压或电流；

4）将主动驱动器通过腱拖动关节进而拖动可控负载的运动过程作为控制对象；该控制对象等效为单驱动器驱动的机器人关节运动控制过程，因此将控制问题有效地简化了；

5）将由灵巧手的关节位置、关节速度、关节力和力矩、关节阻尼、关节刚度、腱张力、与被操作对象的接触情况构成的集合或其子集作为目标量，将关节位置信息、关节速度信息、关节力和力矩信息、腱张力信息、触觉信息构成的集合或其子集作为反馈量，形成开环或闭环的控制。

参见附图3，所述基于动态模型的控制策略为：

1）建立构成拮抗式驱动的各个驱动器、传动装置、关节和外部负载的动态模型17；所述动态模型17包括构成拮抗式驱动的各个驱动器的电压或电流、关节位置、关节速度、关节力和力矩、关节阻尼、关节刚度、腱张力以及时间之间的函数关系；在缺少关节力和力矩传感器3或腱张力传感器5的情况下可通过所述动态模型17对关节力和力矩、关节阻尼、关节刚度、腱张力进行估计；

2）当对由关节力和力矩、关节阻尼、关节刚度、腱张力构成的集合或其子集作为目标量进行开环控制时，将目标量和关节位置信息作为所述动态模型17的因变量，求解得到构成拮抗式驱动的各个驱动器分别应施加的电压或电流（抑或是电压或电流随时间变化的函数）；

3）当对由关节力和力矩、关节阻尼、关节刚度、腱张力构成的集合或其子集作为目标量进行闭环控制时，将关节位置信息、构成拮抗式驱动的各个驱动器各自的电压或电流作为所述动态模型17的输入，所述动态模型17的输出即为关节力和力矩、关节阻尼、关节刚度、腱张力的估计值，将目标量对应的估计值作为反馈量，并将反馈量与目标量做差得到偏差量，将偏差量输入给控制单元16；

4）当对目标关节位置、目标关节速度作为目标量进行闭环控制时，将关节位置信息和关节速度信息作为反馈量，将反馈量与目标量做差得到偏差量，将偏差量输入给控制单元16；

5）经控制单元16进一步计算得到构成拮抗式驱动的各个驱动器分别应施加的电压或电流。

所述控制单元16可以采用pid控制率或基于神经网络的控制率。

所述基于神经网络的控制策略为：

1）构建多层神经网络作为运动控制器；所述多层神经网络可采用模拟生物脑的基底核与小脑的脉冲神经网络；

2）将由灵巧手的一至多个关节的关节位置、关节速度、关节力和力矩、关节阻尼、关节刚度、腱张力、与被操作对象的接触情况构成的集合或其子集作为目标量输入给所述多层神经网络；

3）将由灵巧手的一至多个关节的关节位置信息、关节速度信息、关节力和力矩信息、腱张力信息、触觉信息构成的集合或其子集作为反馈量输入给所述多层神经网络；

4）经过所述多层神经网络计算得到的输出即为各个驱动器分别应施加的电压或电流。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。