《基于Stewart机构的六维力传感器解耦的策略研究.docx》由会员分享，可在线阅读，更多相关《基于Stewart机构的六维力传感器解耦的策略研究.docx（3页珍藏版）》请在三一文库上搜索。
1、基于Stewart机构的六维力传感器解耦的策略研究0 概 述传感器的结构设计是多维力传感器研究中的关键问题，国内外学者提出并研究了多种多维力传感器的结构，如： 三垂直筋结构、八垂直筋结构、十字梁结构、筒形结构和非径向三梁结构等。Stewart平台具有刚度高、对称性好、结构紧凑以及解耦特性好等优点，特别适合作为六维力传感器力敏元件结构。本文研究的传感器是一种带有柔性铰链的Stewart 型六维力传感器， 研究这种传感器的静态解耦算法，为其实用及产业化奠定重要的实验基础。该种传感器不仅在机器人领域具有广阔的应用前景，而且在风洞测力试验、火箭发动机推力测试及医疗等方面有着广泛的应用。1 传感器原理和
2、设计及标定系统1.1 传感器的原理六维力传感器的测力原理为：通过对Stewart平台6个传感器的检测，再通过标定矩阵解耦合，从而得到六维力的输出。如图1所示，传感器采用对称布置，主要有5个结构参数：上平台半径上平台定位角下平台半径下平台定位角及平台高度传感器的性能指标则由该传感器4个相互独立的结构尺寸决定：上下平台半径平台高度及上下平台定位角之差根据螺旋理论，对上平台列出平衡方程： （1）式中：为第个传感器受到的轴向力；为第个传感器的轴线对固定坐标系的单位矢量；为作用在上平台坐标中心的力和力矩。 （4）由以上公式可以看出，传感器的结构参数只与传感器结构尺寸有关。1.2 传感器的设计基于Stew
3、art平台的六维力传感器性能指标由4个结构参数决定（），因此结构优化成为设计传感器的重要内容。文献【6】指出，为得到较理想的传感器特性， 优化传感器参数将得到一个优化三角锥。如图2所示。2 解耦算法传统的六维力静态解耦算法是基于静态线性标定试验进行的【7】。假设传感器为线性系统的前提下，通过对六维力传感器六个方向进行标定，进而确定标定矩阵，寻求的各广义力与输出信号间的量化关系为： （7）式中：为广义力向量；为输出向量；为标定矩阵。取6个方向的线性无关的广义力分量组成对角阵，即在传感器标定过程中，分别在传感器上单独施加定量大小的力，对获取的输出数据进行均值处理，得到输出向量由式（7）得到标定矩阵
4、为： （8）但是在取广义力向量的时候，由于广义力在标定的过程中取的点数都比较多，并且其力值并不能保证是完全线性的，因此不同会引起的不同，使得标定矩阵存在多种解，因此如何选择成为保证六维力传感器精度的一个重要方面。2.1 标定矩阵的均值处理本文根据理论推导和实际验证，提出了一种标定矩阵的均值处理方法，设每个广义力间隔测量的点数为则根据排列组合原则，广义力分量组成对角阵的个数最多有种，如式（9）所示： （9）式中广义力的对角阵很多，根据Stewart传感器的结构以及标定装置的实际情况，选择的方式如下：（1）考虑到标定系统存在摩擦、力传递有小的波动等因素，因此，广义力的取值不能太小，否则，误差在里面
5、起的作用比较大。最小值要大于传感器量程的20%；（2）广义力中间值要参与标定矩阵的运算，这样算出的标定矩阵具有代表性；（3）广义力的较大值，一般取满量程的80%90%，过大的值接近传感器的满量程，由于非线性等因素会存在的误差相对较大。在已有的基础上，根据式（8）计算对应的在算出多组的基础上，按照下面的公式计算均值 （10）式中为对应标定矩阵的组数。2.2 标定矩阵的优劣评价原则因为平均后的标定矩阵融合了更多的数据信号，因此使得标定矩阵会更加准确，为了进一步证明均值标定矩阵的优势，该文引入了两个评价准则，即实际数据验证和的条件数最小两个标准。数据验证是把没有参与求解标定矩阵的数据代入式（7）中，
6、比较计算后的值和真实值的区别，误差越小，表明标定矩阵越好。的条件数最小原则。在传感器性能的评价中有一个重要指标：条件数，条件数越小， 传感器的各向同性越好，并且条件数越小，意味着在有测量值受到扰动的情况下，计算值受影响的程度最小，抗干扰能力最强，数据相对准确。用表示条件数，表达式如下： （11）3 算法验证下面根据对传感器实际测量的数据对上面的算法进行验证，验证时，根据前面广义力的选择方法，利用三组数据，来计算出相应的标定矩阵，根据最终的结果来验证算法的优劣。在解耦分析中，解耦精度是最关心的问题。通过表3的结果可以看出，对标定矩阵进行均值运算后的矩阵其解耦精度最高，传感器的精度可以达到0.5%
7、的水平，而其它解耦方法得到的计算结果在1%的水平。并且通过表4，也可以看出，均值后的标定矩阵其条件数最小，意味着其抗干扰能力相对最好。4 结 论本文提出了基于均值标定矩阵的解耦算法，并且给出了相应的评价准则，即解耦精度高和标定矩阵的条件数最小。本文根据实际的测量数据进行了验证，验证结果表明，经过均值后的标定均值，无论在解耦精度还是在条件数方面都是最优的，因此，本文提出的解耦算法是切实有效的，对Stewart型六维力传感器的开发具有指导意义。参考文献【1】 KANEKO M. Twin?head six?axis force sensor . IEEE Transactions on Robot
8、ics and Automation， 1996， 12（1）： 146?154.【2】 何小辉，蔡萍.一种小量程六维力传感器的设计与分析.传感器与微系统，2012，31（1）：20?23.【3】 KIM Gab?Soon， SHIN Hi?Jun， YOON Jung?won. Development of 6?axis force/moment sensor for a humanoid robot′s intelligent foot . Sensors and Actuators A：Physical， 2008， 141（2）： 276?281.【4】 刘芳华，倪受东，张
9、弛.一种新型大刚度高灵敏度的并联六维力传感器设计研究.机械设计与制造，2012（1）：23?25.【5】 高峰.Stewart结构六维力传感器设计理论与应用研究.秦皇岛：燕山大学，2002.【6】 DWARAKANATH T A， DASGUPTA B， MRUTHYUNJAYA T S. Design and development of a Stewart platform based force?torque sensor . Mechatronics， 2001， 11（7）： 793?809.【7】 金振林，岳义.Stewart型六维力传感器的静态解耦实验.仪器仪表学报，2006，27（12）：1715?1717.