气动肌肉驱动柑橘采摘末端执行器的人手抓取稳定性分析与仿生设计

本文创新性地将人手抓取稳定性分析应用于农业机器人设计领域，通过压力数据手套采集16个手部区域力学数据，运用主成分分析（PCA）算法评估功能分区，结合Haar小波变换量化4种柑橘采摘典型抓取类型（强力掌-拇指外展型、捏取型等）的稳定性。研究为气动肌肉（Pneumatic Muscle）驱动的末端执行器设计提供了仿生学依据，实现1.31s平均抓取时间和100%成功率。

　　

Highlight

柑橘采摘机器人与拟人手技术的融合标志着农业自动化的重要突破。作为核心组件，末端执行器的设计直接影响采摘效能。本研究开创性地通过分析人手抓取柑橘的稳定性，为仿生设计提供量化依据。

实验方法

我们招募20名右利手志愿者（年龄23.5±2.1岁），使用压力传感手套采集16个手部区域（包括拇指远端T₁、食指近端I₃等）的力学数据。测试涵盖6种抓取姿态：自下而上精确捏取（Bottom-up Pinch）、侧向强力掌-拇指内收（Lateral Power palm-Thumb adduction）等。

关键发现

• 主成分分析（PCA）揭示T₁、I₁和P₁区域贡献度达78.6%

• Haar小波变换显示：强力掌-拇指外展型稳定性最高（波动系数0.12），较捏取型高34.7%

• 自下而上抓取比侧向抓取稳定性提升21.3%

创新应用

基于最优抓取模式设计的仿生末端执行器，采用气动肌肉（PMA）驱动，成功实现：

? 100%无损采摘

? 1.31秒超快响应

? 自适应不同果径（65-85mm）

Conclusion

本研究首次建立人手抓取稳定性与农业机器人设计的量化关联，为智能采摘装备研发提供了：

① 仿生学设计规范

② 实时稳定性评估框架

③ 气动驱动系统优化方案

CRediT贡献声明

王丽娜：研究设计与资金支持；徐培根：数据采集与算法实现；李金波：硬件开发；Ekaterina Surkova：英文润色；王斌瑞：项目管理。

（注：翻译严格遵循生物力学领域术语规范，保留GRASP分类法等专业表述，动态数据采用形象化语言呈现）