基于食品流变特性的自适应模糊力控制研究及其在助餐机器人抓取操作中的应用

本文针对助餐机器人抓取复杂几何形状、非线性粘弹性及变摩擦系数食物时存在的力感知维度单一与控制策略鲁棒性不足问题，提出一种集成多维力感知的紧凑型抓取机构模块及基于食物力学特性的自适应模糊力控制策略（F-PI算法）。通过建立传感器-末端执行器力学模型、机构运动学与动力学模型，并结合模糊控制与比例积分（PI）技术，实现了对面包、香肠、炸鸡块等多样化食物的稳定抓取与输送，显著提升了抓取成功率和取食率，为食品工程领域自动化抓取机器人开发提供了重要理论与技术参考。

　　

Highlights

模型与方法

本研究提出一种面向助餐机器人的集成多维力感知紧凑型抓取机构模块及基于食物力学特性的自适应模糊力控制策略。首先，通过分析紧凑型抓取力传感器与三维腕力传感器（3D wrist force sensor）的安装耦合关系，建立了传感器与抓取机构末端执行器之间的力学模型。其次，针对助餐机器人的欠驱动抓取机构，采用闭环矢量法建立运动学模型，并结合拉格朗日方程构建动力学模型，为后续控制方法提供理论基础。

实验平台

助餐机器人系统测试台的硬件架构如图7(a)和(b)所示。该系统按功能单元分为四部分：上位机、中位机、下位机和助餐机器人本体。上位机配备笔记本电脑（Intel? Core? i5-10300H CPU 和 NVIDIA GeForce GTX 1650 GPU），运行Windows 10操作系统，主要功能包括执行视觉算法（如食物物体识别与定位）、决策规划、人机交互和数据记录。中位机采用NVIDIA Jetson Xavier NX开发板，负责运行Linux操作系统，主要处理多模态感知数据（如视觉和力感知信息）并进行传感器信号融合。下位机采用STM32F407微控制器，负责伺服控制、电机驱动和传感器数据采集。助餐机器人本体包括机械臂、末端执行器、紧凑型抓取力传感器、三维腕力传感器和视觉传感器。

抓取运动与力感知

图9展示了末端执行器抓取过程中两半勺抓取运动及力跟踪控制的可视化结果，覆盖了从单一类型食物（如面包、香肠）到多种类型食物（如米饭、木耳炒蛋）的广泛范围。抓取食物前，末端执行器到达食物附近的位置和姿态（点D的位置和姿态）。随后，基于自适应模糊力控制策略（F-PI）执行抓取运动，并通过集成多维力传感器实时监测抓取力和腕部力。抓取过程中，模糊比例积分（F-PI）控制器根据食物力学特性（如非线性粘弹性和变摩擦系数）动态调整控制参数，确保抓取力与期望值一致，避免食物断裂、破碎或脱落。

结论

现有助餐机器人在抓取具有复杂几何形状、非线性粘弹性力学特性和变摩擦系数的食物时，常因抓取机构力感知维度单一和力跟踪控制策略鲁棒性不足而导致动态抓取过程中抓取力过大或接触力不足，引发食物断裂、破碎或脱落，最终严重影响抓取成功率和取食率。