邓小保， 段小刚， 邓 华

(中南大学 高性能复杂制造国家重点实验室，湖南 长沙 410083)



基于FSR的假肢手抓握力控制*

邓小保， 段小刚， 邓 华

(中南大学 高性能复杂制造国家重点实验室，湖南 长沙 410083)

为了帮助上肢残疾者稳定抓取日常物品，提出了一种基于力敏电阻(FSR)的假肢手抓握力控制方法。FSR采集假肢手抓取力，并根据抓握力及其梯度，建立了假肢手抓握力模糊估计模型。然后将模糊控制器应用于假肢手抓握力控制，并采用试凑法得到模糊控制参数的值。假肢手抓握实验表明:所提出的基于FSR假肢手期望抓握力的估计和抓握力控制的方法是有效的。

假肢手； 力敏电阻； 模糊控制

0 引 言

人在抓握物体前，大脑根据物体特征估计一个合适的抓握力，并通过神经系统发出抓握指令。人手的神经系统在接到指令后控制骨骼肌收缩，从而实现稳定抓握物体。对假肢手而言，若要实现与人手相似的稳定抓握，需要一个合适的抓握力及合理的控制策略。如果抓握力过大，可能导致物体变形甚至破坏;相反，如果抓握力过小，可能抓不住物体，导致物体掉落，所以合适的抓握力对于稳定抓握十分重要。同时，合理的控制策略，能够实现假肢手抓握力稳定控制。

目前肌电信号、脑电信号解码获取假肢手期望抓握力的方法还不成熟，不能直接得到合适的抓握力。另外，假肢手由小电机带动减速机构驱动，存在间隙，摩擦等非线性问题，线性控制的方法如传统PID控制很难获得好的控制效果。

文献[1～3]对从肌电信号中获得假肢手期望抓握力进行了探讨，但是其算法复杂，在线控制比较难，长时间采集还会引起肌肉疲劳。文献[4]中，采用阻抗控制的方法，但只能通过调整参考位置来间接地实现抓握力控制。文献[5]中，Engeberg E D在假定参考力得到的前提下，对假肢手力和位置做了滑模控制等研究，但并未对如何得到参考力做相应讨论。当前商业假肢手主要利用表面肌电信号的幅值，并对其进行阈值控制，即肌电信号大于某个值时，假肢手就开始抓握，小于时就松开，实现假肢手的开—合动作。这一控制方法在Otto Bock的假肢手[6]中得到应用。

由于人根据物体特征凭经验获得一个抓握力是个模糊的过程。模糊控制器规则简单，具有良好的鲁棒性，能解决假肢手非线性以及被抓握物体的不确定性等问题[7]。此外，由于力敏电阻(FSR)安装方便，体积小，精度高且价格便宜，因此,本文提取基于FSR的假肢手抓握力控制策略。通过分析FSR接触不同物体时的变化规律，建立基于模糊规则库的假肢手期望抓握力的估计方法。考虑到假肢手的非线性问题，采用模糊控制方法，设计了假肢手抓握力控制器。最后，用三组不同物体分别采用模糊控制与传统PID控制进行对比实验，验证该控制方法的有效性。

1 假肢手控制策略

人能够很好地控制自己的手抓握不同的物体，具有很好的适应性。因此，提出一种仿人控制策略来实现假肢手的抓握力控制。人手在抓握物体时，首先通过眼睛看到被抓握物体，根据经验估计一个合适的抓握力，然后通过神经系统控制人手驱动器—骨骼肌实现不同物体的抓握，其基本原理如图1所示。

图1 人手抓握的控制示意图Fig 1 Schematic diagram of human hand grip control

采用期望力模糊估计来实现假肢手抓握不同物体的功能。基于人手抓握的控制原理，提出了假肢手抓握力控制策略，如图2所示，其中f为假肢手的抓握力，fd为期望的抓握力。根据FSR信号估计期望抓握力，以模糊控制模拟人的神经控制。

图2 假肢手抓握力控制示意图Fig 2 Grip force control of prosthetic hands

2 假肢手的数学模型

设计控制器时，需要考虑假肢手的动态响应特征。本文考虑单自由度假肢手的情况，其动态模型如下

(1)

(2)

将式(2)代入式(1)得到

(3)

建模的过程中可知，假肢手与被抓物体接触点不同时，会引起L(q)与J变化，模型(3)的参数发生变化；被抓握物体变化时，其刚度、阻尼与粘性系数发生变化，即K,B与M变化，模型(3)的动态响应特征也发生变化。模型存在非线性，采用PID算法控制很难达到稳定抓握的控制要求，本文采用模糊控制策略，实现假肢手抓握力的稳定控制。

3 期望抓握力模糊估计模型

人在抓握物体时，根据被抓物体的大小、形状、特征等，凭经验估计抓握力是一个模糊过程。所以，采用一个模糊模型来实现假肢手的抓握力估计。如图3所示，其中f为假肢手的抓握力，fd为假肢手期望的抓握力，k1,k2和k3为比例系数。抓握力模糊估计模型的设计如下：

1)隶属度函数设计。针对软硬程度不同的物体，采用假肢手抓握力和抓握力梯度的变化情况来设计隶属度函数。以纸杯子、塑料瓶和硬瓶子的抓握力为模糊集的划分依据。假肢手抓握力的测量数据，如图4所示，根据这三种情况的抓握力的大小和抓握力梯度变化确定模糊集隶属度函数的中心，隶属度函数如图5所示。

图3 假肢手抓握力模糊估计模型Fig 3 Fuzzy estimation model for grip force prosthetic hands

2)规则库设计。模糊规则设计为“IfEf小与Rf中等，则fd小”。模糊规则如表1所示。

图4 假肢手接触力与力的导数Fig 4 Force and its gradient of prosthetic hands

图5 输入输出隶属度函数Fig 5 Input and output membership function

力梯度不同抓握力下的规则小中大软小小中中等小中大硬中大大

3)推理机制与解模糊化，采用经典的Mandani推理机制，解模糊化采用重心法。

基于上述的模糊逻辑系统，采用图形法，可以推导出抓握力模糊估计模型的数学表达式

(4)

g(σ)=k(1-γ)+γσ

σ=Ef+Rf=k1Ef+k2Rf

(5)

4 假肢手抓握力控制器设计

模糊逻辑具有优越的处理不确定和非线性问题的能力，因此，提出一种模糊控制方法来实现假肢手的抓握力控制。模糊控制器的结构如图6所示，其中误差e=fd-f，fd为假肢手期望的抓握力，f为假肢手实际抓握力；Ke,Kd,K0及K1为比例系数；UFz为控制器输出。

图6 模糊控制器Fig 6 Fuzzy controller

图7 模糊控制器的隶属度函数Fig 7 Membership function of fuzzy controller

5 实 验

将上述主模式控制方法应用于单自由度假肢手，采样频率为500 Hz,FSR贴在(硅胶手套表面)假手拇指指尖,如图8。采用DSP芯片TMS320F28335作为处理核心，实验中对比了PID控制算法和模糊控制算法。采用试凑法得到各组参数，如表2所示。

表2 控制器参数值

实验采用如下几个步骤：

1)在自由运动空间，以一定恒定电压驱动(u=1.5 V)手指运动；

2)在约束空间(手指接触物体)，采用u0=1 V的初始电压，采集接触到物体后100 ms的FSR信号，计算该物体的力和力的导数，并通过抓握力模糊估计模型估计期望的抓握力；

3)抓握力控制器控制假肢手实现稳定抓握。

实验中分别抓握硬瓶子、塑料瓶及纸杯子，先使用模糊估计期望抓握力，再分别采用模糊控制器和传统PID进行控制，其控制效果如图9、图10、图11所示。

图8 单自由度假肢手实验平台Fig 8 Experimental platform of single DOF prosthetic hand

图9 单自由度假肢手抓握硬杯子实验Fig 9 Experiment of single DoF prosthetic hand grips hard cup

图10 单自由度假肢手抓握塑料瓶实验Fig 10 Experiment of single DOF prosthetic handgrips plastic bottle

图11 单自由度假肢手抓握纸杯实验Fig 11 Experiment of single DoF prosthetichand grips paper cup

从实验结果可以看出:接触物体后，控制器会得到一个大致的期望抓握力，软杯子的估计期望力和实际控制抓握力有约0.4N的误差，但是不影响稳定抓握，软杯子既没有变形，也没有滑落。塑料瓶和硬瓶子的期望力和控制力大致吻合,假肢手可以稳定抓握。以上说明模糊估计期望抓握力的方法是有效的。从控制效果来看，PID控制相对模糊控制，其抓握力控制不稳定，对较硬的物体，超调量较大。模糊控制的方法超调量小、调整时间短、稳态误差小。

6 结束语

为能使假肢手稳定抓握不同物体，本文提出的基于FSR的假肢手抓握力控制策略。利用FSR采集的力信号，得到不同的物体的抓握力信息，建立的初始抓握力的规则库，得到模糊估计期望力的模型，从而为稳定抓握物体提供了一个参考力。针对假肢手的非线性和抓握物体的不确定性，采用模糊控制的方法，能有效控制抓握力的大小。

[1] 杨大鹏，赵京东，姜 力,等.多抓取模式下人手握力的肌电回归方法[J].哈尔滨工业大学学报，2012,44(1)：83-87.

[2] Shahrul Naim Sidek,Ahmad Jazlan Haja Mohideen.Mapping of EMG signal to hand grp force at varying wrist angles[C]∥2012 IEEE International Conference on Biomedical Engineering and Sciences,IECBES 2012,Langkawi,2012:648-653.

[3] Duque J,Masset D,Malchaire J.Evaluation of handgrip force from EMG measurements[J].Applied Ergonomics,1995,26:61-66.

[4] 孙金凤,姜 力.基于关节力矩传感器的灵巧手指的阻抗控制[J].传感器与微系统,2008,27(7):66-68,74.

[5] Engeberg E D,Meek S G,Minor M A.Hybrid force-velocity sli-ding mode control of a prosthetic hand[J].IEEE Transactions on Biomedical Engineering,2008,55:1572-1581.

[6] Online.Otto bock sensor hand speed[EB/OL].(2013—08—26)http:∥www.ottobock.com/cps/rde/xchg/ob_com_en/hs.xsl/54026.html.

[7] Duan X G,Li H X,Deng H.Robustness of fuzzy PID controller due to its inherent saturation[J].Journal of Process Control,2012,22:470-476.

Grip force control of prosthetic hands based on FSR*

DENG Xiao-bao, DUAN Xiao-gang, DENG Hua

(State Key Laboratory of High Performance and Complex Manufacturing,Central South University,Changsha 410083,China)

In order to help amputees grasp everyday objects stably,a force estimation method is presented for prosthetic hands based on force sensitive resistors(FSR).Grasping force signal is obtained by FSR,and analysis the force and its gradient signal to the different objects.A grip fuzzy estimation model is established.Fuzzy controller is applied to control the prosthetic and its parameters are obtains by cut-and-trial.Experimental results of prosthetic hand show that the proposed method about desired grip force estimation based on FSR and grip force control is effective.

prosthetic hands; force sensitive resistors(FSR); fuzzy control

10.13873/J.1000—9787(2016)12—0096—03

2016—02—24

国家“973”计划资助项目(2011CB013302)

TP 241.3

A

1000—9787(2016)12—0096—03

邓小保(1990-)，男，湖南邵阳人，硕士研究生，研究方向为智能控制、传感器应用、嵌入式系统。