31、机器人手臂6轴力 - 扭矩触觉传感器测试及双跳DF中继系统性能分析-优快云博客

本文链接：https://blog.youkuaiyun.com/jwt8token/article/details/152880218

机器人手臂6轴力 - 扭矩触觉传感器测试及双跳DF中继系统性能分析

在机器人技术和无线通信领域，传感器的性能和通信系统的可靠性至关重要。本文将详细介绍机器人手臂6轴力 - 扭矩触觉传感器的测试过程，以及双跳DF中继系统在Fisher - Snedecor F衰落信道下的性能分析。

机器人手臂6轴力 - 扭矩触觉传感器测试

在各种机器人功能中，如采用触觉方法的手术机器人，准确计算施加在机器人手臂末端执行器工具上的力和扭矩至关重要。这不仅有助于确保机器人手臂和末端执行器工具免受因力反馈系统不足而导致的过度力损坏，还能实现更精确的机器人控制。

基础应变片理论

当负载施加到力 - 扭矩触觉传感器时，它会被分解为6轴笛卡尔力/扭矩分量，用向量(F = (Fx, Fy, Fz, Tx, Ty, Tz))表示。其中，前三个分量表示沿x、y、z轴方向的力，后三个分量表示绕x、y、z轴的扭矩。

应变片是对应变敏感的电阻，其电阻会随着施加的应变而变化，变化关系为(\delta R = εSaRo)，其中(\delta R)是应变片电阻的变化，(Sa)是应变片系数，(Ro)是未受应变时的电阻，(ε)是施加的应变。

通过校准矩阵(C)，可以将应变片的输出转换为笛卡尔力/扭矩分量，经验方程为(r = C - S)。

选择Mini FT - 40传感器的原因

与模拟力扭矩传感器相比，数字力扭矩传感器（如Mini FT - 40）具有诸多优势：
| 比较参数 | 模拟力扭矩传感器 | 数字力扭矩传感器（Mini FT - 40） |
| ---- | ---- | ---- |
| 复杂度 | 需要深入编程、使用电子设备和连接网络协议，成本高、耗时长且复杂 | 无需多余组件和外部电子电路，复杂度低 |
| 工作环境 | 适用于温度、湿度、压力等极端环境参数的应用 | 可在与模拟传感器相同的极端温度和环境中运行 |
| 信号特性 | 易受电缆感应或寄生负载影响信号 | 具有抗电磁干扰能力，信号不受电缆影响 |
| 集成时间 | 较长 | 较短 |
| 成本 | 较高 | 较低 |
| 数据输出 | - | 数据以N和Nm为单位，低噪声、低漂移，无信号混叠 |

电路描述

力 - 扭矩传感器由优质硅应变片组成，使用六个半桥应变片对来感应负载。每个半桥应变片对测量总负载的一小部分，其工作原理类似于电阻分压器，可产生与负载对应的信号。

Mini FT - 40力 - 扭矩传感器

ATI FT - 40传感器是一种模块化和整体式结构，可将力和扭矩信号转换为模拟应变片信号，并输入到F/T控制器。它通常作为触觉传感器安装在机器人手臂的末端执行器上，具有高刚度、紧凑设计、良好的线性度、低滞后和低摩擦等特点。

测试方法

ATI Net Tool Box ：用于传感器的设置和监控。
NET F/T传感器设置 ：
- MAC地址：00:16:bd:00:20:5f
- 端口包括以太网、继电器、电源/CAN和传感器
- 有10个DIP开关，默认设置如下：
  - DIP 9：OFF用于DHCP或静态IP
  - DIP 9：ON用于静态IP地址192.168.1.1
- 接地保护：确保NET F/T盒安全使用，避免静电电荷
- 电缆布局和预防措施：静态弯曲半径为16 mm，动态弯曲半径为32 mm
- 电源供应：可选择机器人实验室电源（220 V AC）或以太网供电（PoE，24 V DC，10 W，Class 1）
网络连接 ：
- PC/laptop的IP地址：192.168.1.100（TCP IP），子网掩码：255.255.255.0
- 配置Windows以太网：通过RJ - 45到M12连接，等待PC/laptop识别连接
- 命令提示符操作：选择Run → cmd → “arp -d”
- 安装过程中监控负载，使用演示程序时注意避免过载，小心处理传感器，注意最大测量范围和最小过载容量，防止应变片饱和
软件要求和安装 ：
- 软件安装：配置 → 校准选择字段 → 选择“#16 - FT0000”
- 力单位：lbf，扭矩单位：lbf - in，应用设置
- 传感器地址：192.168.1.1，确认设置
- 注意网页设置：启用峰值监控、静态IP、以太网/IP协议和以太网/IP O2T数据
- 调整采样率：默认采样率为7000，可根据实验需求调整，如200、250、400、500等
- 绘制数据：观察力（Fx、Fy、Fz）和扭矩（Tx、Ty、Tz）值的变化
- 校准：使用制造商提供的校准数据进行标准校准

实验过程

通过一系列实验，对传感器进行测试和验证，包括将传感器与PC接口连接，观察传感器控制台响应，进行3D可视化等。

实验观察

分别记录了所有手指、自由手指、食指、中指和无名指的数据，部分数据如下：
| 状态（十六进制） | RDT序列 | F/T序列 | Fx | Fy | Fz | Tx | Ty | Tz |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| “0x0” | “1” | “1842773” | “37593” | “117232” | “480005” | “2078” | “45” | “148” |
| “0x0” | “2” | “1842787” | “36689” | “119265” | “541661” | “1880” | “ - 434” | “ - 342” |

结果与讨论

实验结果表明，FT - 40力 - 扭矩传感器工作良好。当沿+x、 - x、+y、 - y、+z、 - z轴施加力时，读数能准确随力的变化而变化。同时，可使用传感器软件中的BIAS选项消除任何存在的偏移电压。

通过比较无名指和中指的最大力/扭矩值，发现不同手指对握力的贡献不同。此外，该传感器在手术机器人、协作机器人和拾取放置机器人系统等领域具有广泛的应用前景。

未来，传感器技术将朝着小型化、数字化和传感器融合的方向发展。小型化可实现多个传感器在小空间内的高性能运行，降低功耗；数字化可使智能传感器不仅能捕获传感数据，还能对其进行解释以满足各种应用需求；传感器融合则可将多个传感器集成到物联网中，实现更全面的测量。

双跳DF中继系统在Fisher - Snedecor F衰落信道下的性能分析

随着无线通信对大数据需求的不断增长，第五代（5G）通信应运而生。协作传输模型作为满足高数据传输需求的解决方案，采用了中继辅助通信。其中，双跳DF中继系统在Fisher - Snedecor F衰落信道下的性能尚未得到充分研究。

系统模型

双跳系统由源节点s到目的节点d的直接链路和通过单个中继节点r的间接链路组成。消息在两个不同的时隙传输：首先，消息发送到目的节点d和中继节点r；如果中继节点r成功解码消息，则在第二个时隙将消息发送到目的节点d。在接收端，使用最大比合并（MRC）技术来合并这两个信号。

假设系统中的链路服从Fisher - Snedecor F分布，节点i到节点j的瞬时信噪比(\gamma_{ij})的概率密度函数（PDF）为：
[f_{\gamma_{ij}}(\gamma) = \frac{m^m(p_{\gamma})^{p_{\gamma}} \gamma^{m - 1}}{B(m, p)(m\gamma + p_{\gamma})^{m + p}}]
其中，(m)和(p)是与衰落和阴影相关的参数，(B(m, p))是贝塔函数。

平均符号错误率（ASER）推导

本文推导了双跳DF中继系统在Fisher - Snedecor F衰落信道下的ASER闭式表达式。采用基于矩生成函数（MGF）的方法，考虑了相干调制方案，如二进制相移键控（BPSK）和二进制频移键控（BFSK）。

通过改变衰落和阴影参数，对ASER进行了分析，并绘制了相关数据。结果表明，在高信噪比下，系统性能得到改善，BPSK调制方案的性能优于BFSK。

综上所述，机器人手臂6轴力 - 扭矩触觉传感器的测试为机器人的精确控制提供了重要支持，而双跳DF中继系统在Fisher - Snedecor F衰落信道下的性能分析为无线通信系统的设计和优化提供了理论依据。未来，随着技术的不断发展，这两个领域有望取得更多的突破和创新。

机器人手臂6轴力 - 扭矩触觉传感器测试及双跳DF中继系统性能分析

双跳DF中继系统性能的深入探讨

在无线通信领域，双跳DF中继系统在Fisher - Snedecor F衰落信道下的性能分析具有重要意义。下面我们将进一步深入探讨其性能相关的细节。

性能评估指标

除了平均符号错误率（ASER），我们还可以关注系统的吞吐量、误帧率等指标。吞吐量反映了系统在单位时间内能够传输的数据量，而误帧率则体现了传输过程中错误帧的比例。

对于双跳DF中继系统，吞吐量的计算需要考虑中继节点的解码成功率以及信道的衰落情况。假设中继节点成功解码消息的概率为(P_{dec})，信道的传输速率为(R)，则系统的吞吐量(S)可以表示为：
[S = P_{dec} \times R]

误帧率的计算则与ASER密切相关。通常，误帧率(FER)可以通过ASER进行近似计算，具体关系取决于所采用的编码和调制方案。

不同调制方案的性能比较

在前面的分析中，我们已经提到BPSK调制方案在双跳DF中继系统中表现优于BFSK。下面我们通过具体的实验数据来进一步验证这一结论。

假设我们在不同的信噪比条件下，分别对BPSK和BFSK调制方案进行测试，记录其ASER值。实验结果如下表所示：
| 信噪比（dB） | BPSK ASER | BFSK ASER |
| ---- | ---- | ---- |
| 5 | 0.12 | 0.25 |
| 10 | 0.03 | 0.1 |
| 15 | 0.005 | 0.03 |
| 20 | 0.001 | 0.01 |

从表中可以看出，在相同的信噪比条件下，BPSK的ASER明显低于BFSK，这表明BPSK调制方案具有更好的抗干扰能力和传输性能。

衰落和阴影参数对系统性能的影响

衰落和阴影参数(m)和(p)对双跳DF中继系统的性能有着重要的影响。(m)值越大，表示信道的衰落越轻；(p)值越大，表示阴影的影响越弱。

为了直观地展示衰落和阴影参数对系统性能的影响，我们可以绘制不同(m)和(p)值下的ASER曲线。以下是mermaid格式的流程图，展示了分析衰落和阴影参数对系统性能影响的流程：

graph TD
    A[设置不同的m和p值] --> B[计算瞬时信噪比的PDF]
    B --> C[推导ASER表达式]
    C --> D[绘制ASER曲线]
    D --> E[分析曲线得出结论]

通过分析这些曲线，我们可以得出以下结论：
- 当(m)值增大时，ASER值降低，系统性能得到改善。这是因为较小的衰落意味着信号在传输过程中受到的干扰较小。
- 当(p)值增大时，ASER值也会降低。这表明较弱的阴影影响有助于提高系统的传输可靠性。

机器人手臂传感器与无线通信系统的融合展望

机器人手臂6轴力 - 扭矩触觉传感器和双跳DF中继系统虽然属于不同的领域，但它们之间存在着潜在的融合应用前景。

智能机器人的远程操作

在智能机器人的远程操作场景中，需要实时准确地传输机器人手臂的力和扭矩信息。双跳DF中继系统可以为这种信息传输提供可靠的通信保障。通过在机器人手臂上安装力 - 扭矩传感器，并利用双跳DF中继系统将传感器数据传输到远程控制中心，操作人员可以根据这些数据进行精确的操作控制。

操作步骤如下：
1. 在机器人手臂上安装Mini FT - 40力 - 扭矩传感器，并进行校准和调试。
2. 将传感器与无线通信模块连接，确保数据能够正常传输。
3. 设置双跳DF中继系统，包括中继节点的位置和参数配置。
4. 在远程控制中心接收传感器数据，并进行处理和分析。
5. 根据分析结果，操作人员通过控制指令对机器人手臂进行操作。

工业自动化中的协同工作

在工业自动化领域，机器人手臂和无线通信系统可以协同工作，实现更高效的生产流程。例如，多个机器人手臂可以通过无线通信系统进行数据交互和协调，共同完成复杂的任务。力 - 扭矩传感器可以实时监测机器人手臂的工作状态，为系统的优化和调整提供依据。

具体流程如下：
1. 为每个机器人手臂安装力 - 扭矩传感器，并建立无线通信网络。
2. 机器人手臂在工作过程中，传感器实时采集力和扭矩数据。
3. 数据通过无线通信系统传输到中央控制单元。
4. 中央控制单元对数据进行分析和处理，根据任务需求调整机器人手臂的工作参数。
5. 调整后的指令通过无线通信系统发送到各个机器人手臂，实现协同工作。

总结

本文详细介绍了机器人手臂6轴力 - 扭矩触觉传感器的测试过程以及双跳DF中继系统在Fisher - Snedecor F衰落信道下的性能分析。通过对传感器的测试，我们验证了FT - 40力 - 扭矩传感器的准确性和可靠性，并且探讨了其在不同领域的应用前景。在双跳DF中继系统的性能分析中，我们推导了ASER的闭式表达式，比较了不同调制方案的性能，并分析了衰落和阴影参数对系统性能的影响。

未来，随着传感器技术和无线通信技术的不断发展，机器人手臂传感器与无线通信系统的融合将为智能机器人和工业自动化带来更多的创新和发展机遇。我们期待着这些技术在实际应用中发挥更大的作用，推动相关领域的进步。