Vol.20 No.3 原魁等：基于滑觉功能的机器人多手指稳定抓取方法 ·293· 为反映系统误差与误差变化率的语言变量的Fuzzy集合(Fuzzy量)，U为Fuzzy控制器输出的 控制作用（精确量），Y为系统输出（精确量）. 在多指手完成对物体的抓握过程中，上位机通过力传感器采样电路对手指与物体的接触 力进行检测，并通过模糊控制算法得到所需的模糊控制量，而模糊控制量则被转换为对DC 驱动电机的控制电压，完成对多指手的力反馈控制. 为了进一步证实上述滑觉检测方法的合理性，我们利用北科大双拇指手进行了大量的实 验.通过检测多指手对物体进行抓取并且出现滑动时各个手指上的力传感器的输出情况，即 检测滑动前和滑动后力的大小和分布情况，完全证实了上述滑觉检测方法的合理性.大量的 实验结果表明：当有滑动产生时，手指受力的大小和力的分布会发生变化，滑动的位移越大， 力的大小和分布情况变化的变化就越明显.因此可以根据检测结果在实现多指手滑觉功能的 同时完成多指手的力反馈控制 2力反馈分级模糊控制 当利用模糊控制方法对系统进行控制时，必须将对系统的模糊输出进行量化，由于在利 用多指手手指的滑觉功能对多指手进行抓握力控制时，事先并不知道所需抓握力的大小，必 须将多指手手指所能够输出的抓握力的变化范围fin]作为基本论域.因此，当按照传统 的模糊控制方法对控制输出进行量化时，基本论域被分为[-6，+6]中的7个（或13个）等 级，而每个等级之间的差（控制输出分辨率）为，f一fm)/7(或（一f)13).很明显，采用 这种量化方法时控制量分级较粗，对于多数机器人多指手控制系统来说，不能充分利用其控 制系统的性能.例如，对于北科大双拇指手来说，由于其基本论域为[0,120]，虽然系统的控制 输出分辨率为1，但在采用传统模糊控制方法时其控制输出分辨率只能达到120/7（或 120/13). 为了解决上述问题，我们提出了分级控制的概念.其结构框图如图4. 分级模糊控制的基本思想是，根据给定的目标值，动态地修正模糊控制输出的基准值，而 目标值 修改输出基准值 模糊控制器 被控对象 反馈值 图4分级模糊控制结构图 取基准值与模糊控制器输出值之和作为加在被控对象上的控制量，从而达到缩小模糊控制器 的输出范围的目的，理论分析和实验结果表明，采用这种分级模糊控制的方法可以大大缩小 模糊控制器的输出范围，从而实现了对系统进行精细控制的目的