Hotdry.

Article

DIY双足机器人气动人工肌肉驱动:从拮抗配置到SLIP模型步态控制

基于McKibben气动人工肌肉构建双足机器人,详解拮抗驱动配置、Bowden线缆解耦与SLIP模型步态控制策略的工程实现要点。

2026-06-03systems

气动人工肌肉的仿生驱动原理

McKibben 气动人工肌肉(Pneumatic Artificial Muscle, PAM)是当前仿生机器人领域最受关注的柔顺执行器之一。其结构由橡胶内胆与外部编织增强层组成,当内部充入压缩空气时,执行器径向膨胀并产生轴向收缩,从而输出 tensile force。这种工作机制与生物肌肉的收缩特性高度相似 —— 在收缩初期产生最大拉力,随后随收缩程度增加而递减。

PAM 的核心优势在于其极高的力重比(force-to-weight ratio)与固有的机械柔顺性。相比传统电机驱动系统,PAM 可直接输出线性力而无需复杂的减速机构,同时压缩空气作为传动介质赋予了系统天然的弹性与抗冲击能力。实验数据显示,标准 PAM 的收缩率通常可达原始长度的 25%–37%,输出力可达数百至上千牛顿。

拮抗配置与关节驱动架构

由于 PAM 仅能产生单向收缩力,双足机器人的每个关节必须采用拮抗配置(antagonistic configuration)—— 即由一对 PAM 分别模拟人体的主动肌与拮抗肌。以膝关节为例,屈肌 PAM 与伸肌 PAM 通过 Bowden 线缆(由外套管与内部腱索组成)连接到关节滑轮两侧。当屈肌充气收缩时,伸肌同步排气放松,关节产生屈曲运动;反之则实现伸展。

Bowden 线缆在此架构中扮演关键角色。它不仅将 PAM 的收缩力传递至关节,更重要的是通过外套管的柔性布局实现关节运动的解耦。在具有多个自由度的球关节(如肩关节)中,精心设计的 Bowden 线缆路径可确保各旋转轴的独立性,使控制算法无需处理复杂的力耦合问题。这种设计思路已被应用于 7-DOF 仿人机械臂,实现了与人类手臂运动学同构的关节配置。

硬件系统参数与选型清单

构建一台 12kg 级双足机器人,以下参数可作为初始设计参考:

气动系统

  • 气源压力:0.6 MPa(约 87 psi)
  • 执行器:自制硅胶管 PAM,最大收缩率约 30%
  • 控制阀:比例阀(60Hz 压力调节)+ 三通电磁阀(快速充放气)
  • 传感器:压力传感器(实时反馈)、角度编码器(关节位置)

机械结构

  • 单腿配置:髋关节(屈伸)、膝关节(屈伸)、踝关节(背屈 / 跖屈)
  • 每腿 6 个单关节 PAM(髋 2、膝 2、踝 2)
  • 质量分布:83% 集中于髋关节附近的躯干,降低腿部惯量以符合 SLIP 模型假设

关节活动范围

  • 髋关节:屈伸 ±10°
  • 膝关节:屈曲 50°
  • 踝关节:跖屈 30°、背屈 15°

控制策略:从压力调节到步态生成

PAM 系统的控制难点在于其强非线性特性与显著的滞后效应。研究表明,PAM 的力 - 长度 - 压力关系难以用精确数学模型描述,且充气与放气过程存在明显的 hysteresis。

针对单关节的轨迹跟踪,可采用扩展状态观测器(ESO)结合全阶滑模控制(fSMC)的复合策略。ESO 将模型误差视为系统内部扰动进行实时估计,fSMC 则利用非线性滑模面实现有限时间收敛。实验验证,该方案可在负载变化(1kg 至 5kg)条件下保持小于 1.2% 的超调量。

对于双足行走,SLIP(Spring-Loaded Inverted Pendulum)模型提供了有效的步态控制框架。该模型将机器人简化为质点与无质量弹簧腿,其核心约束是地面反作用力(GRF)需始终指向质心(COM)。具体实现时,通过实时调节踝关节屈肌 PAM 的压力,使 GRF 方向与 COM 方向的夹角控制在 5° 以内。对比实验显示,启用 SLIP 控制器后,单腿支撑相从 0.745s 延长至 0.853s,双足支撑相从 40ms 增加至 80ms,显著提升了行走稳定性。

步态控制状态机实现

完整的行走控制逻辑可分为三个阶段:

初始化阶段:通过 PID 控制器将各 PAM 压力调节至初始值(误差 < 5%),持续 1s。

支撑相控制:足部触地传感器触发后,膝 / 踝关节伸肌 PAM(#4、#5)快速充气以支撑身体重量;同时,髋关节屈肌 PAM(#1)充气、伸肌 PAM(#2)排气以推动躯干前移。踝关节屈肌 PAM(#6)由 SLIP 模型控制器实时调节压力。

摆动相控制:分为两个阶段。早期通过电磁阀快速动作使屈肌 PAM(#3、#6)充气、伸肌 PAM(#4、#5)排气,实现腿部回缩;后期切换至比例阀 PID 控制,在 200ms 内将各 PAM 压力调整至触地准备值。

工程实践中的关键挑战

建模与辨识:PAM 的力输出模型可表示为 F (P, l) = P・f_la (l) + f_lp (l),其中 f_la 与 f_lp 为长度相关的非线性函数。通过伺服电机拉伸实验可辨识模型参数,实测 R² 值可达 0.97 以上。

响应延迟:比例阀的机械响应与气体流动惯性导致控制指令到压力变化的延迟。在 200Hz 控制频率下,实测压力跟踪存在约 20–50ms 的相位滞后,这限制了高频动态控制性能。

气源便携性:PAM 依赖外部压缩空气供应,传统气泵与储气罐体积庞大。研究方向包括液压 McKibben 肌肉(HAM)以提升能量密度,以及基于电液动力学的固态微型泵以实现无管路驱动。

可落地的实验路径

对于 DIY 开发者,建议按以下阶段推进:

  1. 单关节验证:构建 1-DOF 测试平台(如肘关节),验证拮抗 PAM 对的力 - 位移特性与基础 PID 控制。

  2. 单腿测试:组装 2-DOF 腿部(髋 + 膝),实现支撑 / 摆动相的时序控制,测试慢速步态。

  3. 双足集成:添加躯干与另一条腿,实现静态站立与原地踏步。

  4. 动态行走:引入 SLIP 模型控制器,在力板或测力台上验证地面反作用力方向控制。

气动人工肌肉驱动的双足机器人代表了柔顺机器人技术的重要方向。尽管面临气源便携性与控制精度的挑战,其类生物的机械特性与人机协作安全性使其在康复外骨骼、服务机器人等领域具有独特价值。


参考来源

  1. Gong D, Yu J. Design and Control of the McKibben Artificial Muscles Actuated Humanoid Manipulator. IntechOpen, 2022. https://www.intechopen.com/chapters/80403
  2. Li Y, Jiang Y, Hosoda K. Controller design and experimental validation of walking for a musculoskeletal bipedal lower limb robot based on the spring-loaded inverted pendulum model. Frontiers in Robotics and AI, 2024. https://pmc.ncbi.nlm.nih.gov/articles/PMC11574207/

systems

内容声明:本文无广告投放、无付费植入。

如有事实性问题,欢迎发送勘误至 i@hotdrydog.com