1.2 工业机器人与机械智能
国内机器人发展晚于发达国家，目前机器人中重要部分需要进口，尤其是机器人的减速器、控制器及伺服系统，因此，核心零部件对我国工业机器人技术发展非常重要，提高工业机器人的“智”，使工业机器人向着智能化方向发展是工业机器人的主要发展趋势。
1.2.1 机器人中的机械智能
机械智能是指机器在不依赖电气传感元件或中央控制器的前提下，能够通过机械本体来感知外界或自身状态变化并做出相应反应，从而实现一定的自适应功能。尽管人类目前生活在一个对信息技术高度依赖的时代，更偏向于用传感器和电气控制解决机器的运动问题，然而，机械智能依然存在于人类的周围，并发挥着不可替代的作用。例如，法国人雷诺提出的齿轮差速器至今仍在汽车工业中占据着绝对统治地位。汽车工业中还有很多地方体现着类似的智能，例如，能根据不同拖拽加速度而保护乘客的安全带，根据不同的动力需求而动态改变传动比的液力自动变速箱等[25，26]。
机械智能不仅减少了机器对复杂控制系统的依赖，释放了中央控制器的资源，而且大大提高了系统的响应速度和鲁棒性。随着机构学、机器人学、仿生学和材料学等学科的发展，机械智能已经渗透到柔性机器人、仿生机器人以及可重构机器人等领域。
1.2.1.1 柔性机构与机械智能
柔性机构的固有柔顺性可以根据外界空间和负载的变化，自适应地做出机械响应，减少使用刚性机构时对传感器和控制算法的依赖，也就是柔性机构中会产生机械智能。刚性机构虽然可以通过阻抗控制使机构末端与环境具有一定的柔顺交互能力，但是需要额外的力传感器且显著增加了控制算法的复杂性，因此人机共融是智能机器发展的重要趋势[27，28]。
柔性机构的典型代表是柔性操作臂[29]，可分为关节柔性操作臂和连续体柔性操作臂。
（1）关节柔性操作臂
机械臂主要分为刚性操作臂和柔性操作臂。柔性操作臂包括关节柔性操作臂和柔性臂杆操作臂等。相较于刚性操作臂，柔性操作臂具有重量轻、灵活度高、能耗低等特点，在医疗、航天等领域发挥着重要作用[30，31]。
关节柔性操作臂可以利用自身机械结构对操作对象的形状、接触力等做出响应，具有良好的环境适应性和安全的人机交互性。图1-1所示为Rethink Robotics公司操作臂机器人[32，33]采用的串联弹性驱动器（Series Elastic Actuator，SEA），作为驱动关节，这是一种在电机和负载端串联一个弹性元件的柔顺驱动器，它能够根据外界负载的变化被动地调节机械阻抗，使其不仅能够通过弹性元件变形感应接触，同时可以吸收能量。
图1-1 串联弹性驱动器
然而，柔性操作臂在关节处使用谐波齿轮减速器和力矩传感器等柔性器件时，常使得关节操作臂的控制问题变得较为困难[34，35]。
图1-2所示为比萨大学[36]设计的一种三自由度轻型操作臂，为关节柔性操作臂，它采用一对气动人工肌肉进行驱动，这种操作臂具有良好的柔性，即使不安装传感器，也可通过肌肉变形感知和吸收冲击，能在一定程度上保证人机交互的安全性。此外，该柔性操作臂还能利用自身冗余的自由度对目标进行包络抓取。
图1-2 关节柔性操作臂示意图
相对于刚性操作臂，柔性操作臂具有惯性小、能耗低和运动速度高等优点，但由于其质量较轻、刚度低和模态阻尼小，使得柔性操作臂在转动或受到外部扰动时，会产生较长时间的自由振动，将对其稳定性和工作精度产生较大影响。柔性操作臂作为一种强耦合、非线性、时变多、输入多、输出分布参数多的系统，其复杂性不仅体现在动力学建模分析方面，更主要的是表现在控制器的设计上。
为了保证柔性操作臂系统的瞬态性能和稳定性，在控制律设计过程中通常需要考虑系统输出约束对系统性能的影响。
常用的输出约束方法有预设性能控制[37-40]和障碍李雅普诺夫函数[41]等。
相比刚性关节，柔性关节引入了额外的自由度，因此，电机转角与操作臂连杆转角不同步，不但增加了系统的响应时间，而且容易引起操作臂振动，增加机器人建模和控制难度。但是，随着机器人系统向高精度、大负载和轻质量方向发展，柔性关节机器人因体积小、能耗低，且具有高负载自重比，将更多地应用于空间探索、人机协作、家庭服务等领域。尤其是，柔性机器人因其具有所需力矩小，能够有效降低因外界碰撞带来的损伤等优点而受到关注。
（2）连续体柔性操作臂
连续体柔性操作臂理论上具有无限多自由度，无需复杂的控制系统即可穿越非结构化路径，适于狭小空间范围内的运动和操作。
例如，一种连续体气动仿生章鱼操作臂[42]，当内部驱动关节充入气体后，操作臂会自行贴合皮球表面，直至稳固抓取。一种基于“多软管嵌套（Hose-In-Hose）”概念的连续体操作臂[43]，同样采用气动方式驱动，进行了类似的抓取试验。一种采用柔性管状材料的连续体手术工具[44]，利用自身的柔性，该手术工具可被动地适应人体自然腔道形状，在进给力的推动下，无需主动控制其变形即可顺应自然腔道到达病灶处进行手术操作。
相较于刚性灵巧手臂复杂的机械设计和对阻抗控制的依赖，柔性灵巧手臂仅仅利用自身机械特性即实现了更多的自由度、最佳的抓取接触面积和更安全的人机交互性。
具有多个关节的柔性欠驱动灵巧手臂[45]，每个关节采用类似韧带的结构设计，当碰到刚性物体时，它能够被动地改变自身形态，极大地提高了与环境接触时的安全性。
一种纯软体手[46]，手指和手掌均由软体驱动器组成，纯软体手能够不依靠控制器即实现自适应包络抓取物体。
类似地，柔性夹持器无需传感器介入测量接触力或对目标进行外形评估，利用自身柔性即可实现对复杂外形或易损物体的拾取。包含多个基本驱动单元的柔性夹持器[47]，能够夹持鸡蛋等不规则物体。
某气动夹持器能在一定范围内自适应地对不同大小的目标物体快速抓取和释放[48]，这将大大提高生产线的分拣效率，类似夹持器还被应用于水下生物采集机器人的操作臂前端中[49]。
使用“阻塞干扰（barrage jamming）”技术的新型柔性夹持器[50]，不需要任何智能控制算法或图像识别技术即可完成对不规则物体的拾取。它主要由一团密封包裹的颗粒材料构成，常压状态下，当其压在目标物体上时，内部颗粒会围绕目标物体流动，在重力的作用下自动符合目标的几何外形，此时对其抽真空，颗粒材料迅速挤压和固定物体，即所谓刚柔转换，从而实现了对目标物体的抓取和握持。
1.2.1.2 机械智能的典型实例
许多机器人系统能够利用机械智能自主地执行既定任务动作、调整运动姿态及生成物理逻辑控制[51-54]等。
（1）扑翼机器人
利用机械反馈实现升力平衡的毫米级扑翼机器人[55]，参考了汽车差速器的设计思想，其核心是两自由度传动机构。它能够平衡扑翼两侧的输出力矩，当机器人一侧下降时，该侧的扑翼幅度会变大，因此提供更大的升力，直至机器人两侧平衡。
（2）蛇形救援机器人
生物蛇的生理构造与象鼻、章鱼、鱿鱼触角类似，身体由多段关节构成，可以适应各种环境。该类仿生机器人具有机构自由度数目多、运动灵活的优点，从仿生角度出发，这类机器人多模仿具有柔软躯干的生物体[56，57]。
蛇形救援机器人能够根据外界环境变化进行自主避障，其避障轮安装在关节式机器人的头部，遇到障碍物时，能够利用轮和障碍物之间的滚动摩擦，使头部避开障碍物[58]。此外，其身体内部存在金属线连接各个关节，由于形成闭环的金属线总长度不变，因此各个关节存在耦合关系，当身体遇到障碍物后，外力作用下会使该侧向内凹陷，随即机器人整体呈弯曲形态，从而保证后侧的关节也不会碰到障碍物。
（3）纯软体仿生章鱼机器人
包括能源系统和控制系统在内的纯软体仿生章鱼机器人，无需任何电子元器件，其动力由自身所携带的化学燃料催化分解提供[59]。通过内部两路气体反应，实现对侧阀门互锁，自主调节体内气体的流动方向，以一种纯物理方式的微流逻辑（Microfluidic logic）进行自主控制，实现两组触须的交替运动。其机械智能不仅体现在软体结构与环境的交互上，更体现在使用机械的方法进行逻辑控制方面。
1.2.2 机械智能中的关键问题
机械智能显著特点是结构、材料、传感以及驱动的一体化设计。智能材料既作为组成机器人的本体结构，又能完成一定的功能；既能够感受外界环境的变化，又能驱动机构和机器人运动。这种一体化的设计减少了机器人对传统传感器和驱动器的依赖。
形状记忆合金（SMA）、形状记忆聚合物（SMP）、介电弹性体（DE）和响应水凝胶等智能材料，可以在电、热、光及催化剂等外界激励下发生运动和变形，以此原理设计的机构或机器人驱动器，能够感知外界环境因素变化并做出相应的机械响应[60-64]，也属于智能行为。
采用形状记忆聚合物驱动的折纸机器人，当环境温度升高时，其折痕处的形状记忆聚合物将自行折起至行走状态，而后可通过外部磁场驱动其内部磁铁行走。以凝胶为材料，类似蠕虫运动模式的仿生机器人[65]，可以在溶液中通过内部自振荡化学反应的方式进行直线移动。
机械智能的关键问题主要包括机构综合设计、运动学和动力学、仿生学及控制系统与机械智能等方面。
（1）机构综合设计
机构综合即将连杆机构、凸轮机构、齿轮机构、螺旋机构及间歇运动机构等基本机构进行巧妙组合的过程。机构综合使得构成的机构能感知外界情况并做出响应，这是机构综合设计的重要内容。
例如：小型风力发电机由叶片、发电机、整流罩、尾舵和塔管等组成，通过叶片形状以及被动旋转自由度的设计，叶片能在不依赖于任何传感器和控制器的前提下，保证旋转面始终垂直于风向并尽可能多地从风中获取能量。
机器人中有许多机械智能来自传统机构或机构综合[66]。例如，马车牵引用的机构（图1-3），它是由一根横梁以及其后的铰链构成，可以被动地平衡横梁两端的牵引力，它还可以进一步串联使用，平衡奇数个牵引马车的输出力。汽车上利用被动柔性贴紧挡风玻璃的雨刮器，同样借鉴了这种类似树状生长的结构，保证一个雨刮器上的两个刮板具有相对平衡的压紧力。其他，如离心调速器、液压伺服阀等均可以视为来自传统机构或机构综合的机械智能。
图1-3 马车牵引用的机构
并联机器人（parallel robot）或称为并联操作器（parallel manipulator），是一种基于并联机构构型的机器人。并联机构结构理论主要包括机构的构型综合、尺度综合、自由度计算研究和拓扑结构理论等。并联机构是一个强耦合、高非线性和易时变的系统，传统的控制方式已不能满足并联机器人高控制精度的要求，而具有强鲁棒性的智能控制方式与传统控制相结合的控制策略逐渐成为学者们研究的热点[67]。
机构综合是研究一定数量的构件和运动副可组成多少种机构形式的综合过程，而通过并联机构类型综合可探索创新机构的某些途径，有利于创造和设计出更好的并联机构。并联机构因具有独特的闭环特征，近年来被用于移动机器人的移动机构，利用并联机构平台与支链的相互运动，实现机构的足式（两足或多足）、滚动、蠕动及管道爬行等多种运动模式。20世纪80年代以来，并联机构机器人由于其结构简洁轻量、动态性能好、承载能力高以及应用前景广阔而成为国际上备受关注的研究热点之一，它们可广泛地应用于飞行模拟器、力与力矩传感器、精细操作平台和并联机床等领域。
因此，机构综合设计是实现机械智能最直接但又最具挑战性的手段。
（2）运动学和动力学
运动学和动力学是机器人学的核心内容，其对于机械或机构的影响表现在机械或机构具有机械智能。其“智能”源自刚性机构的机械系统，即智能刚性机构，其动力学特性受自身内部状态及环境交互力变化的影响。智能刚性机构组成机械系统时，能利用机械反馈或特殊的机械结构等对外界环境条件做出响应，并包含逻辑判断、构型切换等复杂行为。对于“智能”源自柔性及欠驱动等“刚-柔-软”的耦合机构，其运动学和动力学特性往往相互联系、相互制约，其结构发生尺寸和形态变化时亦伴随着力学行为的变化。因此，如何在刚体机构中考虑柔性体的影响，即如何在有变形体的机械中进行“刚-柔-软”耦合系统的分析是关键问题。
近年来机器人学及建模朝着智能化的方向发展，出现了模糊动力学模型和智能自适应模型，这些智能方法具有神经网络或／和模糊逻辑的优点。模糊辨识可以使机器人沿期望的轨迹运动，辨识结果更精确；神经网络辨识方法不需要系统的数学模型，可以在线修正动力学参数以适应动态变化的环境，因此这些模型能对动力学系统进行鲁棒自适应控制，且该方法不依赖于具体机器人的动力学特性，也适用于其他非线性动力学系统。
由此，解决柔性体运动学和动力学问题既可以依靠计算机仿真软件[68]，又可以采用数学方法建立复杂的运动学及动力学模型。如基于Udwadia-Kalaba理论的动力学模型[69]，针对连续体机器人提出的基于常曲率假设的一般建模方法[70]等。
机械智能中机器人学涉及的内容很多，但从总的发展趋势来看，随着对机器人精度的要求越来越高，机器人动力学将获得更多的重视与研究。机器人动力学总体将朝着智能化的方向发展，模糊推理、神经网络及进化算法等在机器人建模、辨识和补偿中的应用越来越多，精度更高，鲁棒性更强。
（3）仿生学
仿生学对于机械智能具有重要的意义。经过数千年的进化，自然界中许多生物可以不经过大脑信息处理就能迅速、自主地根据外界环境变化调整自身状态，达到适应环境、提高效率和降低自身能耗的目的[71]。非条件反射是一种比较低级的神经活动，是生物长期进化得来的外界刺激和有机体反应之间固定的神经联系。基于这种思想，从仿生学的角度出发，研究自然界中生物的运动方法和神经控制系统等对挖掘机械智能具有重要意义。
例如，章鱼是一种海洋动物，它具有由中央和外围神经系统构成的层次化、分布式神经控制体系，在执行触手伸展、弯曲及吸附动作时，无需中央神经系统参与，其末端神经元即可进行感知并对肌肉发出指令。
基于仿生学原理的工程微系统越来越受到各国研究学者的高度重视，这种微系统可以进入构造复杂、空间狭小的非结构环境，对于灾后搜救、考古勘探、工业加工、生物医学及水下探险等都有重要的意义。
关节作为机器人运动的直接载体，其性能优劣直接影响机器人的整体运动性能。受刚性结构与刚性驱动制约，传统的刚性关节难以根据外部环境与自身负载变化动态调整关节刚度以减缓外部环境刚性冲击，实现关节能量的积蓄与回收，满足机器人跑、跳等动态行走方式的需求。因此，如何模仿生物关节骨骼、肌群等生理结构，探索生物关节主／被动柔性生成机理，构建刚柔并济的仿生柔性关节，实现关节的仿生柔性，已引发国内外研究机构的广泛关注。
被动行走的机器人，它具有大腿、膝关节、小腿以及弧形足底，将机器人置于斜坡上并给予一定初始动量后，后侧大腿带动小腿向前摆动，直至其与地面接触并继续向前倾，并使得前腿离地，在重力作用下，前腿会产生同样摆动，如此往复可以利用机器人在斜坡上的重力势能自动产生机器人的行走步态。康奈尔大学利用类似的基本原理设计了二维步行机器人和三维步行机器人，并针对此类机器人无法在平地行走的缺点，设计了一种将前后腿交替悬空摆动转换为利用左右侧倾实现左右两条腿交替悬空和摆动的步行机器人。波士顿动力公司生产的仿生机器人“大狗（Bigdog）”[72]中，机器人力传感器、惯性测量单元以及中央计算机等对“大狗”抗干扰能力起到了积极的作用，然而，不能忽略其机械本身实现的底层平衡调节。在“大狗”机器人腿部存在着能够进行缓冲的弹簧，它利用底层的机械反馈和响应辅助计算机进行身体姿态的调节，这种设计方法体现了生物学观点“非条件反射是条件反射的基础和组成部分”。
随着仿生学研究工作的逐步深入，仿生结构设计和控制方法等取得了众多突破性研究成果，已经成功研制了多款仿生样机和产品。然而，仍普遍存在仿生结构控制过于复杂，定位精度与刚度调节技术冲突等诸多问题。
为进一步促进仿生学产品的推广应用，需要在以下方面展开研究：
1）高集成度非线性变刚度仿生柔性结构优化设计 针对仿生结构研究，国内外通常采用在传统的刚性关节结构中串联柔性元件或柔性驱动的方式使关节具备一定的柔性特征。受限于柔性元件和柔性驱动固有刚度特性与柔性元件布置形式，现有柔性结构难以像生物关节一样，能够满足机器人动态运动过程中大范围、非线性、高频响、高精度刚度调节需求，同时现有关节为实现关节刚度的主动调节，往往采用关节驱动与刚度调节分别由集成于关节的两套驱动系统独立驱动的方案，以致关节结构控制过于复杂。因此，研究仿生柔性关节集成优化设计方法，实现关节的简洁轻量化设计与刚度的大范围非线性精确可调，构建高集成度非线性变刚度仿生柔性结构，将是仿生结构研究与设计的重点。
2）基于生物特征的高效智能控制方法 对于仿生结构的柔性控制，国内外学者围绕关节的主／被动柔性控制方式已开展系统深入研究，初步实现了仿生柔性关节的主／被动柔性控制。
3）面向动态行走的主／被动融合控制策略等。
（4）控制系统与机械智能
控制系统是使机械智能按照设定目标完成既定任务的方法和手段。工业机器人控制系统的基本原理是将用户的指令经过一系列的控制和算法处理转化为机器人对应的动作，整个过程包括：人机控制、任务控制和位置控制。其中，人机控制用于将用户命令解析为机器人指令，是运动控制系统与用户之间进行交互和信息交换的接口；任务控制对工业机器人指令进行调度，保证命令执行时系统的状态是可控的；位置控制用于实现轨迹的“密化”，周期性计算和发送伺服电机的目标位置或者速度。
工业机器人控制系统从功能实现角度划分，主要分为管理层、实时层以及硬件层三个层次。其中，管理层主要实现与操作者进行交互、数据的传输以及任务调度；实时层主要完成位置控制，即根据任务控制模块发送的命令，对上层发来命令进行实时运动规划并解析为周期性通信指令；硬件层是主要的执行部件，能够快速准确地执行控制系统发送的指令。
工业机器人的控制系统是典型的多轴实时运动控制系统，也是机器人的核心部分，由它来处理复杂的环境目标等信息，并结合机器人作业要求规划出机器手臂最佳的运动路径，然后通过伺服驱动器来驱动各个关节电机运转，完成机械手的工作过程。
根据传统控制观点，人工智能处于控制系统的顶端，负责全局优化、路径规划等任务，即人工智能控制；基于运动学、动力学和经典控制理论的运动伺服控制处于底端，提供驱动器层面的控制或底层的控制，即机械智能控制。这两类控制器不能直接与环境交互信息，需要通过额外的传感器构成反馈回路。而机械智能的引入为底层的控制提供了新途径，机械智能通过机械本体感知状态变化并做出反应，能在系统末端与环境发生交互作用的局部区域形成快速反馈调节机制。
类比人类的神经控制系统，人工智能和运动伺服控制类似于后天性反射，需要大脑皮层参与并经过一定程度的训练方能形成；而机械智能类似于先天性反射，是一种与生俱来的不需大脑皮层参与的神经活动，具有更快的响应速度。具备了机械智能和人工智能的机器，就如同具备了先天性和后天性反射控制的人类，可以在复杂的非结构化环境中从容应对不同的任务，成为真正的智能机器。
在传统控制流程中，“运动控制”将“任务指令”解析转化为电机等各类驱动器的参考输入信号，经由伺服驱动实现整个“机械系统”的运转。然而，机械控制系统的智能行为可以由传感器和控制器产生，而机械系统可以仅提供结构形态和运动形式。
图1-4给出了一种集机械系统的结构、感知系统和控制为一体的控制系统与机械智能关系。
图1-4 控制系统与机械智能关系
图1-4中包含顶层策略、运动控制、机械系统、传感系统和外界环境等部分。顶层策略可由人类直接指挥或运行预先编排的程序实现，可以将笼统的任务需求（如避障等）具化为可执行的任务指令（如机器人运动路径）并传达给运动控制。为了保证机械系统能按照人们所需的形式运行，传感系统会读取机械系统的运行状态并告知运动控制，运动控制将反馈的信息与任务指令或驱动器参考信号比对后，调整机械系统中驱动器的运动状态，使整个机械系统按照预定要求运行，实现全系统的闭环控制。
随着信息技术的发展，顶层策略可以由计算机自主完成，人工智能就是一种实现方式。在机械系统控制过程中，不论是决策规划层面的人工智能，还是驱动层面的伺服控制，都极大依赖于计算机、电机及传感器等电气元件。
随着被控状态或控制自由度的增加，电气元件数量也相应增加，导致系统尺寸大、重量沉、响应时间慢、电磁兼容和可靠性差等一系列问题。对于一些特殊场合如柔性机构、微小机构和超冗余自由度机构等，为每一个运动自由度配置驱动器和传感器的思路显然无法适用。对此，现代控制和感知技术为传统机械系统自主完成任务提供了可能性。然而，人们往往忽略了机械本身的智能，有时甚至舍近求远地过度增加系统的电气复杂度。通过对传统机构、柔性机构以及机器人中机械智能的分析，人们发现机械智能可以在一定程度上替代传感器和中央控制器的功能，减少底层控制对中央控制器的依赖，从而降低控制系统的尺寸、重量和复杂性，并提高可靠性。
机器人控制系统的开放化、模块化及标准化将进一步促进机械智能的深化和发展。