第三节 力矩传感器与标定

做机器人控制，尤其是力矩控制，传感器就是我们的眼睛。没有它，你就是在黑暗中摸索。今天咱们聊聊力矩传感器——这东西看着不起眼，但搞不好能让你的机器人从「大力士」变成「莽夫」。

3.1 力矩传感器原理

说白了，力矩传感器就是测量「扭转力」的。你拧螺丝用了多大力，它就能告诉你。

目前主流的有两种：

• 应变片式：贴在弹性体上，受力变形，电阻变化。便宜、成熟，我用得最多。
• 压电式：压电晶体受力产生电荷。响应快，但静态测量不行，会漏电。

我个人习惯用应变片式的。为什么？稳定。我在项目里遇到过压电式传感器，刚上电时数据漂亮，过半小时就开始飘——嗯，温度一上来，电荷就跑了。

3.2 安装方式

安装这事，看着简单，坑却不少。我见过有人直接把传感器拧在法兰上，结果数据全是噪声。

常见的安装方式有三种：

这里有个避坑指南：安装面一定要平整。我曾经因为安装面有0.1mm的毛刺，导致传感器预紧力不均匀，零点漂移了整整5%。后来用千分表打了一圈才找到问题。

3.3 零点漂移与温度补偿

这是最让人头疼的问题。你早上标定好的传感器，到下午数据就变了。为什么？温度变了。

零点漂移的原因：

• 温度变化：金属热胀冷缩，应变片也跟着变
• 机械蠕变：长期受力后，弹性体产生微小塑性变形
• 电路温漂：放大器、ADC 都会受温度影响

怎么解决？温度补偿。常用的方法：

1. 硬件补偿：在传感器内部贴温度传感器，实时修正。高端传感器都这么干。
2. 软件补偿：建立温度-零点偏移模型，查表修正。我常用这个，成本低。
3. 定期归零：让机器人回到固定姿态，重新读取零点。简单粗暴，但有效。

3.4 现场标定流程

标定这事，说难不难，说简单也不简单。关键是流程要对。

我总结了一套「六步标定法」：

1. 预热：上电后等30分钟，让传感器温度稳定。别急着标，数据会飘。
2. 零点采集：无负载状态下，采集1000个数据点，取平均作为零点。
3. 加载已知力矩：用标准砝码或力矩扳手，施加已知力矩值。
4. 数据记录：从0到满量程，分10个点记录传感器输出值。
5. 拟合曲线：用最小二乘法拟合输出-力矩曲线，得到标定系数。
6. 验证：随机选3个点验证，误差超过1%就重新标。

import numpy as np

# 原始数据：传感器输出值 (mV/V) 和 对应力矩 (Nm)
output = np.array([0.0, 0.5, 1.0, 1.5, 2.0, 2.5])
torque = np.array([0.0, 10.0, 20.0, 30.0, 40.0, 50.0])

# 最小二乘法拟合
coeff = np.polyfit(output, torque, 1)
K = coeff[0]  # 标定系数
b = coeff[1]  # 零点偏移

print(f"标定系数 K = {K:.4f} Nm/(mV/V)")
print(f"零点偏移 b = {b:.4f} Nm")

# 验证
test_output = 1.2
predicted_torque = K * test_output + b
print(f"输出 {test_output} mV/V 对应力矩 {predicted_torque:.2f} Nm")

你可能会问：为什么不用更高阶的拟合？我试过，二阶三阶确实能降低拟合误差，但会引入过拟合。说白了，物理上力矩和输出就是线性关系，别搞复杂了。

3.5 知识体系总览

下面这张图，是我自己画的力矩传感器知识框架。你对照着看，心里就有谱了。

这张图把今天讲的内容串起来了。你从原理出发，理解安装的坑，掌握漂移的补偿方法，最后用标定流程收尾。环环相扣，缺一不可。