📚 课程目录第4章传感器与执行器

4、传感器与执行器：IMU、关节编码器、力/力矩传感器、液压/电机驱动、弹性驱动器的原理与选型

人形机器人的运动控制与平衡能力，本质上取决于其“感知”与“动作”两大系统的闭环质量。传感器负责将机器人内部状态（关节角度、角速度、加速度）与外部交互状态（地面反力、接触力矩）转化为可计算的数字信号；执行器则负责将控制指令转化为精确的机械运动。本章将深入剖析人形机器人中最核心的五类传感器与四类执行器的物理原理、关键性能指标与工程选型逻辑，帮助学习者在系统设计初期建立正确的硬件选型框架。

4.1 核心传感器原理与关键指标

人形机器人的感知系统需要覆盖本体感知（姿态、关节位置）与交互感知（外力、接触）。IMU、关节编码器与力/力矩传感器构成了运动控制的基础信息源，三者缺一不可。

4.1.1 IMU（惯性测量单元）

核心原理：IMU 集成了三轴加速度计与三轴陀螺仪。加速度计基于 MEMS 电容检测原理，通过测量质量块因加速度产生的位移变化来推算加速度；陀螺仪则利用科里奥利效应，检测振动质量块在旋转时的横向位移。部分高端 IMU 还包含磁力计用于航向修正。

关键选型指标：

零偏稳定性（Bias Stability）：衡量陀螺仪在静止时输出漂移的程度，单位 °/h。人形机器人平衡控制要求优于 10°/h，高端应用需 1°/h 以下。
加速度计噪声密度：单位 μg/√Hz，直接影响姿态解算的平滑度。
量程：陀螺仪需 ±500°/s 以上以应对跌倒等冲击场景；加速度计需 ±8g 以上。
输出频率：至少 1kHz，与关节控制周期匹配。

工程经验：IMU 安装位置应尽量靠近机器人质心（CoM），并采用减震垫隔离高频振动。若安装于足部或头部，需在算法中补偿杆臂效应（lever-arm effect）。

4.1.2 关节编码器

核心原理：编码器将关节旋转角度转换为数字信号。人形机器人关节通常采用双编码器方案：电机端编码器（高分辨率，用于速度环）与输出端编码器（用于位置环，消除减速器间隙影响）。

类型	分辨率	抗污染能力	成本	典型应用
光学编码器	17-23 bit	差（怕油污/灰尘）	高	髋/膝大关节
磁编码器	12-17 bit	优（耐油污）	中	踝/腕小关节
容栅编码器	15-19 bit	优	中高	高精度关节

选型要点：编码器分辨率需与减速比匹配。例如，采用 100:1 谐波减速器时，电机端 17bit 编码器对应输出端约 0.0001° 分辨率，已远超机械精度需求。但需注意编码器数据更新率（通常 10kHz 以上）与通信延迟（SPI 优于串行）。

4.1.3 力/力矩传感器

核心原理：基于应变片电桥原理，将机械形变转化为电阻变化，经放大和 ADC 采样得到力值。人形机器人主要使用两类：

六维力/力矩传感器：安装于脚底或手腕，测量 Fx/Fy/Fz/Mx/My/Mz 六个分量，用于 ZMP 计算与柔顺控制。
关节力矩传感器：集成于关节输出端，直接测量实际输出力矩，用于力控制闭环。

关键指标：灵敏度（mV/V）、串扰（<2%FS）、过载能力（300%FS）、刚度（影响系统带宽）。

风险提示：力传感器是机械结构中相对薄弱的环节。安装时需避免偏心载荷，并设计机械限位保护。实际使用中，温度漂移是主要误差源，需进行温度补偿或定期校准。

4.2 执行器技术对比与选型

执行器决定了机器人的动态性能、能量效率与安全交互特性。当前人形机器人领域主要存在电机驱动、液压驱动与弹性驱动三条技术路线。

4.2.1 电机驱动（BLDC/PMSM + 减速器）

核心原理：无刷直流电机（BLDC）或永磁同步电机（PMSM）产生旋转力矩，经谐波减速器或行星减速器放大扭矩、降低转速。采用 FOC（磁场定向控制）算法实现低转速高扭矩输出。

优势：控制精度高、响应快（带宽可达 50Hz 以上）、维护简单、成本适中。劣势：功率密度相对液压低，高负载时需增大电机体积，导致关节惯量增加。

选型公式：峰值扭矩 T_peak = (J_load + J_motor·N²) · α_max / N，其中 N 为减速比，α_max 为关节最大角加速度。实际选型需预留 1.5-2 倍安全系数。

4.2.2 液压驱动

核心原理：液压泵产生高压油（通常 20-35MPa），通过伺服阀控制液压油流向液压缸或液压马达，推动关节运动。液压系统具有极高的功率密度（可达电机的 5-10 倍），适合爆发力要求极高的场景（如奔跑、跳跃）。

技术难点：液压系统存在非线性（阀口流量特性、油液压缩性）、温度敏感性和漏油风险。控制算法需引入前馈补偿与自适应鲁棒控制（ARC）。

  典型案例：波士顿动力 Atlas 早期版本采用液压驱动，实现后空翻与跑酷动作。其液压系统工作压力 28MPa，单关节峰值功率可达 5kW 以上。但液压系统能量效率较低（约 30-40%），且维护成本高昂，后期 Atlas 已转向电动方案。

4.2.3 弹性驱动器（SEA/PEA）

核心原理：在电机与负载之间串联（SEA）或并联（PEA）弹性元件（弹簧或弹性体）。弹性元件起到缓冲与储能作用，使驱动器表现出天然的柔顺性。

SEA 优势：

降低冲击载荷对减速器的损伤，提高系统可靠性。
通过测量弹簧形变间接获得输出力矩，无需额外力传感器。
实现安全的物理人机交互（碰撞时弹性吸收能量）。

代价：弹性元件引入额外谐振，降低控制带宽（通常 <10Hz），且位置控制精度下降。需设计阻尼补偿算法。

4.3 传感器与执行器的匹配设计

选型不是孤立的，传感器与执行器必须协同设计。以下为工程实践中的关键匹配原则：

带宽匹配：传感器采样率应至少为执行器控制带宽的 10 倍。例如，关节力矩控制带宽 20Hz，则力传感器采样率需 ≥200Hz，编码器更新率需 ≥1kHz。
分辨率匹配：编码器分辨率应使关节最小可分辨角度小于控制精度要求的 1/5。若要求关节定位精度 0.01°，则编码器分辨率需优于 0.002°。
力传感器量程匹配：传感器额定载荷应为最大工况载荷的 1.5-2 倍，避免长期过载导致零漂。
通信同步：所有传感器数据需打上统一时间戳，或采用分布式时钟同步（如 EtherCAT 的 DC 同步），确保控制算法获得同步数据帧。

4.4 实战案例：双足机器人踝关节驱动与感知系统设计

背景与约束：设计一款 40kg 级双足机器人踝关节，要求实现动态行走（步频 2Hz），峰值扭矩 120Nm，力矩控制带宽 ≥15Hz，且需承受落地冲击（峰值力 2000N）。

初始方案与问题：初步选型采用 200W BLDC 电机 + 100:1 谐波减速器，搭配 17bit 磁编码器与关节力矩传感器。实测发现：

力矩控制带宽仅 8Hz，无法满足动态行走需求。
落地冲击导致力矩传感器读数振荡，触发过流保护。

分析过程：

带宽不足原因：电机电感较大（L=0.8mH），FOC 电流环带宽受限；谐波减速器柔性（扭转刚度 1.2×10⁴ Nm/rad）引入谐振峰。
冲击问题原因：传感器量程 200Nm，但冲击瞬间峰值达 180Nm 且伴随高频振荡，超出传感器动态响应范围。

优化措施：

更换低电感电机（L=0.3mH），电流环带宽从 2kHz 提升至 5kHz。
在控制算法中加入陷波滤波器（Notch Filter），抑制 45Hz 机械谐振。
将力矩传感器量程提升至 300Nm，并在机械结构中加入聚氨酯缓冲垫（刚度 5kN/mm）。
编码器升级为 19bit 光学编码器，提升低速平稳性。

结果对比：优化后力矩控制带宽达到 18Hz，落地冲击峰值降至 1200N（缓冲垫吸收 40% 能量），系统稳定性显著提升。代价是关节重量增加 15%，但换来了动态性能的质变。

复盘经验：踝关节作为支撑腿与地面的唯一接触点，其传感器-执行器链路必须整体设计。单纯提升电机功率或传感器精度无法解决系统性问题，需从机械刚度、控制算法、传感器动态范围三个维度协同优化。

4.5 常见误区与选型总结

误区一：盲目追求高分辨率编码器。当减速器背隙或机械柔性占主导时，过高的编码器分辨率只会增加成本与通信负担，对实际控制精度提升有限。

误区二：忽视传感器噪声对控制的影响。高精度力传感器若未做低通滤波，其高频噪声会直接激励机械谐振，导致系统啸叫或失稳。建议在硬件层面加入抗混叠滤波器（截止频率为控制带宽的 2-3 倍）。

误区三：将 SEA 视为万能方案。弹性驱动器虽然提升了安全性，但牺牲了位置精度与带宽。对于需要高精度轨迹跟踪的场合（如工业装配），刚性驱动仍是首选。

选型维度	电机驱动	液压驱动	弹性驱动（SEA）
功率密度	中（0.1-0.5 kW/kg）	高（1-5 kW/kg）	中低
控制带宽	高（20-100Hz）	中（5-20Hz）	低（1-10Hz）
能量效率	高（70-90%）	低（30-40%）	中（60-80%）
柔顺性	需算法实现	需算法实现	天然柔顺
维护成本	低	高（液压油/密封件）	中（弹簧疲劳）
适用场景	双足行走、精细操作	重载爆发、极限运动	人机交互、康复外骨骼

总结：人形机器人传感器与执行器的选型应遵循“需求驱动、系统协同”的原则。首先明确机器人的目标运动性能（速度、加速度、负载），然后反推关节扭矩、速度与带宽需求，最后匹配传感器精度与执行器类型。在实际工程中，IMU 与关节编码器是基础配置，力传感器与弹性驱动器则根据应用场景选择性集成。建议初学者从电机驱动 + 高分辨率编码器 + 关节力矩传感器组合入手，逐步积累控制经验后再探索液压或弹性驱动方案。