改变机器人的面貌
机电一体化和符号模型制定技术正在推动机器人领域的创新，从人形机器人到自动驾驶汽车等等。看到照片。
机器人技术在过去十年中有了巨大的进步，应用也越来越令人兴奋。机器人又很酷了，对工程师来说，设计新一代机器人是最令人兴奋的项目之一。前几代人在20世纪60年代将人类送上月球，震惊了世界，而这一代人很快就能让机器人跳得比迈克尔·杰克逊(Michael Jackson)还好。
在过去的几年里，青少年竞赛越来越受欢迎，包括高中的FIRST机器人竞赛(科学和技术的灵感和认可)和青少年的FIRST乐高联赛。如今，工业化世界的每个玩具店都塞满了电脑控制的玩具，这些玩具在20年前还被称为最先进的机器人。古怪的Roomba自动吸尘器作为世界上第一个机器人家庭清洁设备发布。尽管它作为一种有效的真空吸尘器的能力存在争议，但它的引入已经导致了衍生产品的开发，为学习和探索真正的机器人技术提供了可访问的平台。
在这一切之下，是一个全新一代的工程和科学技术，赋予并推动了现代机器人社区的快速创新步伐。最终，曾经是科幻小说的东西似乎在工程界触手可及。
机电一体化的出现
可以说，近几十年来工程界出现的最重要的技术之一是机电一体化，即复杂机械电子系统的计算机控制。一旦工程师们找到了使用计算机芯片实现数字控制的实际方法，世界就有了智能控制非常复杂机器的可行框架。机电一体化这个词是20世纪60年代末由日本工程师在工业机械设计中创造出来的。今天，机电一体化技术广泛应用于一系列行业，包括汽车、航空航天、制造业、电力，当然还有机器人。回顾大约50年的机电一体化历史，人们意识到变革的加速。
像所有其他技术驱动的领域一样，机器人的发展正以指数级的速度发展。然而，与许多技术部门一样，传统技术和工具的有效性也有自然的限制。
例如，在汽车行业，由丰田和建模软件供应商原始设备制造商Maplesoft领导的行业智库控制工厂建模联盟(PMC)的成员正在讨论为下一代汽车建模和设计控制系统的挑战。混合动力电动汽车(HEV)或全电动汽车等复杂应用出现了一些基本障碍，引发了对建模过程的重新思考。HEV的多域特性要求软件工具提供更复杂的技术和更大的灵活性，以正确地集成各个域。随着硬件在环(HIL)仿真作为复杂系统的关键测试步骤的出现，所需模型的运行速度往往跟不上实时时钟速度。因此，工程师被迫在模型中进行主要的近似和简化，许多人认为这违背了高保真建模的目的。
这种趋势在机器人领域也很明显，尽管不像汽车技术的PMC那样正式。在20世纪90年代末，加拿大航天局(CSA)引入了一项新技术，用于增加部署在航天飞机和国际空间站(canarm和Dextre)的机器人操纵器的建模保真度。CSA工程师是第一批开发软件工具来自动化和优化动态模型方程的推导的人。这些操纵器固有的复杂性使得传统的手工推导方程是不可能的。为了完全捕获关键的系统动态，CSA工程师需要开发一种用于实时模拟测试的自动化方程推导和自动生成c代码的技术。他们开发了一个名为Symofros的系统，该系统基于符号计算系统。使用符号计算来完成模型推导、模型简化以及将得到的数学表达式转换为c代码的代数步骤。其结果是大大减少了模型开发时间，提高了模型的保真度，并通过c代码实现了实时的可行速度。这是对现代机器人非常有用的新建模方法的首批重大部署之一。
象征性的模型
在过去的十年中，广泛的工程和研究小组开始探索符号模型制定和自动化代码优化的潜力。一个工业上的例子是AEMK Systems公司最近推出的一款名为DeltaBot的产品，这是一款用于拣放的新型delta式机器人。Deltabot与其他delta型机器人不同的是，它使用电缆而不是传统的刚性链接。这允许更快和更精确的响应，消除反弹，并显著增加有效载荷能力。AEMK的创始人兼总裁Amir Khajepour博士应用符号技术为他的设计开发动态模型。Khajepour发现，通用符号系统使他能够捕捉电缆系统的核心动态，并显著减少原型时间和成本。Khajepour继续使用更新的建模工具探索符号建模技术。
这两个案例研究突出了模拟工具链中的适度调整如何改善结果。这个调整涉及建模过程第一阶段的一个额外步骤:方程推导。在第一次应用的时候，符号技术并不新鲜。与CSA和Deltabot的情况一样，符号工具是成熟的，语言处于足够高的水平，可以使编程任务更加高效。即使有了这些早期的实验，结论也很明确。在模型制定过程中，通过符号计算工具直接在用户级访问模型方程将产生更有效的模型。此外，在后面的阶段继续应用符号技术，包括实时工厂代码生成，也可以解决HIL瓶颈。
从那时起，符号技术的使用迅速发展，许多更流线型的产品开始进入主流工程。使用符号技术的一个例子是MapleSim系统，它是原始通用Maple产品的工程建模后代。除了引入基于组件的物理建模图形用户界面之外，还有其他技术进步。对于多体系统，利用线性图论技术进行了符号表示。线性图理论允许通过数学图表示核心模型拓扑，然后系统地将图元素与描述物理的数学关系关联起来。最后，线性图论技术可以有效地推导出一个紧凑的微分方程集，从而使方程、变量的总数和模型的复杂性最小化。符号框架将图论工具与Modelica语言联系在一起，Modelica语言负责其他物理领域。这些先进的数学算法根植于符号计算，以有用的数学形式快速准确地生成所需的方程。
从长远来看，符号计算可能会成为工具集中一个不可见的部分。用户不需要关心符号技术，因为它们只是内部机制的一部分。这些更有雄心的建模技术使各种各样的新设备成为可能，而这些设备在十年前还只是科幻小说里的东西。
自主车辆
其中一个领域是自动驾驶车辆，如无人驾驶飞行器(UAV)或地面车辆(ugv)。这些太空时代的飞行器能够进行非常复杂的运动，并由机载算法智能引导。虽然像军方这样的独家组织多年来已经拥有这种技术，但现在这些设备可以被更广泛的工程团队用于实验和研究。例如，专注于机电一体化实验研究和教学的Quanser咨询公司最近推出了Qball-X4四旋翼直升机系统。它支持从基本飞行控制到多agent任务场景的一系列实验。Qball是Quanser系列设备中最新的一款，为学习和改进无人机技术提供了一个有效和负担得起的平台。Quanser的工程师多年来一直是符号模型推导的主要支持者，并声称高保真、丰富的数学建模是快速构建高级系统原型的关键。通过有效地使用现有的符号技术，该公司已经能够在建造昂贵的原型之前测试可能的动力学和设计缺陷。Quanser首席技术官兼创始人、机电一体化专家Jacob Apkarian博士表示，Qball是第一个完全使用MapleSim建模的设备，该设备支持公司工作流程中的标准符号模型制定阶段。
类人生物，新的太空竞赛
似乎没有什么比类人机器人更让今天的工程师感到惊讶了。尽管西方工程界通常认为类人机器人古怪且不完全实用，但每个人都承认它们是有趣且具有挑战性的应用。在日本和韩国等国家，类人研究是一项竞争激烈、享有盛誉的工作。许多日本汽车公司维持着一个活跃的、资金充足的人形研究小组。来自本田的著名的ASIMO是该公司人形活动的结果。丰田还与东京早稻田大学著名的高西实验室进行了持续的研究合作。高西实验室已经生产了一系列令人吃惊的未来机器人，包括最著名的人形机器人WABIAN。该实验室的机器人可以演奏乐器，展示面部表情，或者安全地携带一个正常大小的人上下楼梯。
尽管政府和大学官员指出，未来的个人服务机器人是这项研究的强大动力，但推动这项研究的还有另一个目标。德雷克塞尔自动系统实验室(DASL)主任保罗·吴博士说，对日本、韩国和其他国家来说，人形研究和开发(R+D)构成了一场现代“太空竞赛”。这是技术能力和创造力的明显结合。吴博士还指出，这种未来主义工作对激励年轻一代的潜力也非常重要。对于伴随着卢卡斯电影公司长大的几代人来说，这种激励效应可能很强烈。星球大战机器人C-3PO和R2-D2。
当然，类人机器人技术的成就也与建模技术的进步息息相关。与其他机器人领域的研究一样，类人研究同样依赖于多体动力学理论和HIL测试。事实上，符号推导和代码优化已经开始影响类人机器人技术背后的技术和思想。
这是机器人领域非凡的几十年。自20世纪中期以来，智能、有用、强大、友好、偶尔邪恶的机器人的浪漫形象一直是我们流行文化中反复出现的主题。用于制造业应用的柔性自动化机器人出现于20世纪80年代，在一段时间内，机器人的概念有些乏味，而且过于实用。就像计算技术为许多领域打开了新的可能性之门一样，机器人专家现在正凭借令人惊叹的新举措而备受瞩目。更智能的建模技术仍然是这场革命的关键部分，因为减少模型开发时间、提高模型保真度和更快的HIL性能的三重威胁对机器人领域非常重要。
Tom Lee博士是Maplesoft公司应用工程副总裁。
https://dasl.mem.drexel.edu
www.softsim.ca symofros / index . html
瞄准自动驾驶汽车博客
www.globalelove.com/machinecontrol
www.globalelove.com/motors
-由Mark T. Hoske编辑，CFE媒体，控制工程，www.globalelove.com
您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。
