Entwicklung einer taktilen Fußsohle für einen humanoiden Roboter

Volltext

(1)Lehrstuhl für Angewandte Mechanik Fakultät für Maschinenwesen Technische Universität München. Entwicklung einer taktilen Fußsohle für einen humanoiden Roboter. Wissenschaftliche Arbeit zur Erlangung des Grades. Master of Science (M.Sc.) an der Fakultät für Maschinenwesen der Technischen Universität München. Betreut von. Prof. dr. ir. Daniel J. Rixen, M.Sc. Felix Sygulla, M.Sc. Lehrstuhl für Angewandte Mechanik. Eingereicht von. Holger Hirschmann Admiralbogen 43 80939 München. Eingereicht am. Garching, den 4. Juli 2017.

(2)

(3) Abstract In this master’s thesis a tactile sensing foot sole for the humanoid robot „LoLa“ is developed, designed and evaluated. The tactile sensor uses the transduction principle of piezoresistivity to determine the contact conditions and the applied force distribution on the tactile pixels (taxels). First a pressure model to calculate the pressure distribution on the foot sole is developed and analyzed. Crucial contact parameters like the contact surface area, the center of area and the geometrical moments of inertia are identified by applying image processing methods. For experimental validation all methods are implemented on a realtime platform. The best performing algorithms will be programmed onto a microcontroller. Further an experimental testbed that guarantees reliable and repeatable static and dynamic testing will be designed. The goal is to develop a tactile foot sole that can be integrated in LoLa’s control structure and that contributes to making biped robot walking safer and more efficient.. Zusammenfassung In dieser Masterarbeit wird eine taktile Fußsohle für den humanoiden Roboter „LoLa“ weiterentwickelt. Der taktile Sensor nutzt das Transduktionsprinzip der Piezoresistivität, um die Kontaktbedingungen und die angelegte Kraftverteilung auf den taktilen Pixeln (Taxel) zu bestimmen. Zunächst wird ein Sensormodell zur Berechnung der Druckverteilung auf der Fußsohle vorgeschlagen. Aussagekräftige Kontaktparameter, wie die Kontaktfläche, der Flächenschwerpunkt und die geometrischen Trägheitsmomente werden durch Anwendung von Bildverarbeitungsverfahren identifiziert. Zur experimentellen Absicherung werden alle Methoden auf einer Echtzeitplattform mit Simulink implementiert. Die besten Algorithmen werden anschließend auf einem Mikroprozessor in C umgesetzt. Außerdem wird ein Prüfstand entworfen, mit dem eine zuverlässige und wiederholbare statische und dynamische Absicherung gewährleistet werden kann. Das Ziel ist es, eine taktile Fußsohle zu entwickeln, die in die Systemstruktur von LoLa integriert werden kann und dazu beiträgt, dass der humanoide Roboter Lola sicherer und effizienter läuft..

(4)

(5) Inhaltsverzeichnis 1 Einleitung 1.1 Ziele der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Aufbau der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 1 3 3. 2 Stand der Wissenschaft und Technik 2.1 Taktile Sensoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Taktile Fußsohle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Kontaktklassifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 5 5 8 9. 3 Prüfstand zur experimentellen Evaluierung des taktilen Sensors 3.1 Aufbau des Prüfstandes . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Multiplexerschaltung . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Getriebemotor und Spindel . . . . . . . . . . . . . . . . . . . . . . 3.4 Kraftmessung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5 Motorsteuerung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6 Reglerparametrierung . . . . . . . . . . . . . . . . . . . . . . . . . 3.7 Trajektorien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.8 Validierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. . . . . . . . .. 11 11 12 13 13 14 15 15 16. 4 Aufbau und Modellierung des taktilen Sensors 4.1 Messprinzip des taktilen Sensors . . . . . . . . 4.2 Aufbau und Skalierung des taktilen Sensors . 4.3 Herstellungsprozess des taktilen Sensors . . . 4.4 Modellierung der Taktilität . . . . . . . . . . . 4.4.1 Eigenschaften der Widerstandsmatrix 4.4.2 Widerstand-Pressungsmodell . . . . . 4.4.3 Hysterese des taktilen Sensors . . . . . 4.4.4 Drift des taktilen Sensors . . . . . . . . 4.5 Kalibrierung des taktilen Sensors . . . . . . . 5. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. 19 19 21 22 23 23 25 25 26 27. Kontaktklassifizierung durch Bildverarbeitung 5.1 Taxelkoordinaten und -indizierung . . . . . . . . . . . 5.2 Bild-Vorverarbeitung . . . . . . . . . . . . . . . . . . . . 5.2.1 Filterung . . . . . . . . . . . . . . . . . . . . . . . 5.2.2 Interpolation . . . . . . . . . . . . . . . . . . . . 5.3 Segmentierung zur Ermittlung der Kontaktverteilung 5.3.1 Schwellwertbasierte Segmentierung . . . . . . 5.3.2 Kantenbasierte Segmentierung . . . . . . . . . 5.4 Kontaktflächenerkennung . . . . . . . . . . . . . . . . . 5.4.1 Isolation der Kontaktflächen . . . . . . . . . . . 5.4.2 Extraktion . . . . . . . . . . . . . . . . . . . . . . 5.5 Geometrische Analyse . . . . . . . . . . . . . . . . . . . 5.5.1 Supportpolygon . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . .. 33 33 35 36 38 39 39 40 42 42 43 44 44. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . ..

(6) Inhaltsverzeichnis. 5.5.2 Kontaktflächengeometrie . . . . . . . . . . . . . . . . . . . 5.6 Parameteroptimierung . . . . . . . . . . . . . . . . . . . . . . . . . 5.6.1 Versuchsdaten . . . . . . . . . . . . . . . . . . . . . . . . . . 5.6.2 Reduzierte Bildverarbeitungskette . . . . . . . . . . . . . 5.6.3 Formulierung des Optimierungsproblems . . . . . . . . . 5.6.4 Ergebnisdiskussion der Parameteroptimierung . . . . . . 5.7 Validierung der optimierten Kontaktklassifikation . . . . . . . . 5.7.1 Einzelkontaktexperiment mit kreisförmigem Prüfkörper 5.7.2 Einzelkontaktexperiment mit rechteckigem Prüfkörper 5.7.3 Mehrfachkontaktexperiment . . . . . . . . . . . . . . . . . 5.8 Eignung der Bildverarbeitung zur Analyse von Taxelbildern . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. 46 48 49 51 51 52 57 57 58 60 60. 6 Umsetzung auf Atmel Mikrocontroller 6.1 Hardware zur Widerstandsmessung und Datenverarbeitung . . . . . . . 6.2 Aufbau der Software zur Widerstandsmessung und Datenverarbeitung 6.3 Unterschiede zwischen C- und MATLAB/Simulink-Implementierung . . 6.4 Ergebnisvergleich von C- und MATLAB/Simulink-Implementierung . . 6.4.1 Laufzeitanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4.2 Validierungsexperiment . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. 63 63 64 64 67 67 68. 7 Zusammenfassung und Ausblick 71 7.1 Ergebniszusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 7.2 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 A Schaltplan der Auswerteelektronik. 75. B Zeitverläufe der optimierten Kontaktgeometrieschätzungen aller diskreten Parameterkombinationen 77 Literatur. 99.

(7) Abbildungsverzeichnis 1.1 Der humanoide Roboter „Lola“ [70]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 CAD-Modell von Lolas Fuß mit aktuiertem Zehengelenk und vier Kontaktpads zur Bodendetektion [44]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 2.2 2.3 2.4. Intrinsische, taktile Hülle des CROPS Ernteroboter mit neun Freiheitsgraden [55]. Kapazitives Sensormodul einer taktilen Haut [7]. . . . . . . . . . . . . . . . . . . . . Funktionsweise der Piezoresistivität eines taktilen Sensors [17]. . . . . . . . . . . . Zwei verschiedene Prototypen der piezoresistiven, taktile Haut des DLR [60]. . . .. 1 2. . . . .. 5 6 7 8. 3.1 Aufbau der Prüfstandskonfiguration mit der dSPACE Echtzeitplattform. . . . . . . . . 3.2 Prüfstandskonfiguration mit Mikroprozessorboard zur Messung und Datenverarbeitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Aufbau der Multiplexerschaltung zur Abtastung der Taxelmatrix des taktilen Sensors. 3.4 Kaskadenregelung zur Positionsregelung des Getriebemotors. . . . . . . . . . . . . . . 3.5 Positionsverläufe der sinusförmigen Trajektorie und der dreicksförmige Trajektorie links sowie deren korrespondierende Geschwindigkeitsverläufe rechts mit den Parametern t d = 0.250 s, t̂ = 2 s und p̂ = 30000 counts. . . . . . . . . . . . . . . . . 3.6 Validierung der Kaskadenregelung mit sinusförmiger Trajektorie links und dreiecksförmiger Trajektorie rechts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 11. 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10. 4.11. 4.12 4.13 4.14. Aufbau der taktilen Haut am Lehrstuhl für Angewandte Mechanik. . . . . . . . . . . Messprinzip eines Taxels der taktilen Haut am Lehrstuhl für Angewandte Mechanik. Abtastung der Taxel (1, 1) und (4, 4) mit Multiplexern. . . . . . . . . . . . . . . . . . . Sensorprototypen mit Neopren- und Silikonmantel sowie ohne Schutz [22] . . . . . Schematischer Aufbau der Schichten des taktilen Sensors nach [64], . . . . . . . . . Nähprozessgüte des prototypischen Herstellungsprozess des taktilen Sensors. . . . Unbelastetes Widerstandsfeld der gesamten Sensorfläche der taktilen Fußsohle. . . Zeitverlauf der Widerstände verschiedener Taxel bei langsamer und stetiger Beund Entlastung oben sowie sprunghafter Entlastung unten. . . . . . . . . . . . . . . . Hysterese des Taxels (10, 15) beim Be- und Entlasten links sowie die Differenz zwischen Be- und Entlastungszweig der Hysterese rechts. . . . . . . . . . . . . . . . . Driftmessung des elektrischen Widerstandes vierer verschiedener Taxel über eine Zeitraum von 20 Minuten in linearer Darstellung links und in logarithmischer Darstellung rechts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kraft- und Widerstandsverläufe des Prüfzyklus der Taxel (1, 10) links oben und (3, 20) links unten sowie die Parameteridentifikation mithilfe des Nonlinear-LeastSquares Fittings der Taxel (1, 10) rechts oben und (3, 20) rechts unten. . . . . . . . . Identifizierte Pressungsmodelle der 90 Taxel und das Medianmodell als Ergebnis der Kalibrierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vergleich des Pressungsmodell mit den Ruhewiderständen ohne Pressungsoffset P0 links und mit Pressungsoffset P0 rechts. . . . . . . . . . . . . . . . . . . . . . . . . . . . Vergleich des gemessenen Pressungsverlauf mit dem mithilfe des Medianmodells berechneten Pressungsverlauf der Taxel (9, 5) links und (10, 15) rechts. . . . . . . .. 12 13 14. 16 17 19 19 20 20 21 22 24 25 26. 27. 28 29 30 31.

(8) ABBILDUNGSVERZEICHNIS. 4.15 Pressung-Widerstandskurve des Taxel (15, 5) aufgezeichnet mit Prüfflächen unterschiedlicher Größe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 5.2 Konventionen der Bildkoordinaten zur Anwendung von Bildverarbeitungsalgorithmen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 Bildverabeitungskette mit den implementierten Algorithmen zur Kontaktklassifizierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Phänomene im Taxelbild, die mit der Bild-Vorverarbeitung reduziert werden sollen. 5.4 Funktionsweise eines Medianfilters nach [6] . . . . . . . . . . . . . . . . . . . . . . . . 5.5 Einfluss des Medianfilters auf die Druckverteilung und Bildstörungen mit der ungefilterten Druckverteilung links und der mit einem 3×3-Medianfilter bearbeiteten Druckverteilung rechts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.6 Vergleich verschiedener Interpolationsmethoden zur Erhöhung der Auflösung des Bildes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.7 Vergleich des Thresholdings einer Beispieldruckverteilung mit p th = 15 kPa links und p th = 50 kPa rechts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.8 Prinzip der Verfahren erster Ordnung zur Kantendetektion nach [6] . . . . . . . . . . 5.9 Kanten der Kontaktgeometrie ermittelt mit dem Sobel-Operator für pe = 10 links undpe = 20 rechts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.10 Schematische Darstellung der Regionenmarkierung einer Kontaktverteilung mit 6× 6 Taxel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.11 Vierer und Achter Nachbarschaft bei der Regionenmarkierung eines Taxels nach [6] dargestellt in dunkelblau. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.12 Binäre Kontaktverteilung aus Bild 5.7 links sowie Ergebnisse der Regionenmarkierung dieser Kontaktverteilung rechts. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.13 Rekursionsschritte des Quickhull Algorithmus für eine finite, zweidimensionale Punktmenge nach [52]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.14 Anwendung des Quickhull Algorithmus zur Berechnung des konvexen Hüllpolygons auf eine mit dem Thresholding segmentierte Kontaktverteilung links und auf eine per Kantendetektion segmentierte Kontaktverteilung rechts. . . . . . . . . . . . 5.15 Approximation der Kontaktflächen mit konvexen Hüllpolygons, die mit dem Quickhull Algorithmus berechnet wurden. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.16 Aufbau der mehrschichtigen Optimierung zur Schätzung der Kontaktgeometrie. . . 5.17 Positionen und Form des Prüfkörper bei den Experimenten zur Parameteroptimierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.18 Pressungsverläufe der vier Optimierungsexperimente des Taxels bei (zo,1 , so,1 ) oben links, (zo,2 , so,2 ) oben rechts, (zo,3 , so,3 ) unten rechts und (zo,4 , so,4 ) unten links. . . 5.19 Restkosten der verschiedenen Parameterkombinationen nach der Optimierung. . . 5.20 Vergleich der Zeitverläufe von Soll- und Ist-Geometrieschätzung der besten Optimierungsparameterkombinationen des Thresholdings und der Kantendetektion. . . . 5.21 Zeitverlauf von Soll- und Ist-Flächeninhalt A und der Druckspannung P des Taxels im Flächenschwerpunkt der Optimierungsparameterkombination {M = 1, B = 0, T } oben sowie zwei dazugehörige Kontaktverteilungen an den Zeitpunkten t 1 und t 2 mit der dreieckigen Referenzkontaktfläche in orange unten. . . . . . . . . . . 5.22 Geometrien und Positionen der drei Validierungsversuche. . . . . . . . . . . . . . . . . 5.23 Ergebnisverläufe des Einzelkontaktexperiments mit einem kreisförmigem Prüfkörper in blau und konstanter Kontaktgeometrie in orange. . . . . . . . . . . . . . . . . . 5.24 Ergebnisverläufe der zwei größten Kontaktflächen mit einer großen, rechteckigen Kontaktfläche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.25 Zeitverlauf des Flächeninhalts der rechteckigen und der kreisförmigen Kontaktfläche links sowie die Kontaktverteilung zum Zeitpunkt t = t 3 rechts. . . . . . . . . . .. 33 34 35 37. 37 38 40 40 42 42 43 43 44. 45 47 48 49 50 53 54. 55 57 58 59 60.

(9) ABBILDUNGSVERZEICHNIS. 6.1 Aufbau und verwendete Module des SAM4E Explained Pro Entwicklerboards nach [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 6.2 Approximationsgüte der e-Funktion für verschiedene Rekursionstiefen n im Wertebereich von 5 kΩ bis 60 kΩ nach Gleichung (6.1) zur Verkürzung der Rechenzeit. 65 6.3 Approximation des Supportpolygon mithilfe des Quickhull Algorithmus für verschiedene maximale Rekursionstiefe n. . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 6.4 Laufzeitanalyse der C-Implementierung mit dem Atmel Mikroprozessor ATSAM4E16E. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 6.5 Vergleich der Geometrieapproximation von MATLAB/Simulink-Implementierung und C-Programm bei identischer Lastkurve. . . . . . . . . . . . . . . . . . . . . . . . . . 69 7.1 Vorschlag eines iterativen Verfahrens zur Berechnung der Absolutpressung auf der taktilen Fußsohle. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 B.1 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 1, B = 0, Thresholding: p th = 11.14 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.2 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 3, B = 0, Thresholding: p th = 8.47 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.3 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 1, B = 1, Thresholding: p th = 15.35 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.4 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 3, B = 1, Thresholding: p th = 15.44 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.5 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 1, B = 2, Thresholding: p th = 29.56 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.6 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 3, B = 2, Thresholding: p th = 21.01 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.7 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 1, B = 0, Kantendetektion: kPa pe = 16.08 Ta x el }. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.8 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 3, B = 0, Kantendetektion: kPa pe = 12.87 Ta x el }. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.9 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 1, B = 1, Kantendetektion: kPa pe = 13.74 Ta x el }. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.10 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 3, B = 1, Kantendetektion: kPa pe = 9.33 Ta x el }. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.11 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 1, B = 2, Kantendetektion: kPa pe = 8.88 Ta x el }. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.12 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren Referenzverläufe mit der diskreten Parameterkombination {M = 3, B = 2, Kantendetektion: kPa pe = 5.45 Ta x el }. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . 77. . 78. . 79. . 80. . 81. . 82. . 83. . 84. . 85. . 86. . 87. . 88.

(10) Abbildungsverzeichnis. B.13 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren ReferenzverkPa läufe mit der diskreten Parameterkombination {M = 1, B = 0, Seriell: pe = 2.00 Tax el und p th = 12.04 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.14 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren ReferenzverkPa läufe mit der diskreten Parameterkombination {M = 3, B = 0, Seriell: pe = 2.00 Tax el und p th = 8.93 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.15 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren ReferenzverkPa läufe mit der diskreten Parameterkombination {M = 1, B = 1, Seriell: pe = 2 Tax el und p th = 15.43 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.16 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren ReferenzverkPa läufe mit der diskreten Parameterkombination {M = 3, B = 1, Seriell: pe = 2.00 Tax el und p th = 17.80 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.17 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren ReferenzverkPa läufe mit der diskreten Parameterkombination {M = 1, B = 2, Seriell: pe = 2.00 Tax el und p th = 29.04 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.18 Zeitverläufe der geschätzen Kontaktgeometrieparameter sowie deren ReferenzverkPa läufe mit der diskreten Parameterkombination {M = 3, B = 2, Seriell: pe = 2.00 Tax el und p th = 22.56 kPa}. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 89. 90. 91. 92. 93. 94.

(11) Tabellenverzeichnis 2.1 Etablierte Messprinzipien taktiler, extrinsischer Technologien mit Anwendungsbeispielen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Vergleich verschiedener Sensorkonzepte zum Einsatz als Taktile Haut nach [35] und [72]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 6 8. 3.1 Vergleich Kraftmessgeräte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 3.2 Erreichbare Kraftauflösung bei gegebenem mechanischem Weg. . . . . . . . . . . . . 14 3.3 Reglerparameter der Kaskadenregelung zur Positionsregelung. . . . . . . . . . . . . . 15 4.1 Skalierung des Fußsohlenprototypen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 4.2 Vergleich der untersuchten Kalibrierungsmethoden zur Parametrierung des Pressungsmodells. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 4.3 Identifizierte Parameter des Medianmodells zur Berechnung der anliegenden Pressung aus dem Widerstandskennfeld des taktilen Sensors. . . . . . . . . . . . . . . . . . 29 5.1 Parameter, die zur Optimierung der Kontaktgeometrieschätzung zur Verfügung stehen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 5.2 Geometrische Parameter der Kontaktfläche und -position der Experimente zur Optimierung der Bildverarbeitungsparameter. . . . . . . . . . . . . . . . . . . . . . . . . . 50 5.3 Übersicht über die untersuchten Kombinationen der diskreten Parameter bei der Optimierung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.

(12)

(13) Kapitel 1 Einleitung Verglichen mit fahrenden Systemen erscheinen die Nachteile eines zweibeinigen, humanoiden Roboters zunächst gravierend. Humanoide besitzen einen instabilen Aufbau und benötigen zur Fortbewegung hochkomplexe Planungs- und Regelalgorithmen, die auf teurer Hardware implementiert werden müssen. Die erreichten Fortbewegungsgeschwindigkeiten von Humanoiden bleiben weit hinter den Fortbewegungsgeschwindigkeiten fahrender Systeme zurück. Bei genauerer Betrachtung wird jedoch deutlich, dass Zweibeiner fahrenden Systemen in vielen Situationen, in denen die Bewegungsfreiheit eingeschränkt ist, überlegen sind. Drei Beispiele für solche Szenarien sind das Treppensteigen, das Übersteigen vieler kleiner Hindernisse, die auf dem Boden verteilt sind und das Hinaufsteigen einer Leiter. Diese Aufgaben können nur von hochspezialisierten fahrenden Systemen ausgeführt werden. Ein Humanoide besitzt hingegen grundsätzlich die nötige Ausstattung zur Bewältigung dieser Aufgaben. Ein weiterer Vorteil der zweibeinigen Fortbewegung ist die hohe Bewegungsfreiheit, die Humanoide durch ihren redundanten Aufbau besitzen. Der redundante Aufbau ermöglicht,über Hindernisse hinweg zusteigen oder sich in beengten Umgebungen zurechtzufinden. Der größte Vorteil des humanoiden Roboters ist jedoch, dass er sich aufgrund seines menschenähnlichen Aufbaus in der vom Menschen errichteten Welt fortbewegen kann.. Bild 1.1: Der humanoide Roboter „Lola“ [70].. Um diese theoretischen Vorteile in die Realität umzusetzen, wird am Lehrstuhl für Angewandte Mechanik der Technischen Universität München am menschlichen Laufen geforscht. Das Gehen und Laufen humanoider Roboter ist Forschungsgegenstand des DFG-Projekts „Flexibles und robustes Gehen in unebenem Gelände“ . Dabei ist insbesondere stabiles Laufen in unbekannter und.

(14) 2. 1 Einleitung. dynamischer Umgebung von Interesse. Als Versuchsträger steht dazu der ebenfalls am Institut entwickelte, humanoide Laufroboter Lola zur Verfügung (Bild 1.1). Lola ist 180 cm groß und wiegt ca. 60 kg [44]. Mithilfe der 24 redundant angeordneten, aktuierten Freiheitsgrade und der Leichtbaustruktur erreicht Lola ein hervorragendes dynamisches Verhalten bei gleichzeitig hoher Steifigkeit. Die 24 Freiheitsgrade werden durch Gelenkmodule realisiert, die bürstenlose Servomotoren, Getriebe und Sensorik beinhalten. Weitere inertiale Messtechnik und ein ONBoard-PC sind in Lolas Torso untergebracht. Das Bahnplanungs- und das Regelungssystem ermöglichen dem Roboter eine stabile Laufbewegung. Zusätzlich ist oberhalb des Torsos ein Sichtsystem angebracht. Ein Schlüsselelement zum Beherrschen des Laufens in unbekannter Umgebung ist die Wahrnehmung der Umgebung sowie eine flexible Reaktion auf dynamische Veränderungen. Dazu wurden in [23], [24], [25], [71] und [69] echtzeitfähige Methoden zur Umgebungswahrnehmung, zur Kollisionsvermeidung mit Hindernissen und zur Laufstabilisierung erfolgreich entwickelt und umgesetzt.. Kontaktpads Bild 1.2: CAD-Modell von Lolas Fuß mit aktuiertem Zehengelenk und vier Kontaktpads zur Bodendetektion [44].. Auf einem unebenen Untergrund ist die Kenntnis des Kontaktzustandes zwischen Roboterfuß und Boden für eine erfolgreiche zweibeinige Fortbewegung essentiell. Bild 1.2 zeigt Lolas die Fußgeometrie im CAD. Eine detaillierte Beschreibung des Fußdesigns ist in [44] zu finden. Der Bodenkontakt wird mithilfe eines resistiven Kontaktsensors in jedem Kontaktpad realisiert. Dieses besitzt einem digitalen Signalprozessor (DSP) zur lokalen Digitalisierung und Vorverarbeitung des Kontaktsignals [44]. Jedes der vier Kontaktpads bildet somit einen diskreten Kontaktschalter. Mit den vier Kontaktschaltern pro Fußaufstandsfläche ist es nur möglich festzustellen, ob einen Kontakt vorliegt. Eine Klassifizierung des Kontaktes ist nicht möglich. In unbekanntem, unebenem Gelände kann jedoch nicht garantiert werden, dass die gesamte Fußfläche bei jedem Schritt Bodenkontakt hat. Hat nur eine Teilfläche der Fußsohle Bodenkontakt, so führt dies im schlimmsten Fall zur Instabilität der Laufregelung und zu schweren Schäden am System. Um derartige Systemausfälle zu verhindern, wird im Rahmen dieser Masterarbeit eine flächige Fußsohle entwickelt, die den Kontaktzustand zwischen Roboterfuß und Untergrund genauer klassifizieren kann. Parallel dazu wird in einer weiteren Masterarbeit eine mechanische Überarbeitung des Fußdesigns vorgenommen, sodass die flächige, taktile Fußsohle in den humanoiden Roboter integriert werden kann..

(15) 1.1 Ziele der Arbeit. 1.1. 3. Ziele der Arbeit. Ziel der Masterarbeit ist die Entwicklung und Erprobung eines extrinsischen, taktilen Sensors für Lolas Füße, der zur Klassifizierung sämtlicher Kontakte geeignet ist. Dieses beinhaltet die Weiterentwicklung Sensorkonzepts, den Bau eines Prototypen, ein auf die Fußgröße skaliertes Hardwaredesign sowie Mess- und Auswertungssoftware auf einem Mikroprozessorboard. Die Validierung des Sensordesigns erfolgt experimentell. Statische und dynamische Eigenschaften werden dabei abgesichert.. 1.2. Aufbau der Arbeit. Nach einer umfassenden Literaturrecherche zu takiler Sensorik in der Robotik in Kapitel 2 wird in Kapitel 3 ein Prüfstand zur statischen und dynamischen Evaluierung des taktilen Sensors vorgestellt. In Kapitel 4 wird ein Sensormodell vorgeschlagen, mit dem die Druckverteilung der Fußsohle berechnet werden kann. Dieses Sensormodell wird parametriert. Zur Klassifikation des Kontaktzustands der Fußsohle mit dem Boden werden in Kapitel 5 Bildverarbeitungsalgorithmen evaluiert. Zur Wahl aller Parameter der Bildverarbeitungskette wird eine kontaktgeometrieoptimale Parameterkonfiguration ermittelt. Die Umsetzung der performantesten Parameterkombination erfolgt auf einem Atmel Mikroprozessor und wird in Kapitel 6 beschrieben. Abschließend werden in Kapitel 7 die Ergebnisse dieser Masterarbeit zusammengefasst und ein Ausblick auf weiterführende Fragestellungen gegeben..

(16)

(17) Kapitel 2 Stand der Wissenschaft und Technik In diesem Kapitel wird zunächst der Stand der Wissenschaft und Technik taktiler Technologien diskutiert. Dabei wird insbesondere auf Sensorkonzepte, die zum Einsatz als taktile Roboterfußsohle entwickelt wurden, eingegangen. Anschließend wird das Problem der Objekterkennung und Kontaktklassifizierung näher beleuchtet.. 2.1. Taktile Sensoren. Mit taktilen Sensoren werden physikalische Eigenschaften, Zustände und Events mithilfe des Kontakts zwischen Sensor und Objekt bestimmt [40]. Je nach Sensoraufbau können unterschiedliche Kontakteigenschaften gemessen werden. Beispiele dafür sind neben der Erkennung eines Kontaktes auch die Objektform, die Rauigkeit der Oberfläche, die Temperatur, oder die Härte des Objektes. Taktile Sensoren können in intrinsische und extrinsische Sensoren eingeteilt werden. Ist die Kontaktkraft von Interesse messen extrinsische Sensoren direkt die Druckverteilung auf der Kontaktoberfläche. Intrinsische Sensoren bestimmen die resultierende Kraft indirekt, beispielsweise mithilfe eines Kraft-Momentensensors in einem Robotergelenk. Der resultierende Kraftangriffspunkt und dessen Richtung kann daraufhin auf Basis der bekannten Sensor- bzw. Robotergeometrie berechnet werden. Einen am Lehrstuhl für Angewandte Mechanik entwickelten intrinsischen, taktilen Sensor zeigt Bild 2.1. Dieser wird in erfolgreich [55] zur Bewegungsplanung eines redundanten Ernteroboters mit neun Freiheitsgraden eingesetzt.. q1 q4 q5. q2 q3 Taktile Hülle q6 q8 q7. (a) CROPS-Ernteroboter. q9. (b) Kinematik. Bild 2.1: Intrinsische, taktile Hülle des CROPS Ernteroboter mit neun Freiheitsgraden [55]..

(18) 6. 2 Stand der Wissenschaft und Technik. Die Kontaktfläche kann mit intrinsischen Sensoren nicht ermittelt werden, da eine resultierende Kraft im Gelenk aus unterschiedlichen Druckverteilungen auf der Oberfläche resultieren kann. Für zweibeiniges Laufen ist die Kontaktfläche auf der Fußsohle von besonderer Bedeutung. Intrinsische Sensorkonzepte werden daher in dieser Masterarbeit nicht weiter betrachtet. Extrinsische Sensorkonzepte zur Feststellung und Klassifizierung eines Kontaktes werden seit ca. 1980 intensiv erforscht. Ziel vieler dieser Forschungsvorhaben ist die Entwicklung einer künstlichen Haut, die in robotischen Händen oder als Hülle für einen gesamten Roboter eingesetzt werden kann. Für einen ausführlichen Überblick zu taktilen Technologien für robotische Hände wird auf [72] und [35], verwiesen. Eine allgemeinere Übersicht zu realisierten extrinsischen, taktilen Technologien liefern [40] und [13]. Tabelle 2.1 zeigt eine Auswahl physikalischer Effekte, die sich zum Aufbau einer taktilen Haut eignen, sowie relevante Anwendungsbeispiele. Tabelle 2.1: Etablierte Messprinzipien taktiler, extrinsischer Technologien mit Anwendungsbeispielen.. Messprinzip. Anwendung. kapazitiv. Großflächige Roboterhaut [67] Taktile Bewegungsplanung [31] Modulare Roboterhaut [7]. piezoelektrisch. Endoskopischer Greifer [14] Fingerspitze [12] Resonanzbasiertes Sensorarray [39]. optisch. Fingerspitze [41] [73] [45]. piezoresistiv. DLR Roboterhaut [59, 60, 61, 62] Großflächige Roboterhaut [36] Fußsohle eines Laufroboters [37]. Kapazitive Sensoren nutzen die Kapazitätsänderung eines Kondensators bei der Veränderung des Plattenabstandes, die durch das Aufbringen einer externen Kraft hervorgerufen wurde. Der Kondensator wird aus zwei leitenden Folien aufgebaut, die über ein flexibles Dielektrikum voneinander getrennt sind [11]. Zur Kapazitätsmessung wird pro Taxel eine Messschaltung benötigt. Durch geschickte Anordnung der Kapazitäten können Normal- und Scherkräfte detektiert werden [28]. Verschiedene kapazitive, taktile Sensorkonzepte werden von Pressure Profile Systems (PPS1 ) angeboten.. Bild 2.2: Kapazitives Sensormodul einer taktilen Haut [7]. 1. https://www.pressureprofile.com.

(19) 7. 2.1 Taktile Sensoren. Piezoelektrische Sensoren nutzen den direkten piezoelektrischen Effekt piezoelektrischer Keramiken oder Polymeren zur Detektion von Verformungen [11]. Durch die Verformung des piezoelektrischen Materials werden aufgrund von Verzerrungen des Kristallgitters Elektronen an der Oberfläche frei, die einen Potenzialunterschied und somit auch eine Spannung erzeugen. Durch Messung dieser anliegenden Spannung kann daher umgekehrt auf eine Deformation der Piezokeramik rückgeschlossen werden. Um einen Taxel aufzubauen, muss diese Spannung mithilfe von zwei Elektroden gemessen werden. Träger- und Dämpfungsmaterial vervollständigen den piezoelektrischen, taktilen Sensor. Einen beispielhaften Aufbau zeigt [35]. Aufgrund der nichtlinearen Drift- und Hystereseeffekte eignen sich piezoelektrische Sensoren nur für dynamische Anwendung. Wird das piezoelektrische Material als Oszillator bei seiner Resonanzfrequenz betrieben, ist es möglich, einen Kontakt als Änderung der Resonanzfrequenz festzustellen [39].. Leiter. F. F. F. Widerstand. Optische Sensoren nutzen die Änderung der Lichtstärke, um Deformationen zu detektieren [13]. Mithilfe von etablierter CCD- und Bildverarbeitungstechnologie wird bei bekannter Sensorgeometrie im nicht deformierten Zustand ein Lichtmuster auf der Sensoroberfläche analysiert und nachverfolgt [41]. Eine Deformation der Sensoroberfläche erzeugt eine Veränderung im Lichtmuster, aus dem die Deformation rekonstruiert werden kann. Das in [45] vorgestellte Konzept besteht aus einer optischen Leiterfläche, die auf einer elastischen Hülle befestigt ist. Wirkt eine Kraft auf die optische Leiterfläche wird die Lichtreflexion an der Kontaktstelle gestört, und dort Licht gestreut. Das gestreute Licht wird von einer Kamera detektiert und mithilfe der bekannten Sensorgeometrie zur Kontaktortung verwendet.. Piezoresistor. Leitfähige Platte. Kraft. Bild 2.3: Funktionsweise der Piezoresistivität eines taktilen Sensors [17].. Piezoresistive Sensoren nutzen die Variabilität des elektrischen Widerstandes verschiedener Materialien unter Krafteinwirkung zur Kontaktdetektion [17]. Durch Messung des elektrischen Widerstandes kann direkt auf die anliegende Kraft rückgeschlossen werden. In Kunststoffen kann durch das Zumischen leitfähiger Partikel beim Herstellungsprozess Piezoresistivität erzeugt werden. Beispiele sind piezoresistive Elastomere, Polymere, Schäume, Textilien und Tinte [35]. Im Gegensatz zu Dehnmesstreifen, bei denen der elektrische Widerstand auf der Geometrieänderung unter Last steigt, ist bei piezoresistiven Materialien ein Abfallen des Widerstandes unter Last zu beobachten (Bild 2.3 rechts). Neben der steigenden Leitfähigkeit des Piezoresistors nimmt gleichzeitig auch der Kontaktwiderstand zwischen Elektrode und Piezoresistor bei der Belastung ab, wodurch der resultierende Gesamtwiderstand weiter sinkt (Bild 2.3 links). Piezoresistive Kunststoffe besitzen nichtlineare Hysterese und Driftcharakteristiken. Bild 2.4 zeigt beispielhaft den Prototypen der taktilen Roboterhaut nach [60] bestehend aus einer Matrix piezoresistiver Polymerfäden. Kommerziell verfügbare, taktile Sensoren, die piezoresistiv arbeiten, werden z.B. von den Firmen Tekscan2 , Weissrobotics3 und Interlink4 angeboten. 2. https://www.tekscan.com https://www.weiss-robotics.com 4 https://www.interlinkelectronics.com 3.

(20) 8. 2 Stand der Wissenschaft und Technik. Bild 2.4: Zwei verschiedene Prototypen der piezoresistiven, taktile Haut des DLR [60].. Die Beschreibung weiterer Sensorkonzepte, wie z.B. barometrischer Sensoren, Quantum Tunneleffekt Sensoren, akustischer Sensoren oder multimodaler Sensoren, ist in [35] und [17] zu finden. Tabelle 2.2 fasst allgemeine Vor- und Nachteile der beschriebenen Sensorkonzepte zusammen. Tabelle 2.2: Vergleich verschiedener Sensorkonzepte zum Einsatz als Taktile Haut nach [35] und [72].. Typ. Vorteile. Nachteile. kapazitiv. hohe Sensitivität temperaturunabhängig großflächige Anwendung möglich hohe räumliche Auflösung möglich etablierter Herstellungsprozess geringe Baugröße. parasitäre Kapazitäten elektromagnetische Interferenz komplexe Verkabelung und Verschaltung crosstalk zwischen Taxels. piezoelektrisch. hohe Sensitivität robust und chemisch resistent für dynamische Anwendung geeignet sehr geringe Baugröße und Gewicht. Drift Ladungsverstärker wird benötigt kein statisches Messen möglich nicht spannbar/dehnbar. optisch. einfache Verkabelung kein crosstalk hohe Auflösung möglich keine elektromagnetische Interferenz. hoher Bauraumbedarf hoher Energiebedarf hoher Rechenaufwand ungeeignet für großflächige Anwendung. piezoresistiv. hohe Sensitivität großflächige Anwendung möglich hohe räumliche Auflösung möglich einfaches Messprinzip etablierter Herstellungsprozess Poly-/Elastomer flexibel geringer Rechenaufwand. Nichtlineare Hysterese und Drift Sensitivitätsverlust durch Materialermüdung Sensitivitätsverlust plastische Deformation crosstalk zwischen Taxels temperaturabhängig keine Schubkräfte detektierbar. 2.2. Taktile Fußsohle. Im Gegensatz zur taktilen Haut für robotische Greifer und Hände gibt es in der Literatur nur wenige Beispiele für taktile Fußsohlen bei zweibeinigen Robotern. [37] beschreibt ein rechteckiges, taktiles Fußsohlenkonzept, bei dem die Druckverteilung mithilfe eines Sensorarrays ermittelt wird. Zum Aufbau eines Taxels wird ein piezoresistiver Kunststoff zwischen zwei Elektroden platziert. Insgesamt wurde eine Sensormatrix von 14 × 24 Taxel in einer Schichtdicke von 0.7 mm auf die Fußfläche aufgebracht und mit einer zusätzlichen Dämpfungsschicht aus Neopren versehen. Zusätzlich zur taktilen Fußsohle wurden vier Kraftsensoren.

(21) 2.3 Kontaktklassifikation. 9. zur Ermittlung des Zero Moment Point (ZMP) in den Fußaufbau integriert. Ein im Aufbau identischer Sensor mit 16 × 30 Taxel wurde in [38] zur Bestimmung des ZMP und der Druckverteilung auf der Fußsohle weiterentwickelt. Eine weitere rechteckige, taktile Fußsohle mit 32 × 32 Taxel, wird in [65] vorgestellt. In [33] wurde die rechteckige Fußsohlenform aufgegeben und durch eine antropomorphische Geometrie ersetzt. Ein piezoresitiver Kunststoff sowie ein Array von Elektroden wurden zum Aufbau der Taxel verwendet. Ziel war die Ermittlung der Druckverteilungen beider Fußsohlen auf einem Prüfstand, der die Gewichtsverlagerung eines Zweibeiners simuliert. Die beschriebenen Fußsohlenprototypen zeigen folgende Gemeinsamkeiten: • • • • • • •. piezoresistiver Kunststoff als Messschicht räumliche Auflösung im Bereich 1 − 10 mm flächig kontaktierte Elektroden Multiplexer Verfahren ohne bypass current hohe Taktrate bis zu 1 kHz zweischichtiger Aufbau (Mess- & Schutzschicht) Interesse an Druckverteilung und ZMP nicht nur an Kontaktfläche. Im Folgenden wird auf die Kontaktklassifikation robotischer Hände und anderer Systeme, die eine taktile Haut beinhalten, eingegangen.. 2.3. Kontaktklassifikation. Je nach Anwendungsfall können unterschiedliche Parameter des Kontaktes zwischen dem taktilen Sensor und dem Versuchsobjekt von Interesse sein, die klassifiziert werden sollen. In [57] wird eine Methode zur Klassifizierung der Oberflächenbeschaffenheit mithilfe einer künstlichen Haut vorgestellt. In [56] wird die dreidimensionale Spannungsverteilung auf der Sensorfläche mithilfe der gemessenen, eindimensionalen Druckverteilung eines taktilen Sensor und eines Finite Elementmodells rekonstruiert. Die Krümmung eines Testobjektes wird in [50] bei der kontinuierlichen rotatorischen Manipulation verschiedener Objekte in einer robotischen Hand zur Klassifikation der Objektform herangezogen. Neuronale Netze werden zur Klassifizierung der Objektform in [42] und [49], Supervised Machine Learning in [4] und ein Naive Bayes Classifier in [43] eingesetzt. In [18] werden zweidimensionale, invariante, geometrischen Parameter 10 verschiedener Objekte zur Klassifizierung der Form des Kontaktobjektes verwendet. Die Zuordnung von Kontaktbild und Testobjekt erfolgt mithilfe einer Datenbank der Sollgeometrie der 10 Testobjekte. Alle Verfahren zur Klassifikation der Objektform vergleichen die vom taktilen Sensor gemessene Druckverteilung mit einer Liste an Testobjekten und entscheiden anhand dieser Liste welche Geometrie vorliegt. Folglich können auch nur die Objekte gut klassifiziert werden, die in der Liste enthalten sind. Diese Einschränkung ist für den Einsatz einer taktilen Fußsohle ungünstig, da der Kontakt zwischen Roboterfuß und Boden, verschiedenste Formen annehmen kann. Daher wird in Kapitel 5 ein Verfahren vorgestellt, mit dem der Kontaktzustand des Sensor für beliebe Testobjekte bestimmt werden kann..

(22)

(23) Kapitel 3 Prüfstand zur experimentellen Evaluierung des taktilen Sensors Zur Erprobung des Prototypen der taktilen Haut wird ein Prüfstand aufgebaut mit dem die gesamte Sensorfläche analysiert werden kann. Zusätzlich sollen wiederholbare, statische und dynamische Versuche ermöglicht werden.. 3.1. Aufbau des Prüfstandes. Zur Auswertung des Sensors wird der Prüfstand in zwei Konfigurationen betrieben. Den Aufbau der ersten Konfiguration zeigt Bild 3.1. Positionsregelung. Spindel. Getriebemotor Encoderfeedback. Linearbewegung. Kraftmessgerät. Trajektorie. Motorsteuergerät. Kontaktgeometrie. Kraftmessung. DSpace DS1103 PPC Controller Board. Messrechner. Taktiler Sensor. Widerstandskennfeld. Multiplexerschaltung Adressierung. Bild 3.1: Aufbau der Prüfstandskonfiguration mit der dSPACE Echtzeitplattform.. Der Prüfkopf des Kraftmessgeräts wird über eine elektrisch angetriebene Linearachse in die Sensorfläche gedrückt. Die dabei auftretende Pressung wird gemessen. Die aufgebrachte Pressung ändert das Widerstandskennfelds des Sensor, das mithilfe der Multiplexerschaltung erfasst wird. Pressungs- und Widerstandskennfeld werden daraufhin online vom echtzeitfähigen DS1103 PPC Controllerboard der Firma dSPACE GmbH verarbeitet und vom Messrechner aufgezeichnet. Das dSPACE System arbeitet auf MATLAB/Simulink Basis sowie mit der Experimentiersoftware Control Desk 5.0..

(24) 12. 3 Prüfstand zur experimentellen Evaluierung des taktilen Sensors. Für die Integration in die Systemstruktur von LoLa muss die Messung des Widerstandskennfelds und dessen Auswertung jedoch auf einem Mikroprozessorboard implementiert werden, das auf LoLas Fuß befestigt werden kann. Das dSPACE System ist aufgrund seiner Abmaße und seines Gewichts nicht für die Anbindung an einen mobilen, humanoiden Roboter geeignet. Bild 3.2 zeigt die Prüfstandkonfiguration bei der das DS1103 PPC Controllerboard zur Auswertung des taktilen Sensors durch das Mikroprozessorboard ersetzt wurde. In dieser Konfiguration erfolgt die Messung der Sensordaten und deren Auswertung mithilfe eines Mikroprozessorboards, das mit dem Messrechner über CAN kommuniziert. Die Kraftmessung erfolgt weiterhin über das dSPACE System. Die Bewegungssteuerung der Linearachse bleibt gegenüber der ersten Konfiguration ebenfalls unverändert. Positionsregelung. Spindel. Getriebemotor. Motorsteuergerät. Trajektorie. Encoderfeedback Linearbewegung Kraftmessung. Kraftmessgerät. Messrechner. Taktiler Sensor. Widerstandskennfeld. Multiplexerschaltung. Kontaktgeometrie. Mikroprozessor. CAN-Lesegerät. Dekodierung. Adressierung. Bild 3.2: Prüfstandskonfiguration mit Mikroprozessorboard zur Messung und Datenverarbeitung.. 3.2. Multiplexerschaltung. Zur Abtastung der Taxelmatrix wurde in Zusammenarbeit mit der Elektronikwerkstatt eine analoge Multiplexerschaltung aufgebaut (Bild 3.3). Der Schaltplan der Multiplexerschaltung, der von Georg Mayr erstellt und umgesetzt wurde, ist der Arbeit in Anhang A beigefügt. Diese beinhaltet drei vertikal angeordnete Multiplexerbausteine zur Abtastung der 20 Zeilen und vier horizontal angeordnete Multiplexerbausteine zur Abtastung der 30 Spalten. Die vertikalen Multiplexerbausteine besitzen jeweils acht schaltbare Kanäle. Auf jedem horizontalen Multiplexerbaustein sind zwei Multiplexer mit je vier Kanälen integriert. Mit den vier horizontalen Bausteinen könne daher acht Widerstandswerte einer Zeile gleichzeitig abgetastet werden. Die Ansteuerung der Multiplexer sowie die Verarbeitung der Messdaten werden in den verschiedenen Prüfstandskonfigurationen von der dSPACE-Echtzeitplattform und dem Mikroprozessor durchgeführt..

(25) 13. 3.3 Getriebemotor und Spindel. takiler Sensor vertikale Multiplexer. IOs zur Ansteuerung der Multiplexer. horizontale Multiplexer. Bild 3.3: Aufbau der Multiplexerschaltung zur Abtastung der Taxelmatrix des taktilen Sensors.. 3.3. Getriebemotor und Spindel. Den Kern des Prüfstands bildet eine Kraftmessprüfeinrichtung der Firma Imada Co. ltd., die über eine Kupplung mit dem Antrieb verbunden ist. Um die Linearbewegung der Spindel auszuführen wird ein Gleichstrommotor mit Planetengetriebe und Inkrementalencoder der Firma Maxon Motor AG eingesetzt. Die technischen Daten aller vier Komponenten sind in [48],[46], [47] und [29] zu finden.. 3.4. Kraftmessung. Es ist möglich zwei verschiedene Kraftmessgeräte an der Spindel zu montieren. Tabelle 3.1 zeigt den Messbereich und die Auflösung der beiden am Lehrstuhl verfügbaren Kraftmessgeräte. Tabelle 3.1: Vergleich Kraftmessgeräte. Eigenschaften. Sauter FL 20. Imada DS2-110. Messbereich Auflösung. ± 25 N 0.01 N. ± 500 N 0.1 N. Um unterschiedliche Kraftverläufe einstellen zu können, muss sichergestellt werden, dass der Messaufbau nachgiebig genug ist und die antriebsseitige Encoderauflösung ausreicht um den Messbereich des Kraftmessgeräts auszuschöpfen. Deshalb wurden zwischen dem taktilen Sensor und dem Untergrund zwei Schichten aus Neopren und Karton aufgeklebt. Diese sollen den verfügbaren Weg bis zum Erreichen der Maximalkraft des Kraftmessgeräts erhöhen. Zur Abschätzung der Auflösung wird ein Experiment durchgeführt. Der Messkopf des Kraftmessgeräts wird in die Sensorfläche gedrückt bis eine Kraft von 10 N erreicht ist. Zusätzlich wird der spindelseitig, erreichte Winkel gemessen. Dieser Winkel konnte zu etwa 120 deg ermittelt werden. Die maximale Kraftauflösung Fsp,r es kann mit der Getriebeübersetzung, der Encoderauflösung, dem gemessenen Verfahrweg der Spindel und dem verwendeten Prüfkopf berechnet.

(26) 14. 3 Prüfstand zur experimentellen Evaluierung des taktilen Sensors. werden:. Fsp,r es =. Fsp,ma x rsp 360◦. (3.1). isp ϕsp. Die Versuchsparameter sind in Tabelle 3.2 zusammengefasst. Die erreichbare Kraftauflösung von 4.28 mN ist größer als die Auflösung beider Messgeräte. Der Messaufbau ist daher zur Untersuchung der Taktilen Haut geeignet. Tabelle 3.2: Erreichbare Kraftauflösung bei gegebenem mechanischem Weg.. Parameter. 3.5. Wert. Einheit. Maximalkraft Prüffläche Encoderauflösung Getriebeübersetzung Erreichter Winkel. Fsp,max Asp,r e f rsp isp ϕsp. 10 3.14 500 14 120. N cm2 − − deg. Kraftauflösung. Fsp,r es. 4.28. mN. Motorsteuerung. Im Folgenden wird auf das Regelungskonzept eingegangen. Die Positionsregelung des Motors wird von einem Steuergerät des Typs ’Solo Whistle’ der SimpleIQ Reihe der Firma Elmo Motion Control ausgeführt. Zur Kommunikation mit dem Motor verwendet das Steuergerät die RS232 Schnittstelle. Zur Reglerparametrierung und Motorsteuerung werden die von Elmo Motion Control bereitgestellten Softwarepakete Elmo Application Studio II und Elmo Composer eingesetzt. Die zur Positionsregelung des Motors verwendete Kaskadenregelung zeigt Bild 3.4. Eine detailliertere Beschreibung der Motorregelstrukturen, die auf der Solo Whistle implementiert werden können, sind in [16] zu finden. Soll-Position. PI-Regler. P-Regler -. (Position). -. PI-Regler. (Geschwindigkeit). -. (Strom). DC Motor. Ist-Geschwindigkeit. Geschwindigkeitsbeobachter. Ist-Position. Ist-Strom. Stromsensor. Inkremental Encoder. Bild 3.4: Kaskadenregelung zur Positionsregelung des Getriebemotors..

(27) 15. 3.6 Reglerparametrierung. Zur Evaluierung des Prototypen der taktilen Haut wird die Spindelposition geregelt. Auf ein aufwändigeres Kraftregelungskonzept wird verzichtet, da eine Regelung der Kraft keine zusätzliche Funktionalität bringt und die Kraftschleife über das externe Kraftmessgerät geschlossen werden müsste. Die verrauschte Signalqualität beider Kraftmessgeräte sowie die zusätzlich benötigten Kommunikationswege würde sich negativ auf die Stabilität der Motorregelung auswirken. Die Kraft am Prüfkopf wird daher als Resultierende des Positionsverlauf am Prüfkopf erzeugt.. 3.6. Reglerparametrierung. Die Parametrierung der P- und I-Anteile wird mithilfe des Elmo Composers von ’innen’ nach ’außen’ und unter realen Betriebsbedingungen durchgeführt durchgeführt. Ein Regler der mithilfe des Autotunings parametriert wurde, zeigte instabiles Verhalten. Eine genauere Betrachtung zeigt, dass der Stromregler mit den Werten des Autotunings bereits zufriedenstellend arbeitet. Die Parameter von Geschwindigkeit und Positionsschleife werden deshalb experimentell bestimmt, sodass sich schnelles Folgeverhalten einstellt ohne dass die Strombegrenzung des Motors erreicht wird. Tabelle 3.3 listet die Reglerparameter der Kaskadenregelung auf. Tabelle 3.3: Reglerparameter der Kaskadenregelung zur Positionsregelung.. 3.7. Parameter. P-Anteil. I-Anteil. Stromschleife Geschwindigkeitsschleife Positionsschleife. 0.724 50 20. 3770 10 −. Trajektorien. Um dynamische Versuche durchführen zu können, müssen definierte Bahnen abgefahren werden können. Diese werden dem Steuergerät im "Position-Velocity-Time Mode-(PVT-Mode) [16] übergeben. Im PVT-Mode wird die Trajektorie als eine Liste abzufahrender Positionen, Geschwindigkeiten sowie Zeitpunkte an denen diese Positionen und Geschwindigkeiten erreicht werden sollen, beschrieben. Zwischen den festgelegten Positionen wird mit einem Polynom dritter Ordnung interpoliert. Formel 3.2 beschreibt eine Sinushalbwelle und Formel 3.3 ein Dreiecksprofil. Beide werden über den Zeitpunkt t̂, und den Wert ihres Maximums p̂ vollständig definiert. π psin (t) = p̂ sin t , 0 ≤ t < 2 t̂ 2 t̂ ¨ p̂ t t̂ , 0 ≤ t < t̂ p4 (t) = p̂ 2 p̂ − t t̂ , t̂ ≤ t < 2 t̂. (3.2). (3.3). Insgesamt kann das Steuergerät 64 PVT-Kombinationen abspeichern. Der größtmögliche Zeitabstand zwischen zwei Werten beträgt 255 ms. Die gesamte Trajektorie soll vorab auf das Steuergerät gespeichert, werden. Dadurch wird die maximale Versuchszeit auf 0.255 s × 64 = 16.32 s begrenzt..

(28) 16. 3 Prüfstand zur experimentellen Evaluierung des taktilen Sensors. Für die Zeitschrittweite t d der Trajektoriendiskretisierung muss zusätzlich. td ≥. 2 t̂. (3.4). 64. counts s ]. 40 30 20 10 0. 0. 1. 2 3 Zeit in [s]. 4. Geschw. in [103. Position in [103 counts]. gelten, da ansonsten der PVT-Speicher im Steuergerät nicht ausreicht. Bild 3.5 zeigt Geschwindigkeitsund Positionsverläufe der beiden implementierten Trajektorienarten.. 30 15 0 -15 -30. 0. 1. 2 3 Zeit in [s]. 4. Bild 3.5: Positionsverläufe der sinusförmigen Trajektorie und der dreicksförmige Trajektorie links sowie deren korrespondierende Geschwindigkeitsverläufe rechts mit den Parametern t d = 0.250 s, t̂ = 2 s und p̂ = 30000 counts.. 3.8. Validierung. Bild 3.6 zeigt Soll- und Ist-Motorstrom, -geschwindigkeit und -position für p̂ = 30 × 103 counts und t̂ = 2 s. Generell zeigen alle Verläufe sehr gutes Folgeverhalten, geringes Rauschen und hohe Stabilität. In den Positionsverläufen ist ein geringer Zeitverzug zu beobachten. Dieser resultiert aus der sprunghaften Änderung der Soll-Geschwindigkeit, der die Ist-Geschwindigkeit nicht exakt folgen kann. Auch der Drehrichtungswechsel beim dreiecksförmigen Positionsverlauf ist etwas ausgerundet, was ebenfalls auf die fehlende Sprungfähigkeit der Motorgeschwindigkeit und die kubische Interpolation der einzelnen PVT-Punkte zurückzuführen ist. Bemerkenswert ist außerdem, dass der Motorstrom selbst bei Stillstand des Systems nur sehr langsam gegen Null konvergiert. Dieses Verhalten ist auf die hohe Reibung von Motorgetriebe und Spindel zurückzuführen. Die I-Anteile der Kaskadenregelung erzeugen selbst bei einem Positionsfehler von wenigen Counts einen langsam ansteigenden Motorstrom. Dieser reicht jedoch nicht aus, um die Systemreibung zu überwinden..

(29) 17. 3.8 Validierung. 40 30 20 10 0. 0. 1. 2. 3. 4. Istverlauf Position in [103 counts]. Position in [103 counts]. Sollverlauf 40 30 20 10 0. 0. 1. 30 15 0 -15 -30. 0. 1. 2. 3. 4. 15 0 -15 -30. 0. 1. 2. 3. 4. Zeit in [s] 0.8 Strom in [A]. 0.8 Strom in [A]. 4. 30. Zeit in [s]. 0.4 0 -0.4 -0.8. 3. Zeit in [s] Geschw. in [103 counts s ]. Geschw. in [103 counts s ]. Zeit in [s]. 2. 0. 1. 2. 3. Zeit in [s]. 4. 0.4 0 -0.4 -0.8. 0. 1. 2. 3. 4. Zeit in [s]. Bild 3.6: Validierung der Kaskadenregelung mit sinusförmiger Trajektorie links und dreiecksförmiger Trajektorie rechts..

(30)

(31) Kapitel 4 Aufbau und Modellierung des taktilen Sensors In diesem Kapitel wird auf den Aufbau des taktilen Sensors und auf die Modellierung der Taktilität eingegangen. Anschließend wird ein Verfahren zur Kalibrierung des Sensormodells vorgeschlagen und durchgeführt. Die Ergebnisse der Kalibrierung werden mithilfe von Experimenten validiert.. 4.1. Messprinzip des taktilen Sensors externe Kräfte F. Dämpfungsschicht. Druckverteilung. Messschicht Dämpfungsschicht. Bild 4.1: Aufbau der taktilen Haut am Lehrstuhl für Angewandte Mechanik.. Am Lehrstuhl für Angewandte Mechanik wird ebenfalls eine taktile Roboterhaut entwickelt. Das Sensorkonzept zeigt Bild 4.1. Aufgebaut ist der Sensor aus einer Messschicht zwischen zwei Dämpfungsschichten. Die Messschicht besteht aus Edelstahlfäden, die kreuzweise über und unter eines piezoresistiven Polymers verlaufen. Horizontalen und vertikalen Fäden, bilden an den Kreuzungspunkten über das Polymer einen Taxel als druckempfindlichen, elektrischen Widerstand R. Die Messung dieses Widerstands erfolgt mithilfe der Teilspannung am Taxel Umess sowie eines zum Taxel in Reihe geschalteten Hilfswiderstandes R H , der mit der bekannten Versorgungsspannung U einen Spannungsteiler bildet (Bild 4.2).. RH. Vertikaler Leiter U. Umess. R. Polymer. horizontaler Leiter Bild 4.2: Messprinzip eines Taxels der taktilen Haut am Lehrstuhl für Angewandte Mechanik..

(32) 20. 4 Aufbau und Modellierung des taktilen Sensors. Umess U. =. RH. (4.1). R + RH Umess R= − 1 RH U. (4.2). Jeden Zeitschritt arbeiten vertikale und horizontale Multiplexer alle Taxel nacheinander ab. Aus dem somit auf der gesamten Sensoroberfläche gebildete Widerstandskennfeld, kann mit dem bekannten Materialverhalten des Polymers die Druckverteilung berechnet werden kann. Bild 4.3 zeigt die Abtastung des Taxels in Reihe 1 und Spalte 1 (1, 1) links sowie des Taxels (4, 4) rechts mithilfe eines vertikalen und eines horizontalen Multiplexers.. vertikale Multiplexer. horizontale Multiplexer. horizontale Multiplexer. vertikale Multiplexer. Bild 4.3: Abtastung der Taxel (1, 1) und (4, 4) mit Multiplexern.. Das Polymer erhält seine Leitfähigkeit durch das Zusetzen von Kohlenstoff „Carbon Black“ [27]. Unter Belastung und Verformung werden diese leitfähigen Additive in der elastischen Polymermatrix näher zusammengedrückt, wodurch der elektrische Widerstand sinkt. In dieser Arbeit wird das Polymer „Velostat R “ eingesetzt, das von Custom Materials entwickelt wurde. In einer dieser Masterarbeit vorangegangen Bachelorarbeit wurde dieses Konzept bereits an verschiedenen, kleinen Prototypen untersucht (Bild 4.4). Das Messprinzip sowie der Aufbau der Messschicht wurde bei diesen Prototypen nicht variiert. Als Dämpfungsschicht wurden unterschiedliche Materialien untersucht.. Bild 4.4: Sensorprototypen mit Neopren- und Silikonmantel sowie ohne Schutz [22]. Protypen mit einer Dämpfungsschicht aus Laminat, zeigten keine ausreichenden Dämpfungseigenschaften und zu geringe Flexibilität. Silikon wurde aufgrund seiner guten Dämpfungs- und Schockabsorptionseigenschaften als Dämpfungsmaterial in Betracht gezogen. Zusätzlich wurde eine weitere Zwischenschicht aus Kreppband eingefügt, um zu verhindern, dass beim Herstellungsprozess Silikon zwischen Edelstahlleiter und Polymer gelangt. Die Silikonprototypen zeigten.

(33) 21. 4.2 Aufbau und Skalierung des taktilen Sensors. jedoch aufgrund fertigungsbedingter Unebenheiten der Oberfläche nicht das gewünschte Verhalten. Bei flächiger Druckbelastung wurden zusätzliche Biegespannungen in die Prototypen eingebracht, die die Kontaktmessung verfälschten. Weitere Probleme sind das stark nichtlineare Verhalten des Silikons sowie Lufteinschlüsse im Material. Geeignetere Eigenschaften konnten mit einer Dämpfungsschicht aus Neopren festgestellt werden. Die Neoprenprototypen zeigten ausreichende Dämpfungseigenschaften und Flexibilität. Zur Fixierung der Leiter wurde ebenfalls eine Zwischenschicht aus Kreppband eingebracht und das Neopren auf dieses aufgebracht. Drift, Hysterese und Übertragungsverhalten wurden experimentell untersucht. Zur Modellierung der Piezoresistivität wurden verschiedene Modelle verglichen. Ein Modell der Form P = ae bR + ce dR. (4.3). zeigte dabei die besten Abbildungsgüte, wobei P die Kraft pro Fläche und R der elektrische Widerstand eines Taxels sind. Für Hysterese und Drift konnte aufgrund der eingeschränkten Messvorrichtungen kein gutes Modell identifiziert werden. Eine weitere unerwünschte Eigenschaft, bei der der elektrische Widerstand des Polymers bei geringen Kontaktkräften zunächst steigt, konnte ebenfalls identifiziert werden. Die Ursache wurde im Rahmen der Bachelorarbeit jedoch nicht festgestellt. Eine mögliche Ursache könnte die Veränderung des Kontaktzustandes und -widerstandes von Leitermatrix und Polymer sein.. 4.2. Aufbau und Skalierung des taktilen Sensors. In [64] wird ein weiterer Sensorprototyp mit den in [22] dargestellten Prototypen, verglichen. Bild 4.5 zeigt den schematischen Aufbau dieses Sensorkonzepts. Stoff normaler Faden. leitender Faden. optional Neopren. Polymer. Bild 4.5: Schematischer Aufbau der Schichten des taktilen Sensors nach [64],. Im Gegensatz zu den gewebten Prototypen aus [22] ist die Leitermatrix nicht in das Polymer gewebt, sondern in die Dämpfungsschichten aus Stoff, die das Polymer umgeben, maschinell eingenäht. Die drei Schichten werden über eine weitere Naht am Rand des Sensors zusammengeheftet. Auf eine Verklebung der Leitermatrix und der Polymerschicht kann verzichtet werden. Nach [64] können bei einem Leiterabstand von 1 cm Spannungen ab 0.7 kPa detektiert werden. Gleichzeitig ist der Effekt des ansteigenden Widerstandes bei Beginn der Belastung viel geringer.

(34) 22. 4 Aufbau und Modellierung des taktilen Sensors. ausgeprägt als bei den Prototypen aus [22]. Aufgrund dieser überlegenen Eigenschaften, wird die taktile Fußsohle basierend auf dem genähten Prototyp in dieser Arbeit weiterentwickelt. Der Fuß des humanoiden Roboter besitzt eine Größe von ca. 20 cm × 30 cm. Die endgültige taktile Fußsohle muss daher auch diese Dimensionen besitzen. Für Erprobungszwecke ist es jedoch sinnvoll die Auswertung an einem geometrisch kleinerem Prototypen durchzuführen. Um dennoch die volle Datenmenge vom Sensorprototypen zu erhalten, wird der aufzubauende Prototyp skaliert. Tabelle 4.1 fasst die skalierte Sensorgeometrie zusammen. Tabelle 4.1: Skalierung des Fußsohlenprototypen. 4.3. Anforderung. Lolas Fusssohle. skalierter Prototyp. Geometrie Leiterverteilung Taxelanzahl. ca. 22 cm × 31 cm 20 × 30 600. 10 cm × 15 cm 20 × 30 600. Auflösung. ca. 1.0. Taxel cm. ca. 0.5. Taxel cm. Herstellungsprozess des taktilen Sensors. Das Nähen der Leiterbahnen wurde mit einer Standard Nähmaschine durchgeführt. Bild 4.6 zeigt die dem Polymer zugewandte Seite der Dämpfungsschicht mit aufgenähten Leiterbahnen.. Bild 4.6: Nähprozessgüte des prototypischen Herstellungsprozess des taktilen Sensors.. Der im Rahmen dieser Arbeit verwendete Prototyp is voll funktionsfähig und zur Erprobung der Algorithmen geeignet. Im Folgenden wird jedoch auf einige Optimierungspotenziale eingegangen, die in zukünftigen Iteration des Sensors berücksichtigt werden sollten. Im vergrößerten Ausschnitt in Bild 4.6 wird deutlich, dass die Leiterbahnen nicht exakt parallel verlaufen und auch der senkrechte Abstand zwischen zwei Fäden schwankt. Des Weiteren ist eine ungleichmäßige Stichlänge zu beobachten. Diese Ungenauigkeiten sind auf folgende prozessbedingte Faktoren zurückzuführen: Der Metallfaden muss beim Nähen als Oberfaden verwendet werden, da sich beim Einsatz als Unterfaden stahlwolleartiger Abrieb im Nähmaschinengehäuse bildet, der zum Abreißen des Edelstahlfadens führen kann. Als Oberfaden wird der Metallfaden durch viele verschiedene Metallösen geführt. Die dort auftretende Metall-Metall-Reibung führt häufig zum Verhaken und ruckartigen Lösen des Metallfadens, was die Einstellung eines kontinuierlichen Vorschubs über das Fußpedal signifikant erschwert. Auch die schwankende Stichlänge kann mit der Variation des Vorschubs begründet werden..

(35) 4.4 Modellierung der Taktilität. 23. Um die Kreuzungspunkte beider Fäden innerhalb des Stoffs zu platzieren, muss das Verhältnis der Fadenspannung von Unter- und Oberfadenspannung günstig gewählt werden. Aufgrund der unterschiedlichen Eigenschaften von Baumwoll- und Edelstahlfaden konnte kein optimales Verhältnis von Ober- zu Unterfadenspannung gefunden werden. Der Metallfaden liegt deshalb an den Kreuzungsstellen beider Fäden vollständig auf der dem Polymer zugewandten Seite. Die Folge sind eventuelle Kontaktschwierigkeiten an den Stellen, an denen der Baumwollfaden den Edelstahlfaden umschlingt. Die Naht des Baumwollfadens liegt primär auf der Außenseite des Sensor. Diese ist im Einsatz als Fußsohle hohen Belastungen ausgesetzt. Es besteht daher die Gefahr, dass der Baumwollfaden bei längerem Einsatz am Roboterfuß reißt und somit der Sensor zerstört wird. Den oben beschriebenen Schwächen können mithilfe eines Austausches des Baumwollfadens durch ein reißfesteres Nylongarn sowie durch Schmierung der Metallführungen zur Reduzierung der Metall-Metallreibung im Nähmaschinengehäuse entgegengewirkt werden. Zusätzlich ist es empfehlenswert die Fertigung des Prototypen von Fachpersonal mit modernen, industriellen Nähmaschinen durchführen zu lassen. Beim zusammenheften von Polymer- und Dämpfungsschichten wurde die Naht aus Platzgründen unmittelbar neben den Randtaxelzeilen und -spalten platziert. Spätere Untersuchungen zeigten jedoch, dass diese Baumwollnaht aufgrund der vielen Stiche bereits Druckspannungen in das Polymer einbringt und damit den Wertebereich der nahegelegenen Taxel stark verändert. Dies wirkt sich negativ auf die Sensitivität der betroffenen Taxel aus und erschwert eine einheitliche Modellierung erheblich. Da dieser Effekt bei dem kleineren Prototypen aus [64] nicht festgestellt wurde, ist es daher empfehlenswert zwischen Heftnaht und erster Randtaxelzeile bzw. -spalte einen Mindestabstand von 5 mm − 10 mm zu fordern.. 4.4. Modellierung der Taktilität. Im diesem Abschnitt wird ein Sensormodell aufgebaut. Mit dem Sensormodell soll die Druckverteilung auf der gesamten Sensorfläche ermittelt werden. Zusätzlich werden mit dem Sensormodell unerwünschte Effekte, die im Aufbau und im Herstellungsprozess des Sensor begründet sind, kompensiert. Je nach Wertebereich werden die Pressungseinheiten N /cm2 und kPa verwendet. Zur Umrechnung der beiden Einheiten gilt. 1. 4.4.1. N = 10 kPa cm2. (4.4). Eigenschaften der Widerstandsmatrix. Bild 4.7 zeigt das unbelastete Widerstandsfeld für jeden Taxel auf gesamten Sensorfläche. Die Widerstandswerte der unbelasteten Taxel bewegen sich zwischen 20 kΩ und 320 kΩ. Des Weiteren kann ein unterschiedliches Widerstandsniveau für jede Spalte der Taxelmatrix beobachtet werden. Diese große Spreizung der Widerstandswerte sowie die verschiedenen Widerstandsniveaus der Sensorspalten sind auf die unterschiedlichen Kontaktbedingungen zwischen den Edelstahlfäden und der Polymerschicht zurückzuführen..

(36) 24. 4 Aufbau und Modellierung des taktilen Sensors. 350 kΩ 300 kΩ Taxel-Zeilenindex. 5. 250 kΩ 200 kΩ. 10. 150 kΩ 100 kΩ. 15. 50 kΩ 20 5. 10. 15 20 Taxel-Spaltenindex. 25. 30. 0 kΩ. Bild 4.7: Unbelastetes Widerstandsfeld der gesamten Sensorfläche der taktilen Fußsohle.. Die Widerstandswerte der einzelnen Spalten steigen von den Randtaxel zur Mitte des Sensor hin an. Die sehr geringen Werte am Rand der Sensorfläche sind auf die ungünstig positionierten Heftnähte zurückzuführen. Der Anstieg des gemessenen Widerstandes zur Sensormitte hin ist im zunehmenden Abstand zur Heftnaht begründet. Mit steigendem Abstand der Taxelposition zu den Heftnähten sinkt der Anpressdruck, den die Heftnähte auf die drei Schichten ausübt. Gleichzeitig steigt der Kontaktwiderstand zwischen Edelstahlfaden und Polymer. Weitere quasistatische und dynamische Versuche zur Analyse des Wiederstandkennfeldes wurden mithilfe des in Kapitel 3 vorgestellten Prüfstandes durchgeführt. Bild 4.8 zeigt den Zeitverlauf der Widerstände drei verschiedener Taxel bei quasistatischen und dynamischen Lastwechseln sowie die aufgebrachte Druckspannung. Die in Orange dargestellte, anliegende Druckspannung ist für alle drei abgebildeten Taxel aufgrund des kleinen Prüfkopfes mit einem Flächeninhalt von 3.1 cm2 nahezu identisch. Im oberen Plot wurde eine quasistatische, sinusförmige Lastkurve aufgebracht. Die in blau dargestellten Widerstandsverläufe der drei Taxel zeigen die bereits beschriebenen, unterschiedlichen Widerstandsniveaus im lastfreien Zustand. Mit steigender Belastung sinken alle drei Widerstände erwartungsgemäß auf ähnliche Werte ab. Die Widerstandsabnahme bei Erhöhung der Last ist stark degressiv. Der untere Plot zeigt einen dynamischen Lastwechsel. Dabei wurde der Sensor mit einem Pressungssprung beaufschlagt. Die ebenfalls sprungähnliche Antwort der drei Widerstandsverläufe lässt auf eine sehr schnelle Dynamik schließen. Nach dem Lastwechsel ist ein negativer Drift in den Widerständen zu beobachten. Beide Plots zeigen für die Widerstände im Lastbereich sehr glatte Verläufe und in Bereichen niedriger oder keiner Last eine deutlich höhere Rauschamplitude. Des Weiteren sind unterschiedliche Ruhewiderstandniveaus zwischen den verschiedenen Messungen, dargestellt in Bild 4.7 und Bild 4.8, festzustellen. Die Messungen wurden an unterschiedlichen Tagen im Zeitraum von März bis Juni 2017 durchgeführt. Über diesen Zeitraum ist ein stetige Zunahme der Ruhewiderstände festzustellen. Mögliche Ursachen könnten Unterschiede in der Luftfeuchtigkeit, der Temperatur oder zunehmender Verschleiß sein..

(37) 25. 4.4 Modellierung der Taktilität. Taxel (9, 12). Taxel (10, 13). 8. 160. 6. 120. 4. 80. 2. 40. 0 0. 2. 4. 6. 8. 0 10. Widerstand R in [kΩ]. N Druckspannung P in [ cm 2]. Taxel (7, 11). 8. 800. 6. 600. 4. 400. 2. 200. 0 0. 2. 4. 6. 8. 0 10. Widerstand R in [kΩ]. N Druckspannung P in [ cm 2]. Zeit in [s]. Zeit in [s] Bild 4.8: Zeitverlauf der Widerstände verschiedener Taxel bei langsamer und stetiger Be- und Entlastung oben sowie sprunghafter Entlastung unten.. 4.4.2. Widerstand-Pressungsmodell. Um mithilfe der gemessenen Widerstände R die Druckverteilung P auf der Sensorfläche zu ermitteln wird ein zeitinvariantes, exponentielles Modell der Form P = ae bR + ce dR. (4.5). verwendet. a, b, c und d sind dabei frei wählbare Modellparameter. Die Modellstruktur wurde in [22] und [64] mit kleineren Sensorprototypen mit bis zu 8 × 8 Taxel validiert und erprobt. Spezifische Vorteile der in Gleichung (4.5) dargestellten Modellstruktur für den in dieser Arbeit aufgebauten Prototypen werden im Folgenden dargestellt. Mithilfe des exponentiellen Ansatzes lässt sich das stark degressive Verhalten der Widerstandsverläufe unter Last abbilden und auflösen. Auch der Einfluss unterschiedlicher Ruhewiderstände, die abhängig von der Zeit und der Taxelposition sind, und die größere Rauschamplitude werden verringert, da das Modell große Werte auf Null abbildet. Die in Bild 4.8 dargestellten Sprungantworten zeigen eine sehr schnelle Dynamik, weshalb auf eine explizite Dynamikmodellierung verzichtet werden kann.. 4.4.3. Hysterese des taktilen Sensors. Das taktile Sensorkonzept zeigt eine nichtlineare Hysterese zwischen Be- und Entlastung. Dabei liegt der Belastungspfad der Hysterese immer oberhalb des Entlastungspfades (Bild 4.15). Auf dem Entlastungszweig wird der gleiche Widerstand bei einer niedrigeren Pressung erreicht. Diese Druckspannung erreicht nur 70 % − 80 % Prozent der Pressung des Belastungspfades..

(38) 26. 4 Aufbau und Modellierung des taktilen Sensors. Belastung. Entlastung N Pressungsdifferenz in [ cm 2]. N Druckspannung in [ cm 2]. Messpunkte 40 30 20 10 0 5. 10. 15. 20. 25. Widerstand in [kΩ]. 30. Differenz. 8 6 4 2 0 5. 10. 15. 20. 25. 30. Widerstand in [kΩ]. Bild 4.9: Hysterese des Taxels (10, 15) beim Be- und Entlasten links sowie die Differenz zwischen Be- und Entlastungszweig der Hysterese rechts.. Dieses Verhalten lässt sich mit den viskoelastischen Eigenschaften des Polymeres erklären. Dabei dehnt sich die durch den Belastungszweig komprimierte Polymerschicht des Sensors bei der Entlastung langsamer aus, als sie bei der Belastung komprimiert wurde. Die Folge ist, dass der Abstand der leitenden Kohlenstoffadditive im Polymer bei gleicher Pressung auf dem Entlastungszweig geringer ist, als beim Belasten. Dadurch kann ein niedrigerer elektrischer Widerstand erreicht werden kann. Ein nichtlineares Hysteresemodell zwischen elektrischem Widerstand und anliegender Druckspannung ist für die Bestimmung und Klassifizierung der Kontakte nicht essentiell und zusätzlich numerisch sehr teuer. Daher wird im Rahmen dieser Masterarbeit keine explizite Modellierung der Hysterese durchgeführt. Eine Variante der Hysteresemodellierung mithilfe des Preisach-Modells beschreibt [51], an der sich für das taktile Sensorkonzept orientiert werden kann.. 4.4.4. Drift des taktilen Sensors. Neben der Hysterese ist vor allem im lastfreien Zustand ein negativer Drift der Widerstände zu beobachten. Bild 4.10 zeigt den Drift vier verschiedener Taxel über einen Zeitraum von 20 Minuten seit der letzten Belastung. Wie auch die Hysterese ist der Drift auf auf die Eigenschaften des Polymeres zurückzuführen. In der logarithmischen Darstellung beschreiben die vier Widerstandsverläufe nahezu parallele Geraden. Die Y-Verschiebung ist auf die unterschiedlichen Ruhewiderstände zurückzuführen. Die Parallelität der Verläufe lässt auf ein einheitliches Potenzgesetz für die Driftkoeffizienten aller Taxel schließen. Unter Last ist der Widerstandsdrift nicht sichtbar. Größere Widerstände als die Ruhewiderstände werden durch die exponentielle Struktur des Pressungsmodells auf Null kPa abgebildet. Analog zur Hysteresemodellierung ist eine dynamische Modellierung des Drifts zur Erkennung und Klassifizierung von Kontakten nicht erforderlich. Daher wird auf diese zugunsten der Numerik ebenfalls verzichtet..