机器人技术报告

第1章简介

主从微创手术机器人的控制部分主要由控制台系统、操作臀系统、主操作手、从操作手等构成。手术时外科医师可坐在远离手术台的控制台前，借助三维视觉，双手控制主操作手，手部动作传达到机械臀及手术器械，完成手术操作。这种主从控制的工作方式增加了操作的精确性和平稳性。控制系统结构图如下：

下面是达芬奇Si控制台系统，有计算机硬件及软件，其计算机硬件包括4~5个奔腾处理器，并留有扩展槽以备进一步升级。

下图是达芬奇Si臀系统图，它具有三个固定于可移动基座的机械臂，底座通过线缆和高可靠性航空插头与控制台相连。中心机械臂是持镜臂，负责握持摄像机系统，其余机械臂是持械臂，负责握持特制外科手术器械。每个机械臂具有一系列多位置关节和可旋转的末端关节与套管相连，这样在安装时易于摆位，并保证可达手术要求的运动空间。

第2章主从操作手的构成和运动控制

2.1主操作手的构成和运动控制

主操作手是医生直接操纵的部分，主要由两方面功能，第一是提供整个系统的输入信号，控制从操作手的动作；第二传递力反馈信息，给医生提供手术工具末端的力感受，提高手术的质量。主操作手分为左右两只，对应着医生的左右手。每只主操作手由七个自由度组成，且均为转动关节。

主操作手采用串联结构，具有较大的工作空间和高度的灵活性。主操作手在所有方向上可实现自由独立运动，允许对器械和摄像机进行直观控制。

主操作手是由两套结构相同的关节式操作臂构成，各转动关节配有相对式数字编码器，数字编码器能发出正交的编码脉冲，脉冲的速度与转动速度成正比。位置关节上装有力矩电机，能在系统初始化时提供位置控制，保证系统上电原点，在系统正常运行时切换为电流模式，提供临场力感觉。机器人从操作手各关节采用伺服电机驱动。由于主操作臂和从操作臂在系统设计时为满足末端工具的体积指标，在结构上是异构型映射，故对控制器的数据运算功能提供了较高的要求。

主手从外部接受力信号，经过码盘采集，在主操作臂控制器内进行输入信号滤波，完成主手正运动学模型计算得到主操作臂末端空间位姿，传入从控制器由位置，经速度，电流闭环完成位置控制。力反馈部分在从操作臂上的应变片采集放大得到力信息，综合位置信息共同控制主操作臂的力感觉输出。

针对主从手应用不同，主从手安装的执行器件和传感反馈器件也有差别。直流电机在从操作臂主要提供位置控制功能，在主臂还是力反馈的执行器。多圈电位器是用来测量关节旋转的角度值，相对式码盘是测关节运动的相对值，无励磁刹车是通过机械固联为末端提供稳定的支撑，限位开关有两个作用，能提供系统的初始点并且可以对系统进行保护，在收到电气限位信号时电机应停止该方向的运动执行命令保证机械结构安全。

2.2从操作手的构成和运动控制

从操作手包括被动部分和主动部分。

2.2.1从操作手的被动部分

从操作手的被动部分，主要用于手术前对机器人进行快速定位。从操作臂的整个被动部分由一个调节机器人高度的滑动关节，和5个转动关节组成，共六个自由度。其中滑动关节由交流伺服电机驱动，由专门控制单元实现。转动关节处装配有无励磁刹车和电位器，两者为同轴装配，分别用于锁死关节和提供关节的角度信息。同时为了降低支架对扭矩的要求，在输入轴及无励磁刹车之间加入增速机。

从操作手的被动部分动作原理为：正常状态下，各关节锁死；需要进行调整时，医生通过开关量(按钮)的控制，使被动支架各关节通电，被动部分关节内的无励磁刹车松开，通过手动进行调整；此外，手术机器人的控制器除需要主动环节各关节的位置外，还需要各被动关节的位置量，用以实现立体视觉，因此在各被动关节内都装有电位器来记录各关节的绝对位置信息。

2.2.2从操作手的主动部分

从操作手的主动部分由大臂部分和小臂部分组成。操作系统的大臂部分主要是为了确定手术工具末端的位置。大臂部分由三个自由度组成，分别由控制大臂偏转角度的旋转关节，控制前后伸缩的滑动关节，以及控制上下滑动的关节组成。关节处安装有驱动电机，需要工作于速度模式，以实时跟随主操作手末端的位置。同时在各个关节安装多圈电位器，用于读取初始的大臂各关节角。为了安全考虑，在关节的机械限位处，安装接近开关，防止关节运动超出合理范围。

小臂部分由小手支撑体和小手工具组成。小手部分是直接进入病患体内进行手术工作的实体。它是完成医生手术动作的关键部分，手术中诸如切割，缝合等动作都与其密切相关，直接决定着手术的成败和质量。

小手部分具有四个自由度，分别是腕关节的俯仰，腕关节摇摆，工具末端(如剪子)的摇摆，还有工具末端的开合。四个自由度由四个电机驱动完成整个运动需求。电机和自由度之间存在耦合，需要解耦完成。

第3章主从微创手术机器人双向控制方法

3.1引言

基于对主从机器人控制系统的动力学分析，研究了借助力觉临场感技术实现主从医疗机器人遥操作的控制理论和设计方法。在力和运动的双向控制中采用了新型控制方案，从理论上分析了该方案的可行性，显示了临场感技术在增强人机交互能力方面的优越性。

力临场感技术是交互技术的核心。它一方面将本地操作者的位置和运动信息作为控制指令传递给远地的机器人，另一方面将远地机器人感知到的环境信息以及机器人和环境的相互作用信息实时地反馈给本地操作者，使操作者产生身临其境的感觉，机器人仿佛是操作者肢体在远地的延伸，从而操作者能够真实地感受到机器人和环境地交互状态，正确地决策，有效地控制机器人完成复杂的任务。将力觉临场感技术应用于主从式医疗机器人是目前的研究热点之一，它通过力觉、触觉的实时反馈，使操作者产生身临其境的感觉，从而提高手术的成功率，缩短手术时间。

双向控制是指主手和从手间的运动和力觉信息的交互反馈控制，早期的遥控机器人系统采用双向位置反馈来实现力觉临场感。基于传感器技术的提高，使我们能够采用高性能的腕力传感器实现主从手间的双向力觉反馈，为采用更

先进的控制方法进一步提高遥操作性能提供了基础。

3.2 现有力反馈双向控制方法

力觉临场感操作医疗机器人系统的结构，如图1 所示。它由操作者、主操作手（简称主手）、通讯环节、从操作手（简称从手）和环境构成。操作者的任务和动作指令通过主机械手、通讯环节和机械手作用于环境，而环境对从机械手的作用及环境信息则经过上述环节反向传输到操作者手部。通常采用双向力反馈遥操作系统实现力觉临场感。国内外学者对于各类型的控制方法进行了研究。目前常用的控制方法主要包括：位置伺服型、力反馈型、力反馈伺服型、力－位置综合型等。各种控制方法分别采用主从手两侧位置和力信息的不同组合，构成不同的控制算法，从而实现从手对主手位置的跟随，并对主手驱动机构的力进行控制，实现力觉反馈。研究表明，适当的控制方法可以有效地抑制系统内动力学干扰。

位置伺服型通过主、从手的位置偏差进行力觉传递，不需要力检测装置，结构简单。但是，如果不补偿惯性力和摩擦力，对于自重、摩擦力较大的主手，偏差信号将不精确。因此，不适于重负荷、大功率操作机。

力反馈型将从手上的力/力矩直接反馈给主手，适合于重负荷，大功率场合。但是，当从手自重很大，即使在从手没有负载的情况下，对主手的操作很困难，容易造成操作者疲劳。力反馈伺服型在从手启动的同时，主手也根据自重产生的惯性力矩开始运转。因此，在从手没有负载时，主手感觉不到从手惯性力矩的反作用，主手操作较轻松自如。

力－位置综合型能较好反映从手受力情况，当外负载不变时，反馈力随位置偏差的减小而减小。主手反馈力能反映从手端力的变化。但是，当从手自重很大，存在力反馈型同样的问题。

3.3 新型双向力反馈控制系统的动力学模型

在上述分析的基础上，采用邓乐等提出的一种新的控制方法来设计医疗机器人主从双向控制系统，如图2 所示。该方法主要特征是从手由主、从手之间的力偏差和位置偏差控制，主手由二者的力偏差控制，既保证从手的控制精度，又提高了操作系统的安全性。

下面根据该方法的工作原理，建立双向力反馈系统的动力学模型。

主手的动力学方程和控制策略为：

式中：Fo—操作者施加给主手的操纵力向量；

Fm—主手臂上力传感器所受的力向量；

Fs—从手臂上力传感器所受的力向量；

τm—驱动主手的力向量；

Mm—主手质量矩阵；

Bm—主手阻尼矩阵；

Xm—主手位置向量；

Kf—力增益矩阵。

从手的动力学方程和控制策略为：

式中：Fe—从手与环境之间的作用力向量；τs—驱动从手的力向量；Ms—从手质量矩阵；Bs—从手阻尼矩阵；Xs—从手位置向量；Kv—速度增益矩阵；Kp —位置增益矩阵。

对于环境有：

式中：Me—环境质量矩阵；

Be—环境阻尼矩阵；

Xe—环境位置向量；

Ke—环境刚度矩阵。

对于通讯环节，假设T1 为前向传输时延，T2 为反向时延，则有：

式中：Gx—位置控制器运算函数；

Gf—力控制器运算函数。

对于上述这种控制策略，当从手自由运动时，系统为开环位置控制，当接触病人开始手术操作时，力控制环闭合。考虑主从侧都采用简便有效的PID 控制，当采用积分控制时，相当于在复平面[S]的左半平面加入一个实极点，虽然可以改善力反馈的稳态精度，但降低了系统的稳态裕度，鲁棒性差，对机器人的非线性动力学特性更为敏感，易产生超调和振荡，不利于操作者的临场感。对于比例控制，加大比例增益可以减小稳态误差，改善系统性能，增加系统的带宽，加快系统的响应速度，减小了过渡过程时间，随着比例增益的提高，两条根轨迹将进入［S］平面的正半平面，系统将失稳。因此，选择适当的控制器增益，就是在系统响应性能和稳定性之间的折衷。物体的刚度的变化也对系统的稳定性和性能具有明显的影响，过高的物体刚度也会使系统变得不稳定。微分控制能够预测偏差，产生超前的校正作用，它有助于减少超调，克服振荡，使系统趣于稳定，并能加快系统的动作速度，减少调整时间，从而改善系统的动态性能，但由于存在传感器噪声，微分作用不宜过大。通过以上分析，这里采用PD 控制。

以上从理论上分析了新型主从双向控制方法应用在医疗机器人中的可行性，建立并分析了这种控制方法的动力学模型。通过分析得出控制方法的各个参数、主从手的结构参数以及时延的大小之间存在互相制约的关系。在主手结构已经确定的情况下，通过对PD 控制器参数的合理配置可以获得理想的透明性。

3.4主从手坐标变换

主手的结构与从手相对应，自由度数目和运动耦合方式相同；但是，由于主从手之间运动比率的存在，不能直接通过主手各关节的运动参数信号来控制从手的各个关节的运动量，必须经过坐标变换后才能正确控制。下面根据主从手各关节的对应关系和运动范围来建立这个变换矩阵。主从手的自由度和运动形式相同，所以建立的坐标系也相同。

主手关节参数可表示为

从手关节参数可表示为

式中分别代表从手的3个转动参数；：代表轴向平动参数；

分别代表主手的3个转动参数；：代表轴向平动参数。

通过设定主从手之间运动传动比率，可知主从手之间的传递矩阵

而B=TA，即有

第4章主从微创手术机器人手术时的机械震颤

4.1 震颤的产生

微创外科手术机器人在提高外科手术质量中发挥着举足轻重的作用，对手术操作精度和稳定性要求极其之高。尽管如此，当前对于一些需要操作者手部直接介入的微创外科手术，由于操作者手部存在不等程度的震颤，使得手术过程中操作者的实际输入信息与期望输入信息存在一定的偏差，降低了手术的精度，影响了手术的质量。

相关研究表明震颤受多方面因素的影响(例如：操作环境、身体状况以及人类神经系统等)，并具有非线性、随机性、时变等复杂特征，因此难以用数学模型精确地将其刻画。尽管如此，震颤表现出的特征存在一定的共性(例如：生理震颤的振荡幅度较小，抖动频率主要集中在8Hz～12Hz频段)，因此为研究震颤指明了方向。震颤作为一种叠加在期望力矩上的随机的类周期摄动，给具有高标准要求的微创外科手术带来了不容忽略的影响。对于以五官科微创手术为代表的多自由度主从式微创手术机器人，震颤所带来的影响将随自由度数目的增加而扩大，因为自由度数目的增加使得操作臂的工作空间变大，从而增大了震颤敏感度。另外，对于以内窥镜微创手术为代表的主从异构型微创手术机器人，主从操作臂结构间的异构导致机器人系统的运动学和动力学特征变得更加复杂，从而使得震颤特征在主从操作臂位姿转换时得以放大或扭曲，因此更加难以描述和控制震颤，微创手术的质量也更难以保证。

4.2 除震颤的措施

首先，低通滤波法可以使震颤信号得到抑制，但其有效性是建立在使用一个固定的频率阀值对震颤信号和手术信号加以区分，这在一定程度上造成手术信息的丢失和震颤信息的保留，以至无法准确地滤除震颤信息。该方法简单易于实现，在精度要求不高的情况下可以有效地滤除部分震颤信号。

其次，采用三阶AR模型对手部震颤实时建模和预测。该方法适合在小型嵌入式系统中实时处理手部震颤，震颤信号建模与预测的实现是基于DSP数字处理器。震颤滤波的实现是通过过去时刻的震颤信号来预测当前时刻的震颤，并将得到的震颤信号取反与当前时刻实际手部输出信号相叠加，其输出信号即为当前时刻经滤波处理后的手部操作信号。采用AR模型描述震颤行为的优点为：便捷的模式识别性能；AR频谱有着更好的频率分辨率；便于实现(尤其对于存储空间有限、计算机复杂度不高的小型嵌入式系统)。但其不足之处在于将震颤信号简化为一种线性高斯随机过程，弱化了震颤信号的特征，无法表征微创外科手术中的真实颤抖。

当前所提出的震颤抑制方案多数是采用低通滤波或带通滤波的方式来滤除震颤信号。这种滤波方法操作简便易于实现，但也存在其固有的缺陷：a．对震

颤的滤波不精确。在滤波过程中会将部分有用的信号误认为震颤信号滤除，而将部分震颤信号误认为有用信号保留。b．实时性能不满足。低通滤波器本身具有的滞后性不可避免地会影响到信号的实时处理，尤其在高可靠性、高精度要求的微创手术中很难保证手术的质量。为此震颤滤波器的设计必须要能够根据震颤信号的频率变化自适应地改变滤波器的阀值，而基于权值的线性傅里叶均衡器(WFLC)很好地解决了这个问题。WFLC是从频率、幅值和相位这三个方面对震颤信号进行建模和滤波，该方法中的滤波阀值根据震颤信号的频率自适应地调整，从而更为精确地跟踪震颤信号，达到比较好的滤波效果。AR模型是针对一种能够适用于小型嵌入式系统中的震颤滤波，这种方法可以很好地对震颤信号进行建模和预测，简单且易于实现。但WFLC和AR模型这两种方法都未能对震颤信号在频域和时域同时进行分析，这对于更为精确地认识震颤信号至关重要。另外，手术操作者的手术经验对于手术的成败也是很重要，在当前所提出的方法中还未曾出现将手术操作者的手术经验融入进微创手术中，为此这也是很值得研究的一个方向。

参考文献

[1]Balllantyne G H,Jacques Premer of robotic and telerobotic surgery, 2004

[2]Paolo Dario，Eugenio Guglielmelli，Robotic for Medical Applications，IEEE Robotics and Automation Magazine,1996

[3]邓乐，赵丁选. 一种新的力觉临场感遥操作机器人系统的控制方法［J］. 机电工程，2005

[4]刘治，吴启航，章云．主从式微创手术机器人系统的自适应滤波装置．中国:2010

[5]Zhi Liu，Qihang Wu and Yun Zhang．“LS—SVM Based Self-learning Tremor Controller for Microsurgery”，International Workshop on Computer Science for Environmental Engineering and Ecolnformatic．2011，Harbin，China

[6] Matsuhir a N , Asakura M , Bamba H . Manoeuv rability of a

master- slave manipulator with different configurations and its evaluation tests [J] . Advanced Robotics,1994, 8(2) : 185-203.