EI-传感执行器

测量，Sensors，Actuators，定位

传感与测量

1. Common physical quantities measured (常见的物理测量量)

在机器人的世界里，物理量主要分为两大派系：

• 运动学量 (Kinematics)：描述“运动本身”，不管是什么力造成了这个运动。

  • 位置/位移 ($x$ 或 $\theta$)：机器人在空间中的绝对坐标或关节角度。
  • 速度 ($v$ 或 $\omega$)：位置随时间的变化率（一阶导数，即 $v = \frac{dx}{dt}$）。
  • 加速度 ($a$ 或 $\alpha$)：速度随时间的变化率（二阶导数，即 $a = \frac{d^2x}{dt^2}$）。

• 动力学量 (Dynamics)：描述“导致运动的力”。

  • 力 ($F$)：直线推拉的力气，理论基础是牛顿第二定律 $F = ma$。
  • 扭矩/转矩 ($\tau$)：让物体旋转的力气（比如拧瓶盖），公式是 $\tau = r \times F$（力臂乘以力）或 $\tau = I\alpha$（转动惯量乘以角加速度）。

2. Measurement techniques in mechanics (力学测量技术：应变理论)

机器人的力觉传感器（比如指尖的触觉、关节里的力矩传感器）核心理论建立在压阻效应 (Piezoresistive Effect) 之上。

• 核心理论：导体或半导体的电阻 $R$ 取决于它的长度 $L$、横截面积 $A$ 和电阻率 $\rho$，公式为：

  $$R = \rho \frac{L}{A}$$

  当机器人的金属部件受力变形（即使变形量只有肉眼看不见的微米级），贴在上面的应变片会被拉长。拉长后，$L$ 变大，$A$ 变小，这就导致电阻 $R$ 变大。

• 工程难题与解决思路：这种电阻变化极小（通常只有千分之几欧姆）。为了精确测出这个微小变化，工程师使用了惠斯通电桥 (Wheatstone Bridge) 理论。通过将四个电阻组成一个菱形桥式电路，可以把极微小的“电阻变化”按比例放大成可以被单片机读取的“电压变化”。

3. The concept of indirect measurement (间接测量的概念)

理论本质：基于已知且确定的物理公式（数学映射关系），通过测量容易获取的变量 $Y$，来计算难以直接测量的目标变量 $X$。

• 经典理论应用 1：用电流测扭矩

• 在永磁电机中，输出扭矩 $\tau$ 与流过线圈的电流 $I$ 呈严格的线性正比关系。公式为：

  $$\tau = K_t \cdot I$$

  其中 $K_t$ 是电机的转矩常数。因此，机器人不需要安装昂贵的扭矩传感器，只需在电路板上串联一个小电阻测量电流，就能精准算出机器人正使出多大的劲。

• 经典理论应用 2：用加速度算位移 (IMU原理)

• 根据微积分基本定理，对加速度进行两次时间积分，就能得到位移。

  $$s(t) = \iint a(t) , dt^2$$

  机器狗或无人机体内的 IMU（惯性测量单元）就是实时测量加速度，然后通过内部芯片疯狂计算积分，从而在没有 GPS 的室内也能“盲算”出自己移动了多远。

4. Principle of optical encoders (光学编码器理论)

编码器是测量关节转了多少度的核心。光束穿过带有开孔的旋转码盘，打在接收器上形成电信号。

增量式 (Incremental)

• 理论：正交编码 (Quadrature Encoding)
• 它不仅要数“转了多少步”，还得知道是“顺时针”还是“逆时针”。
• 实现方法是在内部放置两个光电传感器，分别输出 A相 和 B相 脉冲波。关键在于，这两路波的相位在物理上被刻意错开 $90^\circ$。
• 逻辑判断：如果 A 相电平先变成高电平，B 相紧随其后，单片机就判断为正转；如果 B 相先高，A 相后高，则判断为反转。

绝对式 (Absolute)

• 理论：空间数字编码

  • 码盘上不再是简单的均匀开孔，而是有一圈又一圈（Track）极其复杂的透光/不透光图案。比如一个 12 位的绝对式编码器，码盘上有 12 圈图案，光打过去，直接输出一个 12 位的二进制数字（如 101100101001）。每一个数字对应唯一的角度，开机瞬间立刻知道绝对位置。

• 格雷码 (Gray Code) 的应用

  • 致命问题：普通的自然二进制在进位时（例如从数字 3 011 变到 4 100），有三位数字同时发生了改变。如果制造有极微小的公差，传 感器读取时可能瞬间产生 111（数字7）或 000（数字0）的错误读数，导致机器臂瞬间抽搐发生危险。
  • 格雷码理论：绝对式编码器广泛使用“格雷码”。它的数学特性是：相邻的两个数值之间，永远只有 1 个二进制位发生翻转（例如从 010 变到 110）。这从物理底层彻底根除了读取时的“多位突变”误差。

传统执行器

1. Fundamentals: Power machines vs. actuators (动力机与执行器的本质区别)

虽然它们都是“让东西动起来”的装置，但设计理念和背后的理论完全不同。

• 理论差异：能量转换目标

  • 动力机 (Power Machines)（如汽车发动机、发电机）：追求的是能量转换的连续性和最大化（功率密度）。理论基础是热力学 （如何把热能最高效地变成机械能）。它们通常一直朝着一个方向高速猛转。
  • 执行器 (Actuators)（如机器人关节电机）：追求的是能量的精确控制（伺服特性）。理论基础是电磁学和动力学。机器人很少需要关节一直转，它需要的是“瞬间爆发力量（高扭矩）”、“随时急刹车”、“精确定位到某一点”。因此，执行器极其看重响应速度和控制精度。

• 能源来源：目前具身智能最完美的能源是电能。因为电流可以通过半导体开关在微秒级（百万分之一秒）内被开启、关闭或反向，这是气动（压缩空气）和液压（液体）无论如何都做不到的响应速度。

2. Electric Motors: DC vs. BLDC (直流电机 vs 无刷直流电机)

所有电机的核心物理理论都是洛伦兹力 (Lorentz Force) 或安培力。当把一根通电导线放在磁场中，它就会受到力的推挤。公式为：

$$F = B \cdot I \cdot L$$

（力 $F$ = 磁场强度 $B$ $\times$ 电流 $I$ $\times$ 导线长度 $L$）。

想要让电机一直转下去，最大的技术难题叫换向 (Commutation)——当线圈转过半圈后，如果不改变电流方向，它就会卡在死胡同里被反向拉扯。必须要在精确的时刻把电流反转。

• DC motors (有刷直流电机)：纯机械换向

  • 原理：在转子（旋转部分）的尾巴上装两个半圆形的铜片（换向器），旁边用两个碳刷紧紧贴着。转子一转，铜片交替接触碳刷，电流方向就 自动物理反转了。
  • 致命缺陷：碳刷一直摩擦，不仅会磨损（需要定期更换），还会产生电火花和巨大的电磁干扰。机器人绝不允许这种不可靠的部件存在。

• BLDC (无刷直流电机)：电子换向理论

  • 理论突破：既然摩擦不好，我们就把结构“反过来”。把产生磁场的永磁体放在中间（转子），把通电的线圈放在外壳上（定子）。外 壳是不动的，所以不需要电刷来导电！
  • 如何换向？ 依靠电调芯片 (ESC) 和霍尔传感器 (Hall Sensor)。霍尔传感器（利用霍尔效应）实时监测中间那块磁铁转到了什么 角度。大脑一旦发现磁铁到了特定位置，立刻通过电子开关（如 MOSFET）改变外壳线圈的电流方向。
  • 总结：BLDC 本质上是在线圈里制造一个不断旋转的“幽灵磁场”，中间的真实磁铁就像一头驴，永远在追赶前面那根胡萝卜（旋转磁场）。没有物理接触，寿命极长，是当前机器人的绝对主力。

3. Stepper motors and Linear motors (步进电机与直线电机)

• Stepper motors (步进电机)：磁阻最小化理论

  • 理论：磁力线总是倾向于走“阻力最小”的路径（就像水往低处流）。
  • 原理：它的转子是一块带有许多细齿的齿轮（通常有50个齿）。外壳周围有一圈电磁铁。当你激活其中一个电磁铁时，转子上的齿就会被强行 吸过去对齐。你按顺序一圈一圈地激活电磁铁，转子就“咔嗒、咔嗒”一步步转动。
  • 特点：它是一种开环系统 (Open-loop)。大脑发了100个脉冲，就假定它走了100步（通常1.8度/步）。如果没有遇到巨大阻力，它定位很准且便宜；但如果阻力太大，它会“失步”（漏掉几步），而大脑完全不知道。

• Linear motors (直线电机)：展开的电磁场

  • 理论：拿一个 BLDC 旋转电机，沿着轴线一刀劈开，然后把它摊平。
  • 优势：传统机器人要把旋转变成直线运动，必须用齿轮、丝杠或皮带。这些机械结构都有摩擦和“间隙（背隙）”。直线电机直接利用洛伦兹力产生直线推力，零接触、零摩擦、零间隙，加速度极其恐怖（常用于光刻机或高端贴片机）。

4. Principle of the Servo motor (伺服电机的终极理论：控制论)

核心概念：伺服电机不是一种电机的物理种类，而是一种“系统工作模式”！ 任何电机只要加上了传感器和智能算法，能实现自我纠错，都可以叫伺服电机。

它的核心理论是控制工程中的闭环控制 (Closed-loop Control)，特别是 PID 控制理论 (Proportional-Integral-Derivative)。

当机器人大脑要求手臂转到 $90^\circ$，但现在停在 $10^\circ$ 时，两者之间就产生了误差 (Error, $e(t)$)：$e = 90 - 10 = 80^\circ$。PID 算法就是用这个误差来计算该给电机通多少电流：

$$u(t) = K_p e(t) + K_i \int_{0}^{t} e(\tau) d\tau + K_d \frac{de(t)}{dt}$$

• P (比例 Proportional) —— 决定力度：误差越大，给的电流（推力）就越大。就像你离终点很远时狂踩油门。但只有 P 的话，快到终点时容易刹不住车，冲过头（Overshoot）。
• D (微分 Derivative) —— 预测未来（阻尼）：它计算误差减小的速度。如果发现朝着目标冲得太快了，D 就会产生一个反向的“阻力”帮你刹车，防止机械臂在目标点附近来回疯狂震荡。
• I (积分 Integral) —— 消除积怨：假设目标是 $90^\circ$，但因为机械臂太重，它停在了 $89.5^\circ$，P 觉得误差太小推不动了。此时 I 会把时间累积起来：“虽然只有 $0.5^\circ$ 的误差，但已经卡在这里 2 秒了！” I 的值会越积越大，最终爆发出一股力量把它硬推到完美的 $90^\circ$。

特种执行器

1. Piezoelectric motors (压电电机)

压电电机常用于需要极其微小、极其精确运动的场景（例如达芬奇手术机器人的微调、手机摄像头对焦）。

• 核心理论：逆压电效应 (Inverse Piezoelectric Effect)

  • 物理原理：在自然界中，有些晶体（比如石英或某些陶瓷）的分子排列非常特殊。如果你给它通上高电压，它的晶格（分子结构）就会被电场 强行拉伸或挤压，产生肉眼看不见的物理变形。
  • 数学表达：它的变形量 $\Delta L$ 与施加的电压 $V$ 成正比：

  $$\Delta L = d \cdot V$$

  （其中 $d$ 是压电常数）。这个变形极其微小，通常在纳米或微米级别。

• 工程奇迹：它是怎么转动起来的？

  • 既然变形这么小，怎么让机械臂动起来呢？科学家利用了“高频微步”理论（也叫尺蠖运动原理）。
  • 想象一条毛毛虫，它每次只能拱起一毫米，但如果它每秒钟拱几万次呢？压电电机就是给晶体通上极高频率（超声波级别）的交流电，让晶体以每秒几万次的频率微小伸缩，通过摩擦力一点一点“推”着转子往前走。因此它的精度极高，且断电自带刹车（因为晶体卡在那里不动了）。

2. Shape Memory Alloys (SMA - 形状记忆合金)

这是一种能像真实人类肌肉一样“收缩”的金属，极其轻巧，特别适合微型仿生昆虫或轻量化机械手。

• 核心理论：固态相变 (Solid-State Phase Transformation)

  • 这不是简单的“热胀冷缩”，而是金属微观晶体结构的彻底变异。
  • 记忆合金（如镍钛合金）有两种形态：
    1. 马氏体 (Martensite)：低温下的状态，很软，像橡皮泥一样可以随便拉长变形。
    2. 奥氏体 (Austenite)：高温下的状态，具有极强的刚性，并且“死死记住”了自己最初的形状。

• 工作机制：焦耳热理论

  • 根据焦耳定律 $Q = I^2Rt$，当我们给被拉长的 SMA 肌肉丝通电时，它会发热。当温度跨越某个临界点（比如 $60^\circ\text{C}$），它内部的晶体瞬间从“马氏体”突变成“奥氏体”，强行收缩回原来的短状态，这个收缩的拉力非常巨大，就能拉动机器人关节。断电冷却后，它又变软，可以被拉长。

3. MEMS (微机电系统)

MEMS 是将机械结构缩小到头发丝直径的十分之一，直接刻在硅芯片上。你手机里的陀螺仪、加速度计（IMU）全都是 MEMS。

• 核心理论 1：尺度效应 (Scaling Laws)

  • 当物体缩小到微米级时，宏观世界的重力变得微不足道，而静电力、表面张力变成了主导力量。MEMS 不用传统的磁铁马达，而是广泛使用静电引力（同性相斥，异性相吸）来驱动微小的机械结构。

• 核心理论 2：平行板电容理论

  • MEMS 加速度计里面有一把极其微小的“梳子”。梳子的一半固定，一半靠极细的硅弹簧悬浮。
  • 根据电容公式：
    $$C = \frac{\varepsilon \cdot A}{d}$$
    （$C$ 是电容，$d$ 是梳齿之间的距离）。当机器人加速时，悬浮的梳子因为惯性被往后甩，梳齿之间的距离 $d$ 发生了极其微小的改变，导致电 容 $C$ 改变。芯片瞬间测出这个电容变化，就能算出机器人的加速度。

定位

机器人有了电机和传感器，大脑该怎么发号施令才能让手丝毫不差地停在目标位置？

核心理论：伺服三环控制理论 (Cascade Control)

• 现代具身智能的关节控制，不是用一个算法瞎管，而是层层嵌套的三个闭环（像三个部门经理层层下达命令）。

• 第一环：位置环 (Position Loop) —— “战略层”

  • 大脑看着编码器说：“目标是移动到 $100^\circ$，现在在 $0^\circ$。” 位置环计算后，不下达电流指令，而是给下一级下达速度指令：“离得远，你给我以最大速度冲！”

• 第二环：速度环 (Velocity Loop) —— “战术层”

  • 速度环收到“全速前进”的命令，它看着测速仪，发现现在速度为 0。于是它给下一级下达扭矩（电流）指令：“为了达到全速，你需要使出最大力气！”

• 第三环：电流环 (Current Loop) —— “执行层”

  • 最底层也是反应最快的一环。它收到“最大力气”的指令，立刻调整 MOSFET 晶体管，往电机线圈里灌入最大电流。

• 精度的体现：当手臂快到 $90^\circ$（接近 $100^\circ$ 目标）时，位置环发现误差小了，立刻把目标速度降低；速度环收到减速命令，立刻让电流环输出反向电流，产生一个极其精准的“刹车力矩”。这三个环以每秒几千次的频率疯狂相互核对，最终让机械臂如丝般顺滑地停在 $100^\circ$。