当前速递！江南大学团队提出新方法，让微型机器人实现精确路径跟踪控制！

看过《超能陆战队》的小伙伴们，还记得电影中这个微型磁力机器人吗？这个机器人有着高度的灵活性，能组合成各种形状完成各种高难度的任务，可以说是纯纯的“黑科技”了。

在近年来，微型机器人已经成为一个牵动众多领域向纵深发展的新兴学科，它们在生物医学领域具有巨大的应用潜力，实现微型机器人在体内操作的精确性和高效性现如今正是该领域的研究热点。

过去15年里，研究人员已经发明了多种微型机器人，它们依赖化学反应、磁力或振动提供能量，但这些微型机器人经常无法稳定运行。目前，这项技术有了新的突破!

(资料图)

近日，来自江南大学物联网工程学院的实验团队提出了一种基于扩展状态观测器（ESO）的鲁棒控制方法，实现微型机器人的精确路径跟踪控制。该项研究以论文（Robust Control Strategy of Gradient Magnetic Drive for Microrobots Based on Extended State Observer）为题发表在中国科技期刊卓越行动计划高起点新刊Cyborg and Bionic Systems(类生命系统)上。

微型机器人有许多驱动方法。其中基于磁场的驱动方法在操作生物体内的磁性微型机器人具有很大的优势，这是因为相比于其他驱动方式（光驱、电驱），磁场基本不会对生物体产生伤害！这种磁性微型机器人在目前广泛应用于生物医学领域，如靶向给药、细胞微操作、血管疏通等。

微型机器人的磁场驱动方式一般分为旋转磁场、振荡磁场和梯度磁场，此次研发团队将针对一种梯度磁场驱动系统开展磁性微型机器人的运动控制研究。

研发团队将系统参数的不确定性和外界环境干扰视为总扰动并通过设计的ESO观测得到。然后将滑模控制与扰动补偿策略相结合，设计了一种路径跟踪控制器，以消除系统的总扰动并实现微型机器人快速准确跟踪路径。

▍微型机器人的运动控制

由于微型机器人在复杂环境中会受到各种干扰，影响其运动控制的精度。针对微型机器人路径跟踪控制过程中的扰动问题，团队需要考虑两个方面:

(1)微型机器人的实时位置可以通过机器视觉获得，但系统总扰动无法直接测量，因此需要构建ESO来观测得到。

(2)设计一种结合滑模控制和扰动补偿的控制器，以消除总扰动并抑制跟踪误差，保证路径跟踪的鲁棒性。

微型机器人路径跟踪控制

微型机器人的路径跟踪过程，可以简单地概括为:首先设计一条期望路径，然后通过CCD相机获取微型机器人的实际位置。微机器人的位置偏差由位置控制器处理并控制通入电磁驱动系统的电流来控制微机器人运动，直至微机器人到达期望位置。

考虑到电磁驱动系统具有二维工作空间，系统由两对正交放置且参数相同的电磁线圈组成。因此，微型机器人在二维工作空间中的运动控制可以简单地分为两个方向上的独立控制。微型机器人的位置误差可以分解为x方向和y方向的误差，如图中所示。

路径跟踪分析

x轴上的位置误差由x轴上的电磁线圈处理，产生x方向上的磁力驱动微型机器人到达期望位置xr。同理，y轴上的位置误差由y轴上的电磁线圈处理，产生y方向上的磁力驱动微型机器人到达期望位置yr。

最后，就可以利用两个方向的电磁线圈相互作用实现微型机器人的路径跟踪啦。

你以为这样就结束了？

上面介绍的是微型机器人的一般路径跟踪过程，最后要在此基础之上添加团队设计的ESO和滑模控制器，这样微型机器人才能运动的更加“丝滑”。

微型机器人的鲁棒控制

▍三次实验，反复验证

为了验证所提控制方法的有效性，研发团队在电磁驱动系统中对磁性微型机器人进行了路径跟踪控制实验。实验平台如下↓↓↓

电磁驱动系统实验平台

电磁驱动系统由四个正交放置且参数相同的电磁线圈组成，工作空间大小为16 mm×16 mm。电磁线圈由软磁铁芯和线圈组成。研究人员们采用自行设计的软磁铁芯来增强磁通密度和磁场梯度。电磁线圈由可编程直流电源供电。

当最大输出电流为5 A时，可在工作空间中心产生73.93 mT的磁通密度和8.68 T/m的梯度。实验选取直径为300 μm、密度为1.3×103 kg/m3的球形磁性微型机器人作为驱动对象。微型机器人的运动介质为硅油溶液。利用CCD工业摄像机实时获取微型机器人的位置，并实现视觉反馈。在计算机上用Python语言编写控制算法，计算机通过485总线与直流电源通信。

研发团队在模拟血管结构中设定了三种不同的实验路径，为了突显跟踪效果，将提出的控制方法与传统PID控制做了对比。

实验一：微型机器人跟踪路径1

(a)

微机器人路径1的跟踪结果:(a)跟踪过程;(b)实验结果;(c)跟踪误差

实验二：微型机器人跟踪路径2

(a)

微机器人路径2的跟踪结果:(a)跟踪过程;(b)实验结果;(c)跟踪误差

实验三：微型机器人跟踪圆形路径

(a)

微型机器人圆形路径的跟踪结果:(a)跟踪过程;(b)实验结果;(c)跟踪误差

▍实验结果分析

实验结果表明，研发团队所提出的控制方法能够成功地实现微型机器人的路径跟踪控制，与传统PID控制方法相比，表现出更好的跟踪性能。该方法对复杂环境中的未知干扰和系统参数的不确定性具有较强的鲁棒性。