用肌电信号和形状记忆聚合物，我复现了一款能抓手机的软体机器人手（附开源代码）
从零复现：基于肌电信号与形状记忆聚合物的仿生软体机械手
去年在实验室捣鼓机器人项目时，我偶然读到北航团队那篇关于变刚度软体手的论文。作为一个沉迷开源硬件的创客，第一反应不是赞叹理论创新，而是琢磨：这玩意儿能不能用工作室现有设备复现？经过三个月折腾，终于用不到2000元成本做出了能抓手机的软体手原型。现在把完整构建过程分享给各位极客同好，所有设计文件和代码已上传GitHub（文末附链接）。
1. 材料选择与结构设计
1.1 核心材料选型对比
形状记忆聚合物(SMP)是这套系统的灵魂材料。测试过三种市售SMP后发现，**聚己内酯(PCL)**在60-70℃软化区间的表现最稳定，且价格仅为医用级SMP的三分之一。关键参数对比如下：
| 材料型号 | 软化温度(℃) | 恢复率(%) | 单价(元/g) | 适用性评估 |
|---|---|---|---|---|
| PCL-MC01 | 65±2 | 98 | 0.8 | 最佳性价比 |
| SMP-Forma | 55±5 | 95 | 3.5 | 温控精度要求高 |
| 3D打印专用SMP | 70±3 | 90 | 2.2 | 层间结合力不足 |
提示：PCL颗粒需用恒温磁力搅拌器在120℃熔融后浇注到3D打印的模具中，冷却速率控制在5℃/分钟可获得最佳形状记忆效果。
1.2 手指模块化设计
采用三段式气动-热致变刚度复合结构，每段包含：
- 硅胶内胆（Dragon Skin 10，邵氏硬度00-30）
- SMP刚度调节层（厚度1.5mm）
- 镍铬合金加热丝（直径0.1mm，电阻6Ω/cm）
- 3D打印外骨架（PLA材料，镂空率40%）
# 生成加热丝排布路径的Grasshopper脚本 import ghpythonlib.components as gh base_curve = gh.CurveX(Length=50, PointCount=30) offset_vectors = gh.UnitZ() * gh.Series(0, 1.5, 30) heating_wire = gh.OffsetCurve(base_curve, offset_vectors)2. 硬件系统搭建
2.1 肌电信号采集方案
放弃昂贵的商业sEMG传感器，改用双通道ADS1299模块+自研电极贴片，成本直降90%。关键电路配置：
- 采样率：1kHz
- 带通滤波：20-500Hz
- 共模抑制比：≥110dB
- 输入阻抗：1GΩ
常见问题排查：
- 基线漂移：在电极与皮肤间涂导电凝胶
- 50Hz工频干扰：采用右腿驱动电路
- 运动伪影：增加0.5Hz高通滤波
2.2 嵌入式控制系统
主控采用ESP32双核架构，分别处理：
- Core 0：实时肌电信号处理（FreeRTOS任务优先级8）
- Core 1：PWM热控制与气动阀驱动（优先级5）
// 变刚度控制代码片段 void setStiffness(float stiffness) { float temp = map(stiffness, 0, 100, 25, 70); pid.Setpoint = temp; while(abs(currentTemp - temp) > 0.5) { pidOutput = pid.Compute(); analogWrite(HEATER_PIN, pidOutput); } }3. 信号处理与运动映射
3.1 肌电特征提取流程
开发了一套基于Teager-Kaiser能量算子的实时处理算法：
- 原始信号预处理（带阻滤波+归一化）
- 滑动窗口分析（窗长200ms，步长50ms）
- 特征提取：
- 平均绝对值（MAV）
- 波形长度（WL）
- 过零率（ZC）
- SVM分类器决策
注意：训练数据需包含不同肌肉收缩强度下的样本，建议采集握力器分级施压时的信号
3.2 手势映射策略
建立7种基础手势库与抓握模式的对应关系：
| 手势类型 | 手指刚度(%) | 气动压力(kPa) | 适用物体 |
|---|---|---|---|
| 捏取 | 80 | 30 | 钥匙、卡片 |
| 侧握 | 60 | 50 | 手机、遥控器 |
| 强力抓握 | 90 | 80 | 水瓶、工具 |
| 精细操作 | 40 | 15 | 棉签、电线 |
4. 实测效果与优化
4.1 抓取性能测试
使用标准测力计记录不同模式下的最大保持力：
| 物体 | 捏取力(N) | 侧握力(N) | 抓握力(N) |
|---|---|---|---|
| 智能手机 | 2.1 | 5.8 | - |
| 500ml水瓶 | - | 7.2 | 12.5 |
| 游戏手柄 | 3.4 | 6.1 | 9.8 |
4.2 常见故障排除
遇到最头疼的问题是SMP层与硅胶脱粘，最终解决方案：
- 表面处理：SMP层用砂纸打磨至Ra3.2
- 底涂：Loctite 770 primer
- 粘接剂：Sil-Poxy硅胶胶水
- 固化压力：0.1MPa保持2小时
项目所有设计文件（包括SolidWorks装配图、PCB Gerber文件、Arduino/Python代码）已开源在GitHub仓库。在实际应用中，这套系统最让我惊喜的是抓取鸡蛋时既不会捏碎又能稳稳提起——这或许就是软体机器人最迷人的魅力所在。