0 引言
传统的刚性操作手广泛应用于社会生产和生活中，为解放人类繁重劳动、实现工业生产的机械化和自动化发挥了重要作用[1]。随着技术的发展，机械手面临的工作任务愈加多样化和非结构化，传统的刚性机械手难以满足工作需求。软体机械手因其自身具有的柔顺性和适应性，能够实现物品的无损抓持与人机安全交互，具有良好的应用前景[2]。
目前，软体机械手受到了国内外学者的广泛关注和深入研究。POLYGERINOS等[3]设计制作了用于手部康复助力的软体手；DEIMEL等[4]、GUPTA等[5]利用纤维加强层和橡胶基底设计了欠驱动仿人手气动机械手RBO Hand和RBO Hand 2；NAGASE等[6]结合气动驱动器和弹性拉线设计了一种变刚度软体手；GERBONI等[7]将弯曲传感器嵌入柔性致动器中实现了闭环精确控制；SHE等[8]将形状记忆合金和弯曲传感器嵌入软体基体中形成了自感知软体手指；MORROW等[9]在软体手指内部嵌入了用于位置检测和接触力检测的液态合金传感器；YANG等[10]将气压传感器嵌入到由气动人工肌肉驱动的软体抓手尖端，在抓取任务中可以检测接触力和目标物体表面曲率；HAO等[11]制作了全柔性的气动软体抓手，具有良好的抓取效果与商业化前景。
软体机械手因其自身优秀的性能特点保持着良好的发展趋势，并逐渐朝着力感知、触觉反馈和高精控制等方向完善，但在面对食品生产、太空操作、深海探测等人类不宜工作或无法到达的工况时仍然无法满足使用需求，迫切需要使用遥操作机器人来完成相关工作[12-13]。
近年来，国内外对机器人遥操作系统进行了一系列的研究。GUO等[14]设计了一款基于虚拟现实技术的远程血管手术操作系统；日本学者Tachi团队设计了远程代理仿人形机器人系统TELESAR4[15]和TELESAR V[16]，可以实现头部、身体、手臂和手完整的远程操作以及触觉反馈。宋爱国团队致力于力觉临场感遥操作机器人技术的系统研究，重点研究了力/触觉再现技术和大时延对力觉临场感遥操作机器人的影响及控制策略[17-18]。此外，一些学者对虚拟手的抓取规则和碰撞检测进行了研究[19-20]。
目前，仅仅具备驱动感知一体化功能的软体机械手仍然不能在复杂的工作环境中执行任务，因此，利用数据手套等交互设备可以进一步实现软体机械手的人机协作，即利用人的智能，以遥操作的方式参与软体机械手的运动规划，使其完成复杂的工作任务。
本文对软体机械手及其遥操作系统展开了如下研究：基于“快速气动网络”(fast pneumatic network，FPN)与模块化可拆卸原则，设计制作了仿人手软体机械手，并对软体致动器展开力学建模与仿真分析，为软体机械手的控制提供理论依据；设计了软体机械手遥操作系统的总体结构，提出了气动软体手的驱动与控制策略，基于MQTT通信协议在C#窗体应用程序中创建了MQTT客户端软件界面；基于蒙皮技术完成了软体致动器3D Max建模，在Unity3D中搭建了虚拟作业场景，完成了软体致动器弯曲实验与遥操作手势映射实验，探讨了软体机械手遥操作系统的进一步研究与应用。
1 软体机械手结构设计
1.1 软体致动器设计
气动软体致动器具有重量轻盈、价格低廉、驱动简单等优点，正成为软体机器人领域的研究热点。本文基于结构、制作、负载等方面的要求，借鉴MOSADEGH等[21]提出的“快速气动网络”(fast pneumatic network，FPN)设计，兼顾连接可靠、可重复拆卸以及方便传感器嵌入等结构性能要求，提出了采用内嵌气动网络设计的硅橡胶材料软件致动器，软体致动器结构及其实物样机分别如图1和图2所示。
图1 软体致动器结构图
Fig.1 Structural of soft actuator
图2 软体致动器实物
Fig.2 Prototype of soft actuator
软体致动器主要包括软体基体、气动空腔、手指连接部分、进气管接口以及嵌入其中的薄片式弯曲传感器。软体基体采用双组分硅橡胶在模具中按照一定的步骤浇筑一体而成，其中软体基体顶部为方形褶皱结构，内部含有气动空腔，充气时气动网络膨胀挤压使致动器本身弯曲变形；气动软体手指底部在初步制作时留有凹槽，用于放置薄片式弯曲传感器，二次浇注后可将弯曲传感器固定在致动器内部，弯曲传感器可以取出重复使用。致动器端部进气管接口在气管插入其中之后，可用扎带紧固，相对传统胶水黏结方式密封方法具有更好的气密性；手指接头部分与固定端可用卡箍紧固连接，具有更高的可靠性，且可以重复拆卸而不影响使用性能，气动软体致动器结构尺寸如图3所示，参数如表1所示。
1.2 软体机械手设计
根据实际工况的需求，通过多个软体致动器的合理配置可以实现三指、四指、五指等多种软体抓手的设计与应用。本文从软体手遥操作系统中主从端控制需求出发，采用五指仿人手结构作为软体机械手构型。软体机械手主要由5个软体致动器、手掌以及安装在手掌上的姿态传感器三部分构成，其三维模型如图4所示。
图3 致动器结构参数
Fig.3 Structural parameters of soft actuator
表1 结构参数表
Tab.1 Structure parameter tablemm
结构参数数值总长度L108.5总宽度w30总高度H25气腔长度l83.5单气室宽度d124单气室高度h14底层厚度t36气体通道高度t41内壁厚度t12.5气室厚度k12沟槽宽度k21.5侧壁厚度t23
图4 软体机械手三维模型
Fig.4 3D Model of soft manipulator
软体机械手的手掌部分为壳体结构，内置五根软体致动器气管和十根弯曲传感器接引线，手掌尾部设置有安装法兰，可与机械臂连接，为软体末端机械手提供空间平移和旋转运动。其余五指为内嵌薄片式弯曲传感器的气动软体致动器，该致动器充气时会产生弯曲运动，吸气时会快速恢复直至反向弯曲一定角度，内嵌的弯曲传感器会将软体致动器的弯曲程度反馈给系统微控制器，搭建的软体机械手样机如图5所示。
图5 软体机械手样机
Fig.5 Prototype of soft manipulator
2 软体致动器力学建模与仿真分析
2.1 软体致动器力学建模
在常曲率假设下，软体致动器在一定气压p下的弯曲程度可以用致动器形成的圆弧对应的圆心角φ来表示，为了求出气压p和弯曲角度φ之间的函数关系，需要对致动器进行力学建模分析。
软体致动器在施加一定气压后，气动网络的内壁发生膨胀并相互挤压，使得软体致动器向一侧弯曲，如图6所示。由于弯曲传感器的弯曲刚度很小且很薄，所以在分析时忽略弯曲传感器对致动器的影响。
图6 软体致动器弯曲示意图
Fig.6 Bending sketch of soft actuator
假设致动器弯曲变形时最底部材料不发生变形，任一弯曲角度下，致动器充气弯曲后软体基体的主伸长比为
(1)
如图3所示，单个气腔中气体压力p作用于腔体侧面上的作用力对底面x轴处产生的力矩为
(2)
假设软体基体内部应力均匀分布，软体基体应力σ对底面x轴处产生的力矩为
Ms=
(σd1y)dy+2
(σt2y)dy+
(h+t3+t4)2]+σt2H2
(3)
考虑应力均匀分布假设存在误差，引入修正系数r对软体基体应力产生的力矩进行修正[22]，由力矩平衡可知Ms=rMp，则有
(h+t3+t4)2]+σt2H2}
(4)
进一步可求得气压p和应力σ之间的关系式：
(5)
制作软体致动器的材料采用双组分加成型室温硫化硅橡胶，选用Yeoh模型对软体致动器进行非线性力学分析[23]。假设硅橡胶材料为各向同性且不可压缩，变形过程中系统没有热量的得失，外力在变形过程中对橡胶所做的功全部转化为内能储存在弹性体内部，则基于应力-应变关系建立橡胶材料的本构关系, 以应变能密度函数(W) 表示为
W=W(I1,I2,I3)
(6)
(7)
式中，I1、I2、I3为变形张量不变量;λ1、λ2、λ3为空间3个方向的主伸长比。
假设软体基体在宽度方向上不发生形变，则λ3=1，由式(7)可知：
(8)
(9)
根据Yeoh模型，选用其典型的二项参数形式，应变能密度函数模型表示如下:
W=C1(I1-3)+C2(I1-3)2=
(10)
式中，材料常数C1=0.1，C2=0.005 7。
联立式(6)～式(10)，可以推导出长度方向上的主应力为
(11)
将式(8)～式(10)代入式(11)中，得应力和主伸长比的关系式为
(12)
联立式(1)～ 式(5)以及式(12)可以得到气压p与弯曲角度φ的理论关系式：
rAK[(1+uφ)-(1+uφ)-3]+
rBK[(1+uφ)3-(1+uφ)-5]
(13)
2.2 软体致动器有限元建模分析
为确定影响系数r，采用ABAQUS有限元分析软件对软体致动器的变形进行有限元仿真分析。由于嵌入在软体致动器底部的弯曲传感器在弯曲方向的刚度很小，对致动器单自由度弯曲运动几乎没有影响，因此本次分析的致动器模型中去除了弯曲传感器。有限元分析模型主体采用Hex单元进行网格划分，局部不规则区域采用Quad单元进行网格划分，并在棱角采用更为细密的网格来提升仿真精度，在软体致动器模型的连接部分施加固定约束，并在致动器内腔表面分别施加一定的正压力和负压力，可分别模拟致动器充气正压力(图7)和吸气负压力(图8)下的受力和变形状况。经分析可得，正压力为0.045 MPa时软体致动器向下弯曲至最大状态，且在负压0.01 MPa时致动器向上弯曲至最大状态。
图7 正压0.045 MPa下致动器弯曲状态
Fig.7 Actuator bending state of positive
pressure 0.045 MPa
图8 负压0.01 MPa下致动器弯曲状态
Fig.8 Actuator bending state of negative
pressure 0.01 MPa
由于有限元分析软件ABAQUS无法直接导出充气压力和致动器弯曲角度的关系，因此需要对仿真结果进行简化分析。假设软体致动器弯曲后为常曲率变形，在致动器模型底部设置多个特征点，通过导出不同压力(只分析正压力)下的坐标数据进行数据拟合确定一个圆弧，进而得出相应圆心角即为该气体压力下的致动器弯曲角度。以弯曲角度为横坐标，充气气压为纵坐标绘制的有限元分析中致动器充气气压和弯曲角度的关系如图9所示。
图9 软体致动器有限元分析结果
Fig.9 Finite element analysis result of soft actuator
将仿真得到的数据经过MATLAB拟合分析，可以得到气压p和弯曲角度φ的仿真数据曲线拟合公式，将实验公式和理论公式中相同次数项进行对比，最终可求得理论模型的修正系数r为0.27，由修正系数r<1可以看出，进行某一气压下的力学分析时，软体基体假设均布应力产生的力矩值大于实际值，软体基体应力均布假设所取的参考位置应力均值偏大，最终导致理论模型产生偏差。
根据表1中各结构参数可求得式(13)中各系数：A为0.154，B为0.023，K为0.960，u为0.07，将其代入式(13)可得气压p与弯曲角度φ的关系为
p=f(φ)=0.039 9[(1+0.07φ)-(1+0.07φ)-3]+
0.005 9[(1+0.07φ)3-(1+0.07φ)-5]
(14)
3 遥操作系统设计与搭建
3.1 遥操作系统设计
软体手遥操作系统主要包括四个组成单元：操作者、控制系统、实际作业机器人和虚拟作业场景。上位机通过数据手套采集操作者的运动姿态，并由通信链路发送到远端控制系统，远端控制系统将姿态数据转换为气动回路的控制指令，并实时接收软体手上传感器的反馈数据与控制指令进行比对，最终实现对气动软体手的远程控制。嵌入在软体手中的各类传感器(弯曲传感器和姿态传感器)将实际作业信息借由通信链路反馈给虚拟作业场景，操作者通过人机交互界面在一定的延时下获得软体末端的工作状态，建立的软体机械手遥操作系统总体结构和控制方式如图10所示。
图10 软体机械手遥操作系统总体结构
Fig.10 Configuration of soft manipulator
teleoperation system
该控制方式将系统操作者置于远程控制结构闭环之外，控制系统只需要根据用户发来的姿态数据便能自动完成软体手的闭环控制，并且可以在软体手的运动过程中将软体手上的传感器数据返回至虚拟作业场景，从而可以使操作者获知软体机械手的工作状况。
软体机械手遥操作系统所采取的策略和逻辑结构如图11所示。
图11 遥操作系统控制策略与逻辑结构
Fig.11 Control strategy and logic structure of
teleoperation system
上位机采集数据手套的位姿数据，并将其转换为控制指令之后通过无线网络通信协议发送至Arduino控制器，此后由Arduino控制器通过开关阀来控制各个气动回路。系统的气源由两个气泵提供，分别用于实现软体致动器的充气弯曲和吸气恢复功能：充气气泵与1个总阀A1和5个开关阀(Bi)相连，吸气气泵与1个总阀A2和5个开关阀(Ci)相连。为了保证软体机械手的响应速度，2个气泵在启动之后需要一直保持在工作状态，当至少存在1个软体手指需要动作时，总阀就会处于关闭状态，直到所有手指的状态与指令相吻合，总阀就会打开以免气泵内部电机过载。微控制器的主要工作为将指令信号和弯曲传感器的反馈信息进行比对，并向各个开关阀发出控制命令，这在很大程度上降低了控制系统的复杂程度。
图11中实线箭头表示信息流方向，虚线箭头表示气流方向。数据手套的姿态数据经上位机处理后转换为5个软体致动器的控制指令并发送至远地端的Arduino微控制器，微控制器会判断各个手指是否需要充气、吸气或者保持不动。以食指为例，若控制命令要求其进行充气弯曲，则充气气泵端的常开开关阀会关闭，食指端的“充气常闭开关阀”会打开，气流由通向大气转为通向食指软体致动器。该系统对各个软体致动器是独立控制、互不影响的，即其中一个软体致动器充气发生弯曲的同时，另一个软体致动器可以发生吸气或保持不动。
3.2 系统通信协议与软件界面
为了实现系统遥操作，就需要将系统中的传感器和设备接入互联网进行数据交换，从稳定性、延迟、对硬件性能的要求等方面综合考虑之后本文选择了MQTT通信协议，其基本原理如图12所示。
图12 MQTT协议发布/订阅模型
Fig.12 MQTT protocol publish/subscribe model
设计的上位机软件界面如图13所示，主要包含两个功能区：左侧是消息通信区，右侧是数据手套数据显示区。
图13 上位机软件界面
Fig.13 Software interface in master computer
4 虚拟作业场景的建立
4.1 软体致动器3D Max建模
本文采用三维动画设计软件3D Max及其蒙皮修改器来制作虚拟软体致动器的运动模型。三维模型的运动原理是将气动软体驱动器的连续弯曲运动简化为串联连杆绕各个关节Z轴的旋转，根据图1软体致动器结构图可知，气动网络分为10段，故串联连杆关节数同样为10，经试验测定，可以满足对手指弯曲的模拟。图14所示为外部模型与内部骨骼模型，将二者在3D Max中进行绑定即可，此后将模型文件导出为“FBX”场景文件以便后续操作。
图14 软体致动器外部模型与内部骨骼模型
Fig.14 External model and internal skeleton model
of soft actuator
4.2 虚拟作业场景的建立
虚拟作业场景主要包含软体执行器的三维模型、摄像机以及脚本控制。软体执行器的三维模型为3D Max所绘模型，摄像机的作用主要是调整视角，以便于操作者能够在合适的角度观察到软体手的运动情况，脚本则是用来实现远端反馈数据的处理及虚拟模型的运动控制，搭建的虚拟工作场景如图15所示。
图15 工作场景组成
Fig.15 Composition of work scene
建立工作场景后需要确定各对象之间的父子关系，以便在脚本设计时可以选择合适的节点对象进行变换。如图16所示，场景根节点下有摄影机、工作场景、抓取对象和灯光等子节点，工作场景节点同时又是工作台和“Bone”节点的父节点。“Bone”节点控制着虚拟软体末端机械手的骨骼蒙皮模型，各个手指骨骼节点和手掌实体对象为其子节点，手掌为传感器和5个软体致动器实体的父节点，脚本组件可通过控制“Bone”节点来控制虚拟软体末端的平移旋转等空间变换，通过控制各个手指骨骼节点来实现软体致动器充气弯曲的运动模拟。
图16 场景节点父子关系图
Fig.16 Parents-children relationship of virtual
scene nodes
4.3 Unity3D脚本设计
虚拟场景的脚本控制采用C#编写，其主要功能是处理软体致动器的弯曲角度数据和姿态传感器数据。在获取软体致动器的弯曲角度之后，利用常曲率假设，将分析计算的角度均分给相应虚拟软体致动器下的11个骨骼对象，进而改变上述每个骨骼对象的相对父级欧拉角，最终使虚拟软体致动器蒙皮模型在骨骼的驱动下发生与实际软体致动器近似的弯曲运动；在获取姿态传感器数据后，将3个轴的欧拉角数据分别用来改变“Bone”节点的偏航角、俯仰角和翻滚角，即可实现软体末端机械手的运动姿态映射。
4.4 遥操作实验平台
搭建的遥操作系统实验平台如图17所示，其中主要包含：驱动控制系统、上位机软件(包括MQTT通信和数据手套位姿数据处理)和Unity3D虚拟场景及控制脚本、数据手套、软体末端机械手。
图17 遥操作系统实验平台
Fig.17 Experimental platform of teleoperation system
软体机械手遥操作系统完整的工作过程如下：
(1)上位机采集数据手套的数据；
(2)上位机处理数据之后将数据通过无线网络发送至Arduino微控制器；
(3)微控制器根据接收到的控制指令控制各个电磁阀从而使软体致动器到达指定位置；
(4)微控制器在软体致动器运动的过程中采集软体致动器上弯曲传感器和姿态传感器的数据，并通过无线网络发送至上位机；
(5)上位机根据反馈数据在虚拟作业场景中进行渲染，从而完成虚拟软体末端的运动映射。
5 实验研究
5.1 软体致动器实验
为了对前文中致动器充气气压p和弯曲角度φ的理论模型进行验证，需要进行致动器运动测量实验，本次运动控制实验采用空气压缩机和电气比例阀向致动器通入一定气压，通过采集弯曲传感器两端电压或电阻来计算致动器的弯曲角度，实验数据经过MATLAB分析拟合，可得出气压p和弯曲角度φ的实验曲线，如图18所示。
图18 软体致动器运动测量实验
Fig.18 Motion measuring experiment of
soft actuator
由分析结果可知：实验测得的角度变化曲线与理论变化曲线基本相近，但仍然存在一定的误差，这是由于理论推导中对弹性体的变形分析是基于Yeoh模型与常曲率变化假设的，而弹性体在实际弯曲变化中并非完全符合常曲率假设，当弯曲角度超过4.3 rad时，软体致动器不再是弹性变形，已经偏离常曲率假设，因而所需气压曲线相对理论曲线的偏差逐渐增大。虽然通过修正系数进行了修正，但由于实际运动过程中受重力等因素的作用仍然会存在一定的偏差。
5.2 遥操作手势映射实验
为检测遥操作系统的有效性，开展遥操作系统手势映射实验，即验证佩戴数据手套的人手、自感知软体末端与虚拟软体末端三者的手势一致性。由前述分析可知，微控制器需要实时采集软体致动器内部弯曲传感器的阻值反馈数据与控制指令进行比对，但当弯曲传感器处于弯曲状态时，其阻值仍会发生一定程度的蠕变，所以控制器内的信息比对算法不能是简单的相等运算。
为保证控制系统的稳定性和一定的精度，针对手势映射实验设计了“分挡控制算法”，即控制指令为挡位信号，控制器根据挡位控制软体致动器充气或吸气，直至弯曲传感器到达该挡位对应的阻值范围。假设控制指令包含n个挡位，弯曲传感器的最大阻值为Rmax，最小阻值为Rmin，则控制算法中的挡位阻值步长
(15)
由式(15)可知，挡位越多，控制越精确，但工作过程中软体致动器运动过快容易导致系统控制失稳；挡位越少，控制系统越稳定，但精度会随之降低，因此在实际应用中可综合考虑稳定性和精度选择挡位个数，分挡控制算法如图19所示。
图19 分档控制算法逻辑图
Fig.19 Logical structure of grading control algorithm
当挡位n设为5时，遥操作系统的手势映射实验如图20所示。由图20可知，实际软体末端和虚拟软体末端能够完成对主控手各种手势的映射。
在遥操作系统中，系统响应不可避免地会产生延迟，其中主要影响因素有：软体手运动延迟、网络传输延迟、数据发送间隔及数据处理耗时。经过实验测定，基本数据如下：单个软体致动器充气到最大弯曲状态所需时间为2.7 s；在客户端发布消息的时间间隔为500 ms情况下，从人手开始弯曲到致动器开始充气的时间间隔为0.8 s；网络数据传输产生的时间延迟为100 ms左右。
5.3 遥操作软体手抓取实验
(a)大拇指弯曲
(b)做“OK”手势
(c)四指弯曲手势
(d)无名指和小指弯曲
(e)握拳手势
图20 遥操作系统手势映射
Fig.20 Gesture mapping of teleoperation system
在控制远端软体手抓取物品时，由于物品的存在，可能会使软体手的各个手指弯曲程度无法达到与操作者一致，而这可能会导致控制程序陷入死循环，为此，增加了“干涉检测”。微控制器通过比对多次采集的弯曲传感器阻值信息来判断其是否完成目标抓取，若阻值几乎不变，则认为已经发生干涉，此时会停止向各个手指充气或吸气。发生干涉的判定条件为
|Ri-Ri-1|≤ΔR
(16)
式中，Ri、Ri-1分别为微控制器两次采集的弯曲传感器阻值；ΔR 为软体致动器干涉判定设定的阻值差。
根据式(16)设计的“干涉停止算法”程序逻辑如图21所示。
图21 干涉停止算法逻辑图
Fig.21 Logical structure of interference
stopping algorithm
采用该算法进行了多种几何形状目标物体的抓取实验，如图22所示。在抓取实验中，佩戴数据手套的主控手只需根据目标物体形状弯曲相应手指即可将抓取控制命令发送给Arduino微控制器；需要释放目标物体时，主控手只需将各手指伸直即可。
(a)抓取矿泉水瓶 (b)抓取木质圆柱
(c)抓取木质正方体 (d)抓取木质长方体
(e)抓取普通网球 (f)抓取木质三棱柱
图22 几何物体抓取实验
Fig.22 Grabbing object experiment
通过遥操作系统抓取实验发现，软体末端要想完成对几何物体的稳定抓取，软体致动器的弯曲角度至少需要180°，此时软体致动器底面圆弧的直径约为55 mm，软体致动器弯曲至最大弯曲状态时直径约为30 mm，因此软体末端能够稳定抓取几何物体的包络直径范围约为30～55 mm。
6 结论
(1)针对软体机械手在远程非结构环境下工作时因缺乏信息反馈无法实现自主复杂操作的问题，本文以实现对软体机械手的远程可靠控制为目标，将柔性传感器技术、虚拟现实技术和物联网通信技术引入到对软体末端远程闭环控制当中，建立了软体机械手的遥操作系统。
(2)设计了可拆卸的软体致动器结构，提高了软体致动器的气密性和可靠性。确定了硅胶材料的本构模型和材料参数，对致动器进行了非线性有限元分析，建立了软体致动器气压和弯曲角度的力学理论模型，并通过致动器充气实验对理论模型进行了验证。
(3)完成了遥操作系统控制系统软硬件的设计。基于C#窗体应用程序搭建了MQTT通信协议的客户端软件界面，连接上数据手套后可实现基于MQTT通信协议的控制指令的发送和软体末端反馈信息的接收，且工作过程中传输的信息量很小，可有效降低网络延迟带来的消极影响。
(4)通过3D Max建立了软体致动器骨骼蒙皮模型，在Unity3D中建立了虚拟作业场景，对虚拟软体末端和目标对象添加了脚本组件，设计的C#脚本程序能够实现反馈信息对软体末端的运动控制和对目标对象的碰撞拾取。
(5)综合应用自感知软体末端样机、集成控制系统和虚拟作业场景，搭建了软体末端的遥操作系统实验测试平台，进行了遥操作手势映射实验和多种几何物体的遥控抓取实验，确定了遥操作系统的时间延迟和软体末端的抓取范围，验证了基于虚拟现实技术的遥操作系统的有效性。
在接下来的研究工作中，将进一步探索不同结构的软体机械手与人手数据手套的信息匹配问题，实现对软体机械手的多自由度控制，提高软体机械手的工作空间与应用场景。此外，将进一步研究影响系统工作时间延迟的主要影响因素，提高遥操作系统的响应速度与工作效率。
[1] RUS D L, TOLLEY M T. Design, Fabrication and Control of Soft Robots[J]. Nature, 2015, 521(7553):467-475.
[2] 王田苗, 郝雨飞, 杨兴帮, 等. 软体机器人:结构、驱动、传感与控制[J]. 机械工程学报, 2017, 53(13):1-13.
WANG Tianmiao, HAO Yufei, YANG Xingbang, et al. Soft Robotics:Structure, Actuation, Sensing Andcontrol[J]. Journal of Mechanical Engineering, 2017, 53(13):1-13.
[3] POLYGERINOS P, WANG Z, GALLOWAY K, et al. Soft Robotic Glove for Combined Assistance and at-Home Rehabilitation[J]. Robotics & Autonomous Systems, 2014, 73:135-143.
[4] DEIMEL R, BROCK O. A Novel Type of Compliant and Underactuated Robotic Hand for Dexterous Grasping[J]. International Journal of Robotics Research, 2016, 35(1)：161-185.
[5] GUPTA A, EPPNER C, LEVINE S, et al. Learning Dexterous Manipulation for a Soft Robotic Hand from Human Demonstration[C]∥2016 IEEE/RSJ International Conference on Intelligent Robots and Systerms. Daejeon:IEEE , 2016:3786-3793.
[6] NAGASE J Y , WAKIMOTO S , SATOH T , et al. Design of a Variable-stiffness Robotic Hand Using Pneumatic Soft Rubber Actuators[J]. Smart Materials and Structures, 2011, 20(10):105015.
[7] GERBONI G, DIODATO A, CIUTI G, et al. Feedback Control of Soft Robot Actuators via Commercial Flex Bend Sensors[J]. IEEE/ASME Transactions on Mechatronics, 2017, 22(4):1881-1883.
[8] SHE Y, LI C, CLEARY J, et al. Design and Fabrication of a Soft Robotic Hand with Embedded Actuators and Sensors[J]. Journal of Mechanisms & Robotics, 2015, 7(2):1-9.
[9] MORROW J, SHIN H S, PHILLIPS-GRAFFLIN C, et al. Improving Soft Pneumatic Actuator Fingers through Integration of Soft Sensors, Position and Force Control, and Rigid Fingernails[C]∥2016 IEEE International Conference on Robotics & Automation. Stockholm:IEEE, 2016:5024-5031.
[10] YANG H, CHEN Y, SUN Y, et al. A Novel Pneumatic Soft Sensor for Measuring Contact Force and Curvature of a Soft Gripper[J]. Sensors and Actuators A:Physical, 2017, 266:318-327.
[11] HAO Y, GONG Z, XIE Z, et al. Universal Soft Pneumatic Robotic Gripper with Variable Effective Length[C]∥ 2016 35th Chinese Control Conference.Chengdu:IEEE, 2016:6109-6114.
[12] 张立彬, 鲍官军, 杨庆华, 等. 气动柔性驱动器及其在灵巧手中的应用研究综述[J]. 中国机械工程, 2008, 19(23):2891-2897.
ZHANG Libin, BAO Guanjun, YANG Qinghua, et al. Review on Flexible Pneumatic Actuator and Its Application in Dexterous Hand[J]. China Mechanical Engineering, 2008, 19(23):2891-2897.
[13] 张进华, 王韬, 洪军, 等. 软体机械手研究综述[J]. 机械工程学报, 2017, 53(13):19-28.
ZHANG Jinhua, WANG Tao, HONG Jun, et al. Review of Soft-bodied Manipulator[J]. Journal of Mechanical Engineering, 2017, 53(13):19-28.
[14] GUO J, GUO S, TAMIYA T, et al. A Virtual Reality-based Method of Decreasing Transmission Time of Visual Feedback for a Tele-operative Robotic Catheter Operating System[J]. Int. J. Med. Robot, 2016, 12(1):32-45.
[15] TACHI S, WATANABE K, TAKESHITA K, et al. Mutual Telexistence Surrogate System:TELESAR4-Telexistence in Real Environments Using Autostereoscopic Immersive Display[C]∥2011 IEEE/RSJ International Conference on Intelligent Robots & Systems. San Francisco:IEEE, 2011:157-162.
[16] FERNANDO C L, FURUKAWA M, KUROGI T, et al.TELESAR Ⅴ:TELExistence Surrogate Anthropomorphic Robot[C]∥ACM Siggraph 2012 Emerging Technologies. Los Angeles, 2012： 1-2.
[17] 倪得晶, 宋爱国, 李会军. 基于虚拟现实的机器人遥操作关键技术研究[J]. 仪器仪表学报, 2017， 38(10):3-15.
NI Dejing, SONG Aiguo, LI Huijun. Survey on Robot Teleoperation Based on Virtual Reality[J]. Chinese Journal of Scientific Instrument, 2017, 38(10):3-15.
[18] 宋爱国. 力觉临场感遥操作机器人技术研究进展[J]. 机械制造与自动化, 2012, 41(1):1-5.
SONG Aiguo. The Development of Force Telepresence Telerobot Technique[J]. Machine Building & Automation, 2012, 41(1):1-5.
[19] CHEN J B， HAN D， PENG Z. Active Grasping Control of Virtual-dexterous-robot Hand with Open Inventor[J]. Mathematical Problems in Engineering, 2014(24):1-7.
[20] 胡晨, 张学聃, 马惠敏. 适应物体形状的虚拟手抓取[J]. 中国图象图形学报, 2017, 22(5):663-670.
HU Chen, ZHANG Xuedan, MA Huimin. Shape-adaptive Virtual Hand-grasping Method[J]. Journal of Image and Graphics, 2017, 22(5):663-670.
[21] MOSADEGH B, POLYGERINOS P, KEPLINGER C, et al. Soft Robotics:Pneumatic Networks for Soft Robotics that Actuate Rapidly[J]. Advanced Functional Materials, 2014, 24(15):2163-2170.
[22] 姚建涛, 陈新博, 陈俊涛, 等. 轮足式仿生软体机器人设计与运动分析[J]. 机械工程学报, 2019, 55(5):27-35.
YAO Jiantao, CHEN Xinbo, CHEN Juntao, et al. Design and Motion Analysis of a Wheel-walking Bionic Soft Robot[J]. Journal of Mechanical Engineering, 2019, 55(5):27-35.
[23] 黄建龙, 解广娟, 刘正伟. 基于Mooney-Rivlin模型和Yeoh模型的超弹性橡胶材料有限元分析[J]. 橡胶工业, 2008, 55(8):467-471.
HUANG Jianlong，XIE Guangjuan，LIU Zhengwei. The Finite Element Analysis of Super-elastic Rubber Material Based on Mooney-Rivlin Model and Yeoh Model[J]. China Rubber Industry，2008，55(8)：467-471.
