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：

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：

1. 基线漂移：在电极与皮肤间涂导电凝胶
2. 50Hz工频干扰：采用右腿驱动电路
3. 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：

1. 原始信号预处理（带阻滤波+归一化）
2. 滑动窗口分析（窗长200ms，步长50ms）
3. 特征提取：
   • 平均绝对值（MAV）
   • 波形长度（WL）
   • 过零率（ZC）
4. 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：

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：

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：

1. 表面处理：SMP层用砂纸打磨至Ra3.2
2. 底涂：Loctite 770 primer
3. 粘接剂：Sil-Poxy硅胶胶水
4. 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。