最大化软体机器人中形状记忆合金人造肌肉的一致力输出
Maximizing Consistent Force Output for Shape Memory Alloy Artificial Muscles in Soft Robots
AI总结：
本文提出一种结合疲劳测试与温度监督控制的系统，在软体机器人中实现SMA人造肌肉长期一致的高力输出，并通过可更换肌肉设计和阻塞力测试验证了数百次循环的稳定性。
摘要：
软体机器人因其固有的安全性和适应性而具有巨大潜力，但软体执行器力和设计约束方面的挑战限制了软体机器人向更大尺寸的扩展。电热形状记忆合金（SMA）人造肌肉有潜力产生这些大的力和高位移，但在软体机器人内部原位、在明确定义的模型下一致地使用这些肌肉仍然是一个开放性的挑战。本文提供了一种系统，通过将疲劳测试协议与肌肉内部温度状态的监督控制系统相结合，在长时间寿命内维持最高可能的一致SMA力。我们提出了一种带有可更换SMA肌肉的软肢体设计，并将该肢体部署在阻塞力测试中，以量化在不同寿命期间、不同温度下测得的最大力之间的关系。然后，通过应用基于不变性的控制系统，将温度维持在我们的长寿命极限之下，我们展示了在实际任务中数百个循环内的一致高力。我们开发的方法通过原位表征和控制其行为，使得SMA在软体机器人中的实际应用成为可能，并提供了一种施加限制以最大化其一致、可重复行为的方法。
英文摘要：
Soft robots have immense potential given their inherent safety and adaptability, but challenges in soft actuator forces and design constraints have limited scaling up soft robots to larger sizes. Electrothermal shape memory alloy (SMA) artificial muscles have the potential to create these large forces and high displacements, but consistently using these muscles under a well-defined model, in-situ in a soft robot, remains an open challenge. This article provides a system for maintaining the highest-possible consistent SMA forces, over long lifetimes, by combining a fatigue testing protocol with a supervisory control system for the muscles' internal temperature state. We propose a design of a soft limb with swap-able SMA muscles, and deploy the limb in a blocked-force test to quantify the relationship between the measured maximum force at different temperatures over different lifetimes. Then, by applying an invariance-based control system to maintain temperatures under our long-life limit, we demonstrate consistent high forces in a practical task over hundreds of cycles. The method we developed allows for practical implementation of SMAs in soft robots through characterizing and controlling their behavior in-situ, and provides a method to impose limits that maximize their consistent, repeatable behavior.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
