压电驱动三足机器人设计与EXP-PID控制实践

1. 项目背景与核心价值

压电驱动三足机器人是近年来微型机器人领域的一个有趣研究方向。与传统电机驱动的机器人相比，这种结构有几个显著特点：首先是体积可以做到非常小，我们实验室制作的样机整体尺寸不超过一枚硬币；其次是响应速度快，压电材料的微秒级响应特性让机器人能够实现高频运动；再者就是结构简单，三个支撑足配合压电陶瓷片的弯曲变形就能实现基础移动。

不过在实际调试过程中，我们遇到了几个棘手问题：运动轨迹不稳定、转向控制不精确、以及由于压电材料的非线性特性导致的控制难度增加。这就是为什么我们需要引入EXP-PID控制算法——它能够很好地处理这类非线性系统的控制问题。经过三个月的反复实验，我们最终实现了机器人的稳定直线行走和精确转向控制，定位精度达到±0.1mm。

2. 机械结构与驱动原理

2.1 三足结构设计要点

机器人的机械结构看似简单，但每个细节都经过精心计算。主体采用三角形框架，三个支腿呈120°对称分布。关键参数包括：

• 支腿长度：8mm（钛合金材料）
• 支腿末端曲率半径：0.3mm
• 整体质量：1.2g

这种设计使得机器人在运动时始终能保持两点接触地面，形成稳定的运动三角。我们通过有限元分析优化了支腿的刚度系数，确保在压电陶瓷驱动下有足够的变形量（约0.5mm）同时又不会发生塑性变形。

2.2 压电驱动机制

驱动核心使用的是PZT-5H压电陶瓷片，尺寸为5×3×0.2mm。当施加0-150V的驱动电压时，会产生如下变形特性：

math复制ΔL = d_{31}·V·L/t = 320×10^{-12}·150·0.005/0.0002 ≈ 1.2μm

虽然单次变形量很小，但在20kHz的驱动频率下，通过累积效应就能产生可观的位移。我们采用双压电晶片（Bimorph）结构，将两片压电陶瓷反向粘贴，这样在相同电压下可以获得双倍的弯曲变形量。

3. 控制系统实现

3.1 EXP-PID算法原理

常规PID控制在处理压电材料的非线性特性时表现不佳，主要体现在：

1. 死区非线性：电压低于阈值时无输出
2. 迟滞效应：升压和降压曲线不重合
3. 蠕变特性：保持电压时仍有缓慢位移

EXP-PID的改进在于将误差信号通过指数函数处理：

python复制def exp_transform(error):
    return sign(error) * (1 - exp(-abs(error)/k))

其中k是调节参数，我们通过实验确定为0.25。这种处理使得小误差时增益大（提高灵敏度），大误差时增益饱和（避免超调）。

3.2 控制参数整定

经过数百次实验，我们总结出最佳参数组合：

调试时有个重要技巧：先关闭D项，从较小P值开始，逐渐增加直到出现等幅振荡，然后取该P值的60%作为基准。I项的加入要非常谨慎，因为压电系统的积分累积效应很强。

4. 运动性能测试

4.1 直线运动测试

在玻璃基底上的测试数据显示：

• 最大速度：12mm/s
• 速度稳定性：±3%
• 最小步距：0.05μm

值得注意的是，运动速度与驱动电压频率并非线性关系。当频率超过15kHz时，由于机械谐振效应，速度反而会下降。我们通过扫频测试确定了最佳工作点在12kHz。

4.2 转向控制实现

转向通过三路驱动信号的相位差实现。例如：

• 左转：Leg1相位0°，Leg2 120°，Leg3 240°
• 右转：Leg1相位0°，Leg2 240°，Leg3 120°

实测转向分辨率达到0.5°，重复定位精度±0.3°。这里有个实用技巧：在转向指令后加入一个50ms的制动脉冲，可以显著减少过冲。

5. 常见问题与解决方案

5.1 运动抖动问题

现象：机器人出现高频小幅抖动
可能原因：

1. 驱动信号含有高频噪声
2. 机械结构谐振
3. PID参数过于激进

解决方法：

python复制# 在控制代码中加入低通滤波
filtered_error = 0.9*filtered_error_prev + 0.1*current_error

5.2 转向偏差累积

现象：连续转向后角度误差逐渐增大
根本原因：压电蠕变导致的积分误差
解决方案：

1. 每5次转向后执行一次位置归零
2. 在EXP函数中加入死区补偿项：

c复制if(fabs(error)<0.02) error = 0;

6. 进阶优化方向

经过半年多的实际使用，我们发现还可以从以下几个方向进一步提升性能：

1. 温度补偿：压电系数d31会随温度变化（约-0.5%/℃），建议加入温度传感器实时修正控制参数。

2. 自适应控制：当机器人负载变化时，可以自动调整PID参数。我们测试了如下自适应规则效果不错：

python复制if abs(error) > threshold:
    P *= 1.2
    I *= 0.8

3. 运动轨迹规划：对于复杂路径，采用S曲线加减速算法可以显著提升运动平稳性。一个实用的加速度曲线公式：

code复制a(t) = a_max * sin(πt/T)

其中T为加速段时间，通常取0.1-0.3秒。