力传感器选型与标定：六维力传感器原理、选型参数、坐标系标定与重力补偿
各位同学，欢迎来到力控进阶的第二课。上一章我们聊了位置控制与力控的本质区别，今天咱们来点硬核的——六维力传感器。这东西，说白了就是机器人的「触觉神经」。没有它，你的机器人就是个盲人，只能靠视觉瞎猜接触力。
我最早接触六维力传感器是在一个打磨项目上。当时选型没经验，买了个便宜货，结果零点漂移比信号还大，调试了整整两周。嗯，从那以后，我再也不敢在传感器上省钱。
一、六维力传感器的工作原理
六维力传感器，顾名思义，能同时测量三个方向的力（Fx, Fy, Fz）和三个方向的力矩（Mx, My, Mz）。它内部通常有4到8组应变片，贴在弹性体上。
你想想看，当外力作用在传感器上时，弹性体会发生微小形变。应变片的电阻值随之变化。通过惠斯通电桥，我们把电阻变化转换成电压信号。最后经过ADC采样和解耦算法，就能得到六个维度的力/力矩值。
市面上主流的技术路线有两种：
- 应变片式：成熟、便宜、精度够用。我90%的项目都用这种。
- 电容式：抗过载能力强，但非线性严重，标定麻烦。
- 压电式：动态响应快，但无法测静态力。适合冲击力测量。
我个人习惯用应变片式。为什么？因为它的温漂特性我摸得透。电容式虽然精度上限高，但温度一变，数据就飘，你得花大量时间做温度补偿。
核心知识点：六维力传感器的本质是一个「弹性体+应变片+解耦算法」的组合。选型时别只看量程，解耦矩阵的精度才是关键。
二、选型参数——别踩这些坑
选型这件事，我见过太多人只看量程和精度。其实还有几个参数，比量程更重要。
| 参数 | 说明 | 我的建议 |
|---|---|---|
| 量程 | Fx/Fy/Fz最大可测力，Mx/My/Mz最大可测力矩 | 选实际使用值的1.5~2倍。别选太大，否则小信号分辨率不够 |
| 精度 | 通常用%FS表示，也有用绝对误差的 | 0.5%FS够用，精密装配需要0.1%FS |
| 串扰 | 一个方向受力时，其他方向的输出干扰 | 这个参数最容易被忽略！我吃过亏。串扰要小于2% |
| 采样率 | 传感器输出数据的频率 | 力控至少需要1kHz，阻抗控制可以降到500Hz |
| 过载能力 | 超过量程多少不会损坏 | 至少300%。机器人撞机时冲击力很大 |
| 防护等级 | 防尘防水能力 | 打磨抛光场景至少IP54 |
我的经验：选型时，先确定你的最大负载和动态特性。比如装配场景，力不大但需要高精度，那就选小量程高精度。如果是打磨，冲击力大，优先考虑过载能力和防护等级。
三、坐标系标定——让传感器「认识」机器人
传感器买回来，装到机器人上，你以为直接就能用？太天真了。传感器有自己的坐标系，机器人末端也有自己的坐标系。这两个坐标系之间有个旋转偏移，你得把它标定出来。
坐标系标定的本质，就是求一个旋转矩阵R和平移向量T。我常用的方法是「三点法」：
- 在传感器坐标系下，找一个已知方向施力，记录传感器读数。
- 在机器人坐标系下，同样方向施力，记录机器人读数。
- 通过两组数据，解算出旋转矩阵。
具体操作时，我习惯用最小二乘法拟合。给你看段伪代码：
// 坐标系标定 - 最小二乘法
// 输入：传感器读数矩阵 A (n x 6)，机器人读数矩阵 B (n x 6)
// 输出：旋转矩阵 R (3 x 3)
1. 取力的分量：A_force = A[:, 0:3], B_force = B[:, 0:3]
2. 中心化：A_centered = A_force - mean(A_force)
B_centered = B_force - mean(B_force)
3. 计算协方差矩阵：H = A_centered^T * B_centered
4. SVD分解：U, S, V = svd(H)
5. 旋转矩阵：R = V * U^T
6. 平移向量：T = mean(B_force) - R * mean(A_force)
这里要注意，标定时的施力方向要尽量分散，别全在一个平面上。我见过有人只在一个方向施力，结果解出来的矩阵是奇异的，数据全废了。
警告：标定过程中，传感器和机器人之间不能有相对运动。如果你用的是柔性安装，标定前先把机械接口锁死。否则标定结果会引入额外的误差。
四、重力补偿——让传感器「忘记」自重
传感器装在机器人末端，它本身有重量，末端工具也有重量。这些重量在传感器上会产生一个恒定的偏置。如果不补偿，你测到的力就是「工具重力 + 接触力」的混合信号。
重力补偿的原理很简单：在无接触状态下，采集一组数据，拟合出工具的重力向量和质心位置。然后在运行时，根据机器人当前的姿态，实时减去这个重力分量。
具体步骤：
- 让机器人运动到N个不同姿态（至少3个，我一般用8个）。
- 在每个姿态下，记录传感器读数（此时无外力接触）。
- 建立方程组：F_sensor = R(姿态) * G_tool + bias
- 用最小二乘法解出G_tool（工具重力向量）和bias（零点偏置）。
这里有个坑——传感器的零点偏置会随温度漂移。我建议每次开机后先做一次「零点校准」：让机器人回到一个固定姿态，记录当前读数作为新的bias。
// 重力补偿 - 实时计算
// 输入：当前姿态的旋转矩阵 R，工具重力向量 G_tool，零点偏置 bias
// 输出：补偿后的力 F_compensated
F_compensated = F_raw - R * G_tool - bias
你看，代码就这么几行。但实际调试时，你会发现G_tool的精度直接影响补偿效果。我有个技巧：标定G_tool时，让机器人末端朝下和朝上各采集一组数据，取平均。这样能抵消一部分安装误差。
避坑指南：我曾经在一个协作机器人项目上，重力补偿怎么都做不好。后来发现是传感器安装法兰的平面度不够，导致传感器坐标系和机器人坐标系之间有微小的角度偏差。解决办法是在安装面上加了一层0.1mm的垫片。嗯，机械精度这东西，差之毫厘谬以千里。
五、知识体系总览
说了这么多，咱们用一张图来总结本章的核心逻辑。从传感器原理到选型，再到标定和补偿，每一步都环环相扣。
这张图把本章的知识点串起来了。你从传感器原理出发，理解它怎么工作的。然后根据应用场景选型，选完装到机器人上做坐标系标定。最后做重力补偿，让传感器只输出「真正的接触力」。
每一步都有坑，但只要你按流程走，力控的底层就稳了。下一章我们会聊力控的几种控制策略，到时候这些标定好的数据就能派上用场了。
公众号:蓝海资料掘金营，微信deep3321