智能分餐机的设计

马新玲，张子轩，孙矢初，洪昌琪，郦滢澄

（华东理工大学 机械与动力工程学院，上海 200237）

0 引言

新冠疫情的爆发，公众对就餐过程中卫生、安全和健康等多个方面提出了更高的要求[1]。传统的“共餐制”增大了人与人之间体液的接触概率，易使细菌病毒传播，引发一系列疾病。相比于“共餐制”，“分餐制”可以有效减少细菌传播和食物浪费[2]。目前市面上尚无自动分餐的装置，用餐时人手动夹取所需菜品[3]。亟待一款能高效自动实现菜品分配的装置，解决分餐带来的不便，更进一步推广利用公筷公勺“分餐制”。

本文针对上述情况设计制作一款高效便捷、自动智能和交互人性的分餐机，帮助用户在就餐过程中自动分餐，避免繁琐人力劳动，阻断细菌病毒传播。

1 总体方案设计

分餐机如图1所示。使用时，用户通过显示屏选择自己想要的菜品，并发出分餐指令。分餐机接收到用户的指令后，步进电机转动，使餐盘托盘将用户选择的餐盘运送到用户面前。随后，摄像头拍摄餐盘的图像，并传输到RaspberryPi对其进行图像识别，确定用户选择的是菜还是汤，如果是菜，则定位食材在餐盘中的具体位置，再使用机械臂和公筷机构对菜品进行夹取，将其放置于用户餐盘中；如果是汤，则机械臂和公勺机构直接执行勺汤动作，将汤倾倒于用户碗中[4]。分餐完成之后，机械臂依次将公筷机构和公勺机构置于清洁器皿中，微型水泵开启，将储水槽中的洗涤液高速喷射到公筷机构和公勺机构表面。由清洁器皿的机构对洗涤液进行收集，保证洗涤液被控制在器皿内，完成清洁。

图1 分餐机总装配图Fig.1 Total assembly diagram of meal separating machine

2 各模块的设计

分餐机的机械结构分为3个模块：分餐模块、餐盘运输模块和消毒清洁模块。

2.1 分餐模块的设计

分餐模块主要包括公筷机构、公勺机构和机械臂，如图2所示。模块呈Y形，下端与底座相连，上端分别为公筷机构与公勺机构。机械臂由镂空氧化铝支架组成，板材厚度为2 mm，并安装有LDX-335MG型数字舵机、LDX-218型数字舵机和LFD-06型防堵转舵机。

图2 分餐模块装配图Fig.2 Assembly diagram of meal separating module

公筷机构由仿生柔性爪、不完全啮合齿轮、LDX-335MG舵机、连杆与舵机支架组成。其中，仿生柔性爪爪齿由TPU材料通过3D打印制成，爪齿长20 mm，爪齿壁厚0.8 mm。当爪齿受到载荷时，爪齿的根部和尖端向载荷的施加方向发生弯曲变形，以贴近物体的表面，这被称为“鳍条效应”[5]。因此，仿生柔性爪可以根据被夹持物品的形状被动形变，保障夹持力足够的同时确保不会损伤被夹持物体的表面[6]。

公勺机构末端有尖角开槽，防止汤汁倾倒过程中沿公勺外壁回流。

2.2 餐盘运输模块的设计

餐盘运输模块包括导轨、餐盘托盘、牛眼轮、步进电机与行星齿轮，如图3所示。餐盘托盘用于承载餐盘，其底面等间距安装6个牛眼轮，牛眼轮与导轨相切，行星齿轮的太阳轮安装在餐盘托盘的底部，而行星轮与步进电机相连，安装在分餐模块底座的下方。工作时步进电机带动行星齿轮转动，行星齿轮带动餐盘托盘转动，导轨和牛眼轮则起引导定位的作用。

图3 餐盘运输模块装配图Fig.3 Assembly diagram of tray transport module

2.3 消毒清洁模块的设计

消毒清洁模块包括储水槽支架、储水槽、水泵支架、微型水泵、喷嘴和清洁器皿等，如图4所示。清洁器皿呈钵盂状，开口处收拢，防止洗涤液高速冲刷公筷公勺时液体飞溅[7]。清洁完成后，打开清洁器皿底部的阀门，将液体排入废水回收装置进行处理。

图4 消毒清洁模块总装配图Fig.4 General assembly diagram of disinfection and cleaning module

微型水泵和储水槽相连，由支架固定于底座上。水泵采用柱塞泵，流量为220 mL/min，额定电压为3.7 V，压强为1.0 MPa。

3 受力分析与参数计算

分餐模块是主要受载部件，对其进行静力学和动力学分析。

3.1 静力学分析

静力学分析分为整机静力学分析和局部静力学分析[8]。整机静力学分析主要通过在执行机构末端施加载荷，模拟在工作状态下整机及关键零部件的受力情况。局部静力学分析通过从特定工况下受力分析中提取相应零件的结果数据，对特定关键零件进行受力分析。

整机静力学分析：在SolidWorks中完成整机建模后，将Parasolid格式文件导入Ansys Workbench中。

材料设置：板材设为铝合金，舵机外壳设为PLA材料，螺母螺栓设为结构钢。具体材料特性如表1所示[9]。

表1 材料特性表Tab.1 Table of material properties

网格划分：单元尺寸设为4 mm，应用自适应网格划分方法，保证精度的同时，加快计算速度[10-11]。最终整机被划分为75 516个单元，171 227个节点。整机网格质量较为均衡，仅在公勺机构底面四周有局部网格质量较差情况，因其不参与力的传递，所以忽略其所带来的影响。

工况设置：主要受载部件是公勺机构和公筷机构的爪齿部分。因公勺机构在满载情况下的质量相对于整机质量非常小，所以在整机静力学分析中仅考虑公筷机构夹持重物的质量。

边界条件设定：将运行过程中公筷机构所持重物质量设为1 kg，以底部作为固定位置。

形变如图5所示，最大形变出现在公勺机构处，约为1.4 mm，在可接受范围内。现实场景下，公筷机构夹取食物的质量远小于1 kg，所以整机的形变不会造成明显影响。

图5 分餐模块形变云图Fig.5 Deformation nephogram of the meal separating module

应力分布如图6所示，整机应力分布较为均匀。但在公筷机构不完全齿轮啮合点出现应力集中，其原因可能是末端执行机构的载荷导致齿轮啮合点出现弯矩，从而齿顶出现除啮合力以外的压应力。更换齿轮材料可以解决该问题。

图6 分餐模块整机应力云图Fig.6 Overall stress nephogram of the meal separating machine

通过对形变与应力的分析可知，形变不会对精度产生明显的影响，且整机应力分布合理，不会发生承力部件突然断裂。

局部静力学分析：在整机的上半部分中，因为公筷机构与公勺机构的载荷不均衡，易导致V形板在尺寸变化处断裂，所以对此进行局部静力学分析。

由图7可见，位移分布较为均匀，并未因负载的不均衡出现有偏向性的位移。

图7 V形板变形云图Fig.7 Deformation nephogram of V-shaped plates

由图8可见，V形板最大应力仅为7.6 MPa，应力较大的部位为V形板侧面与底面转角处和V形板侧面的直角处，与公筷机构、公勺机构的连接处并未出现应力集中。

图8 V形板应力云图Fig.8 Stress nephogram of V-shaped plates

综上静力学分析所述，分餐模块结构设计合理。

3.2 动力学分析

动力学分析包括模态分析与谐响应分析。从理论上说，模态分析存在无限种振型，但因为实际情况中，前10阶振型占有主要比例，因此对于1～10 阶模态进行提取[12]。

1～3阶振型皆表现为整机移动；4阶振型表现为绕着整机中点的旋转；5阶振型表现为整机上半段绕中点的扭转；6阶振型表现为公勺机构偏移，而其他部位均未见明显偏移；7阶振型表现为公筷机构偏移；8阶振型表现为以公筷机构末端舵机处为中心点发生扭转形变；9阶振型表现为下端支撑件的脱离；10阶振型表现为公筷机构的弯曲。此外，各阶固有频率与最大位移如表2所示。

表2 各阶固有频率与最大位移Tab.2 Natural frequency and maximum displacement of each order

共振的影响相当大，严重时会令机器无法正常运行。通过谐响应分析，找出工作情况下易诱发共振的激振源[13]。关于公筷机构和公勺机构的谐响应分析结果如图9所示。公筷机构的谐响应分析结果如图9（a）所示，公筷机构前3阶的振型频率皆接近0，呈现为自由态，在谐响应分析中往往忽略其影响。频率接近41.984 Hz，即6阶振型时响应最剧烈。公勺机构的谐响应分析结果如图9（b）所示，同样为6阶振型时响应最剧烈。

图9 公筷机构与公勺机构的谐响应分析Fig.9 Harmonic response analysis of chopsticks mechanism and spoon mechanism

综上动力学分析所述，分餐模块的整机结构中，仅底部支撑件与中部舵机连接处受共振影响较大，其余部位不会因共振发生联接脱离。工作时需要避免环境中41.984 Hz的激振源，以保证稳定运行。

4 控制系统的设计

4.1 控制系统的组成

控制系统包括RaspberryPi、Arduino Mega 2560和TB6600步进电机驱动。其中RaspberryPi作为上位机，安装Raspbian系统，并配置有Python开发环境和OpenCV，负责图像识别和运动学分析。Arduino Mega 2560作为下位机，与舵机和TB 6600连接，负责控制电机和舵机。RaspberryPi和Arduino通过USB接口串口通讯。摄像头型号为LRCP7720，像素30万，分辨率720P。摄像头水平放置，垂直高度500 mm，对焦于餐盘正中央，以减少图片畸变和定位误差。

4.2 信号传递流程

控制系统信号传递分为5个阶段：图片取样阶段、预处理阶段、识别定位阶段、运动学分析阶段和电机控制阶段。其流程如图10所示。

图10 信号传递流程Fig.10 The transmission flow of signals

在图片取样阶段，接收到用户的指令并确定所需菜品后，通过Dijkstra算法求解出盛该菜品的餐盘到达摄像头下方的最短路径[14]，Dijkstra算法通过广度优先搜索的方法解决带权图的单源最短路径问题，在分餐机中即具有6个节点，相邻节点之间相互连接的环状带权图。其中每条路径权值为1，每次调度时通过求解目标节点到达机械臂夹持节点的最短路径即可确定1个旋转的方向，从而得到具有最小步数的步进电机转动方向。

RaspberryPi通过USB串口将求解数据发送给Arduino Mega 2560控制步进电机转动使餐盘到达摄像头正下方。此时Arduino Mega 2560控制打开摄像头，对餐盘图像进行取样，并将帧图像发送给RaspberryPi，进入后续图像处理阶段。

在预处理阶段，将图像从RGB图像形式转换为灰度图形式，采取非线性的平滑技术，利用中值滤波算子的卷积核对图像进行卷积运算，提高图像锐化程度，突出图像中的边缘信息，减少非边缘信息在图像中的权重[15]，中值滤波算式如下：

在识别定位阶段，首先将图像进行二值化处理并进行灰度反转，超过阈值的图像灰度区域在阈值图像中显示为白色，其余部分为黑色，分别对应灰度为0和灰度255；其次利用Laplacian算子对滤波后的图像进行边缘的增强和提取，二维笛卡尔坐标系下Laplacian算子如下：

最终进行图像边缘的定位，以最贴近矩形的形式进行每一帧图像的实时匹配，建立矩形中心点的三维坐标[16]，如图11所示。

图11 视觉识别图像Fig.11 Image of visual recognition

在运动学分析阶段，首先建立以机械臂为坐标原点的笛卡尔坐标系，确定出取像区域的坐标范围，根据物块位置坐标计算偏移量后，转换得到现实世界笛卡尔坐标系下的实际坐标[17]；再利用逆运动学分析计算出机械臂末端到达目标三维坐标所需的各关节形态，得到其实际所需舵机转动的角度，进行转换计算后得到舵机控制的实际参数[18]。

在电机控制阶段，RaspberryPi将各个舵机所需转动的角度按照顺序生成1个字符串，并通过USB串口发送给Arduino Mega 2560，由Arduino Mega 2560控制各个舵机依次转动指定角度完成分餐[19]。

5 结语

如图12所示，本文设计的分餐机，利用RaspberryPi和Arduino Mega 2560搭建控制系统，配合分餐模块、餐盘运输模块和消毒清洁模块等机械结构，使分餐过程实现自动化，样机识别准确，运行稳定，可以有效阻断细菌病毒传播、减少人力劳动、提升就餐趣味性。未来，为使样机推向市场，需做更进一步用户友好、适宜居家使用的外观设计，使用户更易于接受分餐机及分餐制。