CC BY
15
АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ И ПРОИЗВОДСТВАМИ
УДК 681.5
DOI: 10.24412/2071-6168-2023-8-617-618
МОДЕЛИРОВАНИЕ И УПРАВЛЕНИЕ ИСПОЛНИТЕЛЬНЫМИ ЭЛЕМЕНТАМИ РОБОТА-МАНИПУЛЯТОРА С ПНЕВМОПРИВОДОМ
ЮН. Кожубаев, Е.Н. Овчинникова, ВВ. Беляев, У. Шехзад
В данной статье проведены исследования по моделированию и управлению мягкими механическими приводами, проведен анализ различных методов моделирования, проведены лабораторные эксперименты существующих механических мягких приводов и создания нового практичного прототипа с целью создания модели эффективного прототипа. В статье также представлен обзор мягкой робототехники, ключевые принципы проектирования, проанализированы различные типы мягких роботов, таких как пневматические, гидравлические роботы, а также их применение в таких областях, как медицина, производство и поисково-спасательные работы. В статье также освещаются проблемы, с которыми сталкиваются исследователи при моделировании и разработке мягких роботов, такие как моделирование и управление, а также потенциальные будущие направления в этой области. В целом, мягкая робототехника имеет большие перспективы для создания интеллектуальных, адаптивных и высокофункциональных роботов, которые могут работать в самых разных условиях и выполнять множество задач.
Ключевые слова: моделирование, механический привод, мягкий привод, манипулятора с пневмоприводом.
Общеизвестно, что мягкие механические приводы в настоящее время широко используются в промышленности. Поскольку используются мягкие материалы, мягкие роботы могут быть менее долговечными, чем традиционные твердые материалы, такие как металл или пластик. Мягкие материалы могут быть подвержены износу и со временем разрушаться из-за воздействия факторов окружающей среды, таких как тепло или влага. Некоторые мягкие руки роботов также используют пневматические или гидравлические приводы, изготовленные из гибких материалов, таких как эластомеры или ткани. Эти приводы можно надувать или сдувать, чтобы вызвать движение пальцев или других частей руки. В целом, выбор материала для мягкой руки робота зависит от конкретных требований к конструкции, таких как гибкость, прочность и отзывчивость.
Новый тип робота, известный как «мягкий робот», может более безопасно взаимодействовать с людьми и может адаптироваться к разнообразной неструктурированной среде [1]. Материал, используемый для изготовления корпуса робота, мягкий, одним из широко используемых материалов в мягкой робототехнике является силиконовая резина [2]. Силиконовому каучуку можно придавать сложные формы, и его можно легко изготовить с помощью 3D-печати или других методов аддитивного производства. Другие материалы, которые используются в мягких руках роботов, включают сплавы с памятью формы, которые могут изменять форму при нагревании, и гидрогели, которые могут реагировать на изменения температуры или pH.
617
Мягкие руки роботов все еще являются относительно новой технологией, и в настоящее время ведутся исследования и разработки, направленные на улучшение их возможностей и расширение области их применения. Некоторые из текущих задач включают повышение скорости и точности движений руки, разработку более сложных систем управления и снижение общей стоимости технологии.
Несмотря на эти проблемы, мягкие руки роботов открывают огромные перспективы для будущего робототехники и могут оказать значительное влияние на широкий спектр отраслей в ближайшие годы [3]. В результате исследователи создали ряд мягких роботов, большинство из которых призваны имитировать поведение различных существ, в том числе дождевых червей, осьминогов, медуз и других.
Из-за длительного цикла проектирования типичных захватных устройств, таких как присоски с когтями манипулятора. Обновления происходят чаще, но финансовая добавленная стоимость незначительна. Кроме того, объекты трудно удерживать, они легко повреждаются и подвержены деформациям. Гибкий органический полимер, такой как воздушный цилиндр, в последние годы заменил классический манипулятор с жестким корпусом под понятием «программная рука», чтобы устранить недостатки традиционного манипулятора в конкретной ситуации применения.
Современные мягкие роботы отлично подходят для применения в определенных ситуациях и похожи на мягкие руки с точки зрения выбора материала, гибкости и применения. Поскольку мягкая рука является подмножеством мягкого робота, ее технология часто основана на технологии мягкого робота, и они имеют структурное сходство [4].
Податливость и гибкость мягких материалов в мягких роботах также могут привести к проблемам в восприятии и обратной связи. Мягким роботам могут потребоваться более сложные датчики для точного обнаружения и реагирования на изменения в их среде, что может сделать их более сложными и дорогими в разработке.
Несмотря на эти проблемы, мягкие роботы имеют много преимуществ в определенных приложениях, таких как их способность принимать сложные формы и безопасно взаимодействовать с людьми и другими хрупкими объектами. Текущие исследования в области мягкой робототехники направлены на решение этих проблем и улучшение производительности и функциональности мягких роботов для широкого спектра приложений.
Пневматический привод. Привод натяжения создается и формируется за счет надувания мягкого ручного отсека робота газом под высоким давлением. Тяговое движение в конце генерирует необходимую мощность (рис.1)
Приводы из сплава с памятью формы (SMA - Shape-memory alloy) (рис. 2).
За исключением концевого эффектора, рука робота и двигательные соединения мягкой руки сконструированы так же, как и у традиционных роботов.
Даже его подвижные соединения отличаются от обычных роботов, а некоторые мягкие роботы можно рассматривать как имеющие бесконечное количество пар движений. Рука-манипулятор мягкого робота также адаптируется [5].
618
Рис. 2. Мягкие приводы из сплава с памятью формы
Начиная с основ кинематики и динамики, ясно, что робот с твердым телом, но с мягким материалом, прикрепленным к его концевым приводам, не соответствует критериям классификации как мягкий робот. Лежащие в основе математические уравнения, определяющие движения робота, включая такие элементы, как скорость, направление и другие параметры, по-прежнему остаются предсказуемыми и управляемыми. Таким образом, изменение типа конечного исполнительного органа не влияет на работу робота с точки зрения кинематики и динамики.
Тем не менее, манипуляторы мягкого робота легко адаптируются, и стандартные формулы не могут учесть его кинематику и динамические характеристики. Кинематика и динамические характеристики робота были радикально изменены, а положение и скорость движущегося конца теперь непредсказуемы [6].
Кроме того, существуют небольшие различия в условиях реализации жесткого робота с гибкими руками или материалами и традиционного жесткого робота. Тем не менее, из-за их неправильной формы или хрупких материалов эти предметы по-прежнему созданы для того, чтобы их можно было брать и нести.
Моделирование и анализ методов конечных элементов. В данной работе использовано программное обеспечение ABAQUS для моделирования моего прототипа мягкого робота.
ABAQUS — это мощное программное обеспечение для инженерного моделирования методом конечных элементов, которое решает задачи, начиная от относительно простого линейного анализа и заканчивая множеством сложных нелинейных задач. ABAQUS включает в себя богатую библиотеку ячеек, которые могут имитировать произвольную геометрию [7].
Это программное обеспечение идеально подходит для конечно-элементного анализа нелинейных задач. С помощью данной программы разработана модель гибкого бионического грудного плавника [8].
Сначала построена модель, а затем по результатам моделирования проведено наблюдение за состоянием движения. Затем модель дополнительно оптимизируется путем модификации модели. Наконец, выбирается наиболее подходящая модель. Стандартом является выбор того, который наиболее похож на движение настоящих скатов-носорогов (Rhinopteridae), а также прост в обработке и изготовлении. Впоследствии пресс-форма была спроектирована, готова к производству и обработки (рис. 3).
После проведенного исследования принято решение использовать грудной плавник, приводимый в движение пневматикой. Внутренние камеры под поверхностью грудного плавника могут проталкиваться газом под высоким давлением. Газ поочередно подается в каждую камеру различных групп, заставляя грудной плавник колебаться и менять форму в заданном направлении.
Аппаратное обеспечение системы управления. Большинство технологий, необходимых для управления движением, таких как транспортные средства и роботы, используют инерциальный измерительный блок (IMU - inertial measurement unit). Он
619
также используется в таких приложениях, как подводные лодки, самолеты, ракеты и инерциальные навигационные системы космических аппаратов, где необходимы точные вычисления смещения из-за ориентации [9-11].
Последующие вспомогательные технологии: направление вывода с использованием трехосевого магнитометра плюс трехосевого акселерометра в спортивной или вибрирующей среде приводит к большей угловой неточности. Магнитный датчик тоже не идеален. Силовые линии геомагнитного поля служат неизменными эталонами. Он очень чувствителен к помехам от других магнитов из-за своей малой силы — несколько десятых гаусса — и разнообразного спектра магнитных характеристик. если есть смесь осей Z.
Рис. 3. Моделирование изгиба
IMU часто представляет собой комбинированное устройство, состоящее из трех акселерометров и трех гироскопов, размещенных на измерительных осях, перпендикулярных друг другу, как было указано ранее [12-14].
Использование GPS для коррекции долговременного дрейфа положения, барометров для корректировки высоты и магнитометров для корректировки положения — вот некоторые другие методы корректировки низкоточных IMU.
Точная фиксация датчика на носителе называется бесплатформенной инерци-альной навигационной системой.
Принцип работы МЭМС (Микроэлектромеханические системы) -гироскопа.
Ось x представляет направление движения, а m движется по ней с заданной скоростью. Вы можете определить угловую скорость оси вращения в данном месте, наблюдая, как изменяются емкость и расстояние, когда она перпендикулярна плоскости x, y.
Fc = —2 Hm(al х2и).
Направление силы тяжести используется для обеспечения ускорения. Угол положения может быть точно получен в отсутствие внешнего ускорения, в этом угле не будет кумулятивной ошибки, что гарантирует его точность в течение длительного периода времени [15-17].
Несмотря на свои преимущества, датчик ускорения является недостатком из-за использования датчика углового ускорения, который по существу представляет собой микроскопическую деформацию, вызванную технологией MEMS. Этот тип датчика используется для обнаружения силы инерции, потому что он имеет характеристики, сравнимые с гравитацией. Поскольку акселерометр не может определить разницу между ускорением свободного падения и силой ускорения, его выходные данные неверны, когда система движется в трех измерениях [18-20].
Выходная угловая скорость, мгновенный поток и угловая скорость гироскопа не могут использоваться непосредственно для балансировки позы; вместо этого необходимо использовать вычисление интеграла угла времени и угловой скорости, получить целевой угол, начальный угол и угол изменения; чем правильнее выходной угол, тем меньше время интегрирования Dt; Однако фундаментальный принцип работы гироскопа будет определять, как измерять эталон, поскольку он использует бесконечность, а не абсолютную систему отсчета [21-23].
Моделирование камеры. Для экономии материалов мы уменьшили прототип до однокамерной формы. Мы распечатаем эту модель в простом виде и будем использовать ее для проверки устойчивости к давлению в лабораторных условиях. После очистки присоединяем к нему большой инжектор (рис. 4).
Рис. 4. Подготовка к тесту
В результате эксперимента продемонстрировали, как такого рода искажения могут на самом деле вызывать движение изгиба. Тем не менее, он начал протекать, когда мы подключили его к электрическому насосу, чтобы измерить точное давление, которое он может выдержать [24-26].
Следующий шаг эксперимента - снятие верхнего слоя, чтобы найти реальный источник утечки. В результате было обнаружено (рис. 5).
Рис. 5. Место утечки
Стена, отделяющая камеры от верхнего слоя, также утратила связь. Поскольку для создания модели я использовал функцию ротационного иссечения, стенка между камерами рядом с корнем имеет минимальную толщину всего 1,4 мм, что слишком мало, чтобы выдерживать давление при деформации. С помощью модели в SoHdWorks обнаружен источник проблемы [27-29].
В результате была увеличена толщина кривой и уменьшена ее глубину.
Испытание модели под давлением. После того, как предыдущая модель была изменена, она была напечатана снова, чтобы подключить прототип к системе тестирования с датчиками, чтобы измерить максимальное давление модели, которое она может выдержать.
Оборудование системы тестирования показано ниже (рис. 6).
У нас есть ресурс газа высокого давления, который находится в другой комнате, но подключен к нашей системе с помощью контроллера. Контроллер будет контролировать открытие и закрытие клапана, и клапан подключен к нашей печатной модели. Но подключен к датчику проверки давления, где мы можем прочитать точное значение давления используя программное обеспечение MATLAB с помощью уже построенной модели в среде Simulink [30-31].
Одной из самых важных целей в программной среде Simulink является передача сигнала от датчика давления. После всех настроек можем начать эксперимент. Для этого закачиваем воздух в одну из камер, чтобы модель максимально деформировалась (рис. 7).
Рис. 6. Платформа для испытаний под давлением
Рис. 7. Процесс при деформации
Данный процесс проведен три раза. В среднем значение давления составляет 0,043 МПа (относительное давление воздуха), очень близко к давлению 0,04 МПа, которое моделировали в Abaqus.
Чтобы проверить максимальное ограничение, протестируем эту модель. Присоединяем устройство к тестовой платформеи соединяем все вместе. После этого мы накачали воздух внутри мягкого привода. Хотя мы чувствовали давление внутри, но продолжали качать.
Результаты исследования. Результатом макисмальной накачки привода стало потеря давления, что предполагаем утечку. С помощью модели в программной среде Simulink [32-34]. На рисунке показано давление во время утечки (рис. 8).
Рис. 8. График давления во время утечки
622
На графике видно, что было получено пиковое значение давления.
Благодаря полученным результатам мы достигаем наибольшей деформации. В следующем эксперименте величина давления регулируется исходя из ранее полученных пороговых значений деформации [35].
При этом мы максимально-допустимое давление держим в течение более длительного времени (рис. 9).
IX ..Л 4 А
Л
Рис. 9. График стабильного давления при максимальной деформации
В дальнейшем выбираем модель с 4 камерами. После этого распечатываем данную модель (рис. 10).
Рис. 10. Модель с 4рядами камер
Заключение. В результате проведенных исследований получено, что окончательный тип мягкого пневматического привода, который является идеальным прототипом после изучения всех тестов и данных.
По результатам данной работы создана эффективная модель мягкого привода. Мягкий привод имеет гибкие степени свободы и способность изгибаться в трех измерениях в нужное положение. Для питания всего привода используется воздух под вы-
623
соким давлением. Затем выбран окончательный прототип, который корректируется в соответствии со спецификациями. Для создания привода использован 3D-принтер, который может производить силикагель. В итоге найден простой подход к созданию пневматических мягких приводов, а также использован датчик и разработана имитационная модель в программной среде MATLAB Simulink.
Список литературы
1. Bao G., Fang H., Chen L., Wan Y., Xu F., Yang Q., Zhang L. Soft Robotics: Academic Insights and Perspectives Through Bibliometric Analysis. Soft Robot. 2018. 5. P. 229-241.
2. Liu Z., Liu J., Wang H., Yu X., Yang K., Liu W., Nie S., Sun W., Xie Z., Chen B. and e.al. A 1 mm-Thick Miniatured Mobile Soft Robot With Mechanosensation and Multimodal Locomotion. IEEE Robot. Autom. Lett. 2020, 5. P. 3291-3298.
3. Niu H., Feng R., Xie Y., Jiang B., Sheng Y., Yu Y., Baoyin H., Zeng X., MagWorm: A Biomimetic Magnet Embedded Worm-Like Soft Robot. Soft Robot. 2021, 8. P. 507-518.
4. Youn J.-H., Jeong S., Hwang G., Kim H., Hyeon K., Park J., Kyung K.-U. Dielectric Elastomer Actuator for Soft Robotics Applications and Challenges. Appl. Sci. 2020, 10, 640.
5. Gul J., Sajid M., Rehman M., Siddiqui G., Shah I., Kim K.-H., Lee J.-W., Choi K. 3D printing for soft robotics-A review. Sci. Technol. Adv. Mater. 2018, 19. P. 243-262.
6. Yarali E., Baniasadi M., Zolfagharian A., Chavoshi M., Arefi F., Hossain M., Bastola A., Ansari M., Foyouzat A., Dabbagh A. and e. al. Magneto-/ electro-responsive polymers toward manufacturing, characterization, and biomedical/ soft robotic applications. Appl. Mater. Today 2022, 26, 101306.
7. Coad M., Thomasson R., Blumenschein L., Usevitch N., Hawkes E., Okamura A. Retraction of Soft Growing Robots Without Buckling. IEEE Robot. Autom. Lett. 2020, 5, 2115-2122.
8. Ji Q., Fu S., Tan K., Muralidharan S., Lagrelius K., Danelia D., Andrikopoulos G., Wang X., Wang L., Feng L. Synthesizing the optimal gait of a quadruped robot with soft actuators using deep reinforcement learning. Robot. Comput. Manuf. 2022, 78, 102382.
9. Zakharov L.A., Martyushev D.A., Ponomareva I.N. Predicting dynamic formation pressure using artificial intelligence methods. Journal of Mining Institute, 2022. 253. P. 2332. DOI: 10.31897/PMI.2022.11.
10. Zhukovskiy Y.L., Kovalchuk M.S., Batueva D.E., Senchilo N.D. Development of an algorithm for regulating the load schedule of educational institutions based on the forecast of electric consumption within the framework of application of the demand response. Sustainability, 2021. 13 (24), 13801.
11. Majidi C. Soft Robotics: A Perspective—Current Trends and Prospects for the Future. Soft Robot. 2014. 1. P. 5-11.
12. Rus D., Tolley M.T. Design, fabrication and control of soft robots. Nature, 2015. 521. P. 467-475.
13. Yakovleva T.A., Romashev A.O., Mashevsky G.N. Digital technologies for optimizing the dosing of flotation reagents during flotation of non-ferrous metal ores. Mining Informational and Analytical Bulletin, 2022. 6(2). P. 175-188. DOI: 10.25018/0236_1493_2022_62_0_175.
14. Polygerinos P., Correll N., Morin S.A., Mosadegh B., Onal C.D., Petersen K., Cianchetti M., Tolley M.T., Shepherd R.F. Soft Robotics: Review of Fluid-Driven Intrinsically Soft Devices // Manufacturing, Sensing, Control, and Applications in HumanRobot Interaction: Review of Fluid-Driven Intrinsically Soft Robots. Adv. Eng. Mater. 2017, 19, 1700016.
15. Zemenkova M.Y., Chizhevskaya E.L., Zemenkov Y.D. Intelligent monitoring of
the condition of hydrocarbon pipeline transport facilities using neural network technologies. Journal of Mining Institute, 2022. 258. P. 933-944. DOI: 10.31897/PMI.2022.105.
16. Shamil I.R., Grigoriev A., Beloglazov I.I., Savchenkov S.A., Gudmestad O.T. Research risk factors in monitoring well drilling — A case study using machine learning methods / Symmerty, № 7, V 13, 2021. P. 1 - 19.
17. Chen A., Yin R., Cao L., Yuan C., Ding H., Zhang W. Soft robotics: Definition and research issues. In Proceedings of the 24th International Conference on Mechatronics and Machine Vision in Practice (M2VIP), Auckland, New Zealand, 21-23 November 2017. P. 366-370.
18. Filippov E.V., Zakharov L.A., Martyushev D.A., Ponomareva I.N. Reproduction of reservoir pressure by machine learning methods and study of its influence on the cracks formation process in hydraulic fracturing. Journal of Mining Institute, 2022. 258. P. 924-932. DOI: 10.31897/PMI.2022.103.
19. Wang L., Iida F. Deformation in Soft-Matter Robotics: A Categorization and Quantitative Characterization. IEEE Robot. Autom. Mag. 2015. 22. P. 125-139.
20. Zhou Y., Li H. A Scientometric Review of Soft Robotics: Intellectual Structures and Emerging Trends Analysis (2010-2021). Front. Robot. AI 2022, 9.
21. Sultanbekov R.R., Beloglazov I.I., Islamov S.R., Ong M.C. Exploring of the Incompatibility of Marine Residual Fuel: A Case Study Using Machine Learning Methods / Energies, № 8422, V 14, 2021. C. 1 - 16.
22. Brilliant L.S., Zavialov A.S., Danko M.U., Andronov K.A., Shpurov I.V., Brat-kova V.G., Davydov A.V. Integration of machine learning methods and geological and hy-drodynamic modeling in field development design.Neftyanoe Khozyaystvo - Oil Industry, 2022(3), 48-53. DOI: 10.24887/0028-2448-2022-3-48-53.
23. Coyle S., Majidi C., LeDuc P., Hsia K.J. Bio-inspired soft robotics: Material selection, actuation, and design. Extreme Mech. Lett. 2018, 22. P. 51-59.
24. Romashev A.O., Nikolaeva N.V., Gatiatullin B.L. Adaptive approach formation using machine vision technology to determine the parameters of enrichment products deposition. Journal of Mining Institute, 2022. 256. P. 677-685. DOI: 10.31897/PMI.2022.77.
25. Laschi C., Mazzolai B., Cianchetti M. Soft robotics: Technologies and systems pushing the boundaries of robot abilities. Sci. Robot. 2016, 1, eaah3690.
26. Amjadi M., Kyung K.-U., Park I., Sitti M. Stretchable, Skin-Mountable, and Wearable Strain Sensors and Their Potential Applications: A Review. Adv. Funct. Mater. 2015, 26. P. 1678-1698.
27. Nurgalieva K.S., Abdullah K.A., Seyed M.A., Slavko N., John William G.G. Application of Neural Network and Time-Domain Feature Extraction Techniques for Determining Volumetric Percentages and the Type of Two Phase Flow Regimes Independent of Scale Layer Thickness Applied Sciences. 2022. №12. P. 1-13.
28. Ushakov E., Aleksandrova T., Romashev A. Neural network modeling methods in the analysis of the processing plant's indicators. 2021. DOI: 10.1007/978-3-030-57453-6_4.
29. Shepherd R.F., Ilievski F., Choi W., Morin S.A., Stokes A.A., Mazzeo A.D., Chen X., Wang M., Whitesides G.M. Multigait soft robot. Proc. Natl. Acad. Sci. USA 2011, 108. P.20400-20403.
30. Kim S., Laschi C., Trimmer B. Soft robotics: A bioinspired evolution in robotics. Trends Biotechnol. 2013, 31. P. 287-294.
31. Dickey M.D. Stretchable and Soft Electronics using Liquid Metals. Adv. Mater. 2017, 29. 1606425.
32. Makhovikov A.B., Kryltsov S.B., Matrokhina K.V., Trofimets V.Ya. Secured communication system for a metallurgical company. Tsvetnye Metally. 2023. No. 4. P. 5-13. DOI: 10.17580/tsm.2023.04.01.
33. Matrokhina K.V., Trofimets V.Y., Mazakov E.B., Makhovikov A.B., Khaykin M.M. Development of methodology for scenario analysis of investment projects of enterpris-
es of the mineral resource complex. Journal of Mining Institute, 2023. 259. P. 112-124. DOI: 10.31897/PMI.2023.3.
34. Зайцева Е.В. The sensitivity evaluation of the television sensor for the radiation-resistant transmitting television camera based on vacuum transfertube / Journal of Physics, № 1, 2019. С 1 - 4.
35. Guo Y., Guo J., Liu L., Liu Y., Leng J. Bioinspired multimodal soft robot driven by a single dielectric elastomer actuator and two flexible electroadhesive feet. Extreme Mech. Lett. 2022. 53. 101720.
Кожубаев Юрий Нургалиевич, канд. техн. наук, доцент, y.n.kozhubaev@,gmail.com, Россия, Санкт-Петербург, Санкт-Петербургский горный университет,
Овчинникова Елена Николаевна, канд. пед. наук, доцент, [email protected], Россия, Санкт-Петербург, Санкт-Петербургский горный университет,
Беляев Виктор Вениаминович, канд. техн. наук, доцент, [email protected], Россия, Санкт-Петербург, Санкт-Петербургский горный университет,
Умар Шехзад, преподаватель, um-urii@,mail. ru, Россия, Санкт-Петербург, Санкт-Петербургский политехнический университет Петра Великого
SIMULATION AND CONTROL OF THE ACTUATORS OF A ROBOT-MANIPULATOR
WITH PNEUMATIC DRIVE
Yu.N. Kozhubaev, E.N. Ovchinnikova, V.V. Belyaev, U. Shekhzad
In this article, research has been carried out on modeling and controlling soft mechanical drives, an analysis of various modeling methods has been carried out, laboratory experiments have been carried out on existing mechanical soft drives and a new practical prototype has been created in order to create an effective prototype model. The article also provides an overview of soft robotics, key design principles, analyzes various types of soft robots such as pneumatic, hydraulic robots, and their applications in areas such as medicine, manufacturing, and search and rescue. The article also highlights the challenges that researchers face in modeling and developing soft robots, such as simulation and control, as well as potential future directions in this field. In general, soft robotics holds great promise for the creation of intelligent, adaptive and highly functional robots that can operate in a wide variety of environments and perform many tasks.
Key words: simulation, mechanical drive, soft drive, pneumatic manipulator.
Kozhubaev Yury Nurgalievich, candidate of technical sciences, docent, [email protected], Russia, St. Petersburg, St. Petersburg Mining University,
Ovchinnikova Elena Nikolaevna, candidate of pedagogical sciences, docent, [email protected], Russia, St. Petersburg, St. Petersburg Mining University,
Belyaev Viktor Veniaminovich, candidate of technical sciences, docent, [email protected], Russia, St. Petersburg, St. Petersburg Mining University,
Umar Shehzad, lecturer, um-urii@,mail.ru, Russia, St. Petersburg, Peter the Great St. Petersburg Polytechnic University
