CN113008418A - 一种压阻型柔性触觉传感器 - Google Patents
一种压阻型柔性触觉传感器 Download PDFInfo
- Publication number
- CN113008418A CN113008418A CN202110219557.4A CN202110219557A CN113008418A CN 113008418 A CN113008418 A CN 113008418A CN 202110219557 A CN202110219557 A CN 202110219557A CN 113008418 A CN113008418 A CN 113008418A
- Authority
- CN
- China
- Prior art keywords
- electrodes
- piezoresistive
- measuring
- conducting resistance
- machine learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010801 machine learning Methods 0.000 claims abstract description 34
- 239000000758 substrate Substances 0.000 claims abstract description 28
- 230000005284 excitation Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 239000012528 membrane Substances 0.000 claims abstract description 3
- 238000012549 training Methods 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 25
- 238000002955 isolation Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 description 25
- 238000012360 testing method Methods 0.000 description 23
- 238000013145 classification model Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 11
- 238000002593 electrical impedance tomography Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000011068 loading method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 4
- 229910052802 copper Inorganic materials 0.000 description 4
- 239000010949 copper Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007605 air drying Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002969 morbid Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 229920001721 polyimide Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/18—Measuring force or stress, in general using properties of piezo-resistive materials, i.e. materials of which the ohmic resistance varies according to changes in magnitude or direction of force applied to the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
- G06F3/0414—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means using force sensing means to determine a position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
- G06F3/045—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means using resistive elements, e.g. a single continuous surface or two parallel surfaces put in contact
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Force Measurement Appropriate To Specific Purposes (AREA)
Abstract
本发明提供了一种压阻型柔性触觉传感器，具体包括激励源、5个以上的电极、导电压阻膜以及柔性衬底；所述5个以上的电极设置于所述柔性衬底上；所述导电压阻膜的下表面与所有电极电气接触，并通过所述5个以上的电极贴合在所述柔性衬底之上；所述电极通过引出线引出至导电压阻膜之外；其中至少2个电极作为激励电极，与所述激励电源相连；剩余电极作为测量电极；所述测量电极上的电信号输入训练好的机器学习模型中，得到测量结果。本发明结合机器学习模型实现对载荷位置或压力的检测。
Description
技术领域
本发明涉及传感器设计技术领域，特别是一种压阻型柔性触觉传感器。
背景技术
随着人工智能势不可挡的发展脚步，柔性触觉传感器作为人机交互的重要成员，其发展也突飞猛进。
近年来，有学者尝试将电阻抗断层成像技术(EIT)应用于柔性的触觉感知，基于EIT的传感器通过计算传感器内部的电导率生成电导率分布图像，借电导率分布图像反映载荷位置及压力大小。这种传感器不仅能同时检测位置和压力，还克服了阵列式传感器布线复杂，不易实现大面积覆盖的缺点。
然而，基于EIT的触觉传感器却有如下明显的缺点：1、计算电导率分布是一个病态的逆问题，过程繁琐，占用资源。2、电导率图像上会有许多无意义的伪迹，为机器人或机械臂识别载荷位置或确定载荷压力带来了干扰。3、EIT技术所包含的复杂的建模过程使其很难适用于非规则形状的传感器。4、传感器数据收集的过程遵循严格的逻辑，需要设计相应的集成电路，增加了传感器的复杂度。5、由于EIT技术是通过载荷所引起的传感器的电导率分布的变化来确定该载荷相应特征的，因此，只有具有导电性的载荷才适用于基于EIT的触觉传感器。
发明内容
有鉴于此，本发明的目的是提出一种压阻型柔性触觉传感器，结合机器学习模型实现对载荷位置或压力的检测，并避开了基于EIT的触觉传感器的上述缺点。
本发明采用以下方案实现：一种压阻型柔性触觉传感器，具体包括激励源、5个以上的电极、导电压阻膜以及柔性衬底；
所述5个以上的电极设置于所述柔性衬底上；
所述导电压阻膜的下表面与所有电极电气接触，并通过所述5个以上的电极贴合在所述柔性衬底之上；
所述电极通过引出线引出至导电压阻膜之外；其中至少2个电极作为激励电极，与所述激励电源相连；剩余电极作为测量电极；
所述测量电极上的电信号输入训练好的机器学习模型中，得到测量结果。
进一步地，所述五个以上的电极分别离散地设置于所述导电压阻膜的下表面不同位置。
进一步地，所述导电压阻膜与所有引出线电气绝缘。
基于上文所述的压阻型柔性触觉传感器的检测方法，包括以下步骤：
开启所述激励源，当所述导电压阻膜的上表面不承受载荷时，采集所述测量电极的初始信号；当所述导电压阻膜的上表面承受载荷时，采集所述测量电极的测量信号，将采集到的初始信号与测量信号之间的差值输入到训练好的机器学习模型中，得到测量的结果，该测量结果为所承受载荷的大小等级、所承受载荷的位置或其组合。
其中，所述机器学习模型的训练具体为：
采集不同载荷放置在所述导电压阻膜不同位置上的测量信号，并设置对应的标签，作为训练样本，利用该训练样本对机器学习模型进行训练，满足预设条件时停止训练，得到训练好的机器学习模型。
上述压阻性柔性触觉传感器可以检测载荷的位置或压力。
本发明还提供了一种压阻型柔性触觉传感器，包括激励源、5个以上的电极、第一导电压阻膜P1、第二导电压阻膜P2、隔离层以及柔性衬底；
所述5个以上的电极设置于所述柔性衬底上；
所述第一导电压阻膜P1的下表面与所有所述电极电气接触，并通过所述5个以上的电极贴合在所述柔性衬底之上；所述第一导电压阻膜P1与第二导电压阻膜P2之间设置有所述隔离层；
所述电极通过引出线引出至所述导电压阻膜之外；其中至少2个电极作为激励电极，与所述激励电源相连；剩余电极作为测量电极；
所述测量电极上的电信号输入训练好的机器学习模型中，得到测量结果。
进一步地，所述第一导电压阻膜P1与所有引出线电气绝缘。
进一步地，所述隔离层为孔形结构。
基于上文所述的压阻型柔性触觉传感器的检测方法，包括以下步骤：
开启所述激励源，当所述第二导电压阻膜P2的上表面不承受载荷时，采集所述测量电极的初始信号；当所述第二导电压阻膜P2的上表面承受载荷时，采集所述测量电极的测量信号，将采集到的初始信号与测量信号之间的差值输入到训练好的机器学习模型中，得到测量的结果，该测量结果为所承受载荷的大小等级、所承受载荷的位置或其组合。
其中，所述机器学习模型的训练具体为：
采集不同载荷放置在所述第二导电压阻膜P2不同位置上的测量信号，并设置对应的标签，作为训练样本，利用该训练样本对机器学习模型进行训练，满足预设条件时停止训练，得到训练好的机器学习模型。
对于上述第二种导电压阻膜的柔性触觉传感器，所述导电压阻膜P1和P2以及所述隔离层的配置使得接触阻抗发生在传感器内部而非传感器和载荷之间，从而解除了载荷必须有导电性的限制。
与现有技术相比，本发明有以下有益效果：本发明借鉴EIT的部分原理，结合机器学习模型实现对载荷位置或压力的检测，并避开了基于EIT的触觉传感器的上述缺点。
附图说明
图1为本发明实施例的一种压阻型柔性触觉传感器结构示意图。
图2为图1的测量原理图。
图3为本发明实施例的另一种压阻型柔性触觉传感器结构示意图。
图4为图3的测量原理图。
图5为本发明实施例中所述柔性衬底示意图。
图6为本发明实施例中所述电极分布示意图。
图7为本发明实施例中检测载荷位置的原理图。
图8为本发明实施例中检测载荷力等级的原理图。
图中，1为导电压阻膜，2为柔性衬底，3为电极，4为隔离层，5为基底，6为焊盘，7为导线，8为端子。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供了一种压阻型柔性触觉传感器，具体包括激励源、5个以上的电极、导电压阻膜以及柔性衬底；
所述5个以上的电极设置于所述柔性衬底上；
所述导电压阻膜的下表面与所有所述电极电气接触，并通过所述5个以上的电极贴合在所述柔性衬底之上；
所述电极通过引出线引出至所述导电压阻膜之外；其中至少2个电极作为激励电极，与所述激励电源相连；剩余电极作为测量电极；
所述测量电极上的电信号输入训练好的机器学习模型中，得到测量结果。
在本实施例中，所述5个以上的电极分别离散地设置于所述导电压阻膜的下表面不同位置。
在本实施例中，所述导电压阻膜与所有引出线电气绝缘。
具体的，图1中激励源可为恒压源，其大小可取9V、5V等值；也可为恒流源，其大小可取1mA、5mA等值；导电压阻膜可采用Velostat，其表面电阻率约为70KkΩ/sq；导电压阻膜的形状和尺寸可取任意值，在本实施例中，1采用200mm×200mm方形导电压阻膜；柔性衬底可设计成一柔性印刷电路板，用来图案化电极和引出线的分布；3为电极，用于连接1和2形成导电通路，电极数量及排布方式可因地制宜；在本实施例中设置电极数量为5，选取其中2个为测量电极，记为S1、S2，将S1、S2与激励源相连，从而把激励信号传递给导电压阻膜；剩余电极为测量电极，记为E1、E2、E3，其上的电信号将被输入力或位置检测模型用来输出载荷的力或位置信息。
基于上文所述的压阻型柔性触觉传感器的检测方法，包括以下步骤：
开启所述激励源，当所述导电压阻膜的上表面不承受载荷时，采集所述测量电极的初始信号；当所述导电压阻膜的上表面承受载荷时，采集所述测量电极的测量信号，将采集到的初始信号与测量信号之间的差值输入到训练好的机器学习模型中，得到测量的结果，该测量结果为所承受载荷的大小等级、所承受载荷的位置或其组合。
其中，所述机器学习模型的训练具体为：
采集不同载荷放置在所述导电压阻膜不同位置上的测量信号，并设置对应的标签，作为训练样本，利用该训练样本对机器学习模型进行训练，满足预设条件时停止训练，得到训练好的机器学习模型。
上述压阻性柔性触觉传感器可以检测载荷的位置或压力。具体的，检测原理如图2所示，当一具有导电性的静态载荷C1放置在1上表面某一位置上时，一方面，由于压阻效应，1的电阻RP发生变化，E1、E2、E3上的电压信号分别产生E1Δ1、E2Δ1、E3Δ1的变化量；另一方面，C1与1之间产生接触阻抗RC，E1、E2、E3上的电压信号分别产生E1Δ2、E2Δ2、E3Δ2的变化量，将E1、E2、E3上电压信号的总变化量作为力或位置检测模型的信号输入，通过寻找所述信号输入与载荷之间的对应关系来获得载荷的力或位置信息。
如图3所示，本实施例还提供了一种压阻型柔性触觉传感器，包括激励源、5个以上的电极、第一导电压阻膜P1、第二导电压阻膜P2、隔离层以及柔性衬底；
所述5个以上的电极设置于所述柔性衬底上；
所述第一导电压阻膜P1的下表面与所有所述电极电气接触，并通过所述5个以上的电极贴合在所述柔性衬底之上；所述第一导电压阻膜P1与第二导电压阻膜P2之间设置有所述隔离层；
所述电极通过引出线引出至所述导电压阻膜之外；其中至少2个电极作为激励电极，与所述激励电源相连；剩余电极作为测量电极；
所述测量电极上的电信号输入训练好的机器学习模型中，得到测量结果。
在本实施例中，所述第一导电压阻膜P1与所有引出线电气绝缘。
在本实施例中，所述隔离层为方框形结构。
具体的，图3中，P1和P2均可采用Velostat，其表面电阻率约为70KkΩ/sq；P1和P2的形状和尺寸可取任意值，在本实施例中，P1和P2均采用200mm×200mm方形导电压阻膜。其中4为隔离层，其作用是：当没有静态载荷放置在P2上表面时，P1和P2之间没有接触，当P2上表面承受一静态载荷时，P1和P2可在承载处发生接触。隔离层可为一框型结构，在此实例中，采用一方框型泡沫，其厚度为5mm，内框和外框的尺寸分别为195mm×195mm和205mm×205mm。
基于上文所述的压阻型柔性触觉传感器的检测方法，包括以下步骤：
开启所述激励源，当所述第二导电压阻膜P2的上表面不承受载荷时，采集所述测量电极的初始信号；当所述第二导电压阻膜P2的上表面承受载荷时，采集所述测量电极的测量信号，将采集到的初始信号与测量信号之间的差值输入到训练好的机器学习模型中，得到测量的结果，该测量结果为所承受载荷的大小等级、所承受载荷的位置或其组合。
其中，所述机器学习模型的训练具体为：
采集不同载荷放置在所述第二导电压阻膜P2不同位置上的测量信号，并设置对应的标签，作为训练样本，利用该训练样本对机器学习模型进行训练，满足预设条件时停止训练，得到训练好的机器学习模型。
对于上述第二种导电压阻膜的柔性触觉传感器，所述导电压阻膜P1和P2以及所述隔离层的配置使得接触阻抗发生在传感器内部而非传感器和载荷之间，从而解除了载荷必须有导电性的限制。具体的，检测原理如图4所示，当一静态载荷C2放置在P2上表面某一位置上时，一方面，由于压阻效应，P1和P2的电阻RP1和RP2发生变化，使测量电极E1、E2、E3上的电压信号分别产生E1Δ1、E2Δ1、E3Δ1的变化量；另一方面，P1和P2之间产生接触阻抗RC2，使测量电极E1、E2、E3上的电压信号分别产生了E1Δ2、E2Δ2、E3Δ2的变化量；将E1、E2、E3上电压信号的总变化量作为力或位置检测模型的信号输入，通过寻找所述信号输入与载荷之间的对应关系来获得载荷的力或位置信息。
其中，图1或者图3中的柔性衬底2可为一柔性印刷电路板，其作用是：图案化电极和引出线的分布。电极和引出线的数量和分布可因地制宜，本实例采用如图5所示的结构。图5中标号5为柔性印刷电路板的基底，采用220mm×220mm×0.2mm的聚酰亚胺薄膜，其上有16个直径为6mm的圆形铜焊盘6，由内到外均匀分布在三个同心正方形Z1、Z2、Z3上，其边长分别为35.4mm、120mm、200mm，并由16根表面经过OSP抗氧化处理的铜导线7引出到端子8，实例一或实例二中所述的压阻型柔性触觉传感器中的电信号通过端子8输入或输出。图6显示了以图5结构为柔性衬底的电极分布，将导电银浆人工涂抹在圆形铜焊盘6上，并将图1中的导电压阻膜1或图3中的导电压阻膜P1贴合其上，待导电银浆风干后就形成了电极，图6中S1、S2为激励电极，E1、E2、……E14为测量电极。
接下来，本实施例以图3中的结构(包括两个导电压阻膜)为例，另外，为增加所述柔性触觉传感器测量信号的数量，图3中柔性衬底2为图5所示的结构。对检测方法进行说明如下：
一、采用本实施例的方法对施力位置进行检测。
A1：将传感器划分为有限个分类区域，每个分类区域的形状、大小可以按需设置，本实例中采用如图7所示的分类区域，数量为4，大小形状均一样，并记为0、1、2、3，这4个分类区域配置为在俯视下每种分类区域包含或者靠近不同的测量电极；
A2：把图6中激励电极S1、S2与激励源相连,本实例中采用的激励源为恒压源，大小为9V，用A/D转换系统将测量电极上的电信号模拟量转化为数字量并传递给电脑，A/D转换系统可为一数据采集卡，本实例中采用USB6210数据采集卡；
A3：收集样本，具体过程如下：
A3-1：当没有载荷放置在图3中P2的上表面时，记录测量电极E1、E2、……E14上的电压信号值，记为Vn1、Vn2、……Vn14；
A3-2：当一静态载荷放置在区域0的某一位置时，记录测量电极E1、E2、……E14上的电压信号值，记为Vl1、Vl2、……Vl14；
A3-3：计算测量电极E1、E2、……E14在加载前后的电压信号值差，记为F1、F2、……F14，其中，Fi＝Vli-Vni，i＝1、2、……14；
A3-4：将[F1，F2，……F14]作为所述载荷对应的样本，在分类区域0上获取N个不同位置的样本，以得到样本集S0，则S0的表达式为：
其中，
分别表示S0中第一个样本，第二个样本，……第K个样本……第N个样本；
A3-5：依照步骤A3-2至A3-4在分类区域1、2、3上分别获取样本集S1、S2、S3；一方面，当该静态载荷放置在不同位置时，图4中接触阻抗RC2也随之发生在相应位置，测量电极上会产生不同的变化量E1Δ1、E2Δ1、……E14Δ1，另一方面，由于该静态载荷质量是固定的，因此，无论放置在哪个区域，测量电极上由压阻特性引起变化量E1Δ2、E2Δ2、……E14Δ2对所有样本来说是相同的，这里可视压阻特性对传感器的测量电极上的信号产生的影响为无；
当该静态载荷放置于同一分类区域时，其对应的测量信号之间的差异较小，当该静态载荷放置于不同分类区域时，其对应的测量信号之间的差异较大，即：S0中的样本之间的相似度大于S0中的样本与S1或S2或S3中样本的相似度，对S1、S2、S3来说亦是如此；
A3-6：把[S0，S1，S2，S3]视为总样本集S；
A4：为样本集设置标签并输入SVM位置分类模型获得分类器，具体步骤如下：
A4-1：将S按照一定比例分为训练样本集Strain和测试样本集Stest，分别设置其对应的标签集为Ltrain和Ltest，其中Ltrain中元素为和Strain中样本一一对应的标签，即：当样本属于Si时，其标签值为i，i＝0、1、2、3，Ltest亦同；
A4-2：初始化SVM位置分类模型的参数；
A4-3：将Strain和Ltrain输入此分类模型，训练得到分类器M；
A4-4：用M预测Stest的标签，获得预测标签集Lprediction；
A4-5：比较Lprediction与Ltest并计算分类精度acc，其定义为：
其中，k为Stest中样本数量，I(·)为指示函数，在·分别为真和假时取1和0，lpi为Lprediction中第i个标签值，lti为Ltest中第i个标签值；
A4-6：如果acc≥0.95，保存M；否则，调整所述SVM位置分类模型的参数，并重复步骤A4-3至A4-5；
A5：当该静态载荷再次放置于所述分类区域的任一位置时，记录载荷所对应的样本并输入M，，用M预测其标签值，根据标签值和分类区域的对应关系，确定该静态载荷所放置的区域。
二、采用本实施例的方法进行载荷力检测的方法。
具体步骤包括：
B1：从小到大依次设置不同种压力等级，本实例中设置5种压力等级，记为L0、L1、L2、L3、L4，每种压力等级对应有限范围内的压力，且满足Fi,max<Fi+1,min，i＝0、1、2、3、4，其中Fi,max表示属于Li等级的压力的最大值，Fi+1,min表示属于Li+1等级的压力的最小值；
B2：把图6中激励电极S1、S2与激励源相连,本实例中采用的激励源为恒压源，大小为9V，用A/D转换系统将测量电极上的电信号模拟量转化为数字量并传递给电脑，A/D转换系统可为一数据采集卡，本实例中采用USB6210数据采集卡；
B3：如图8所示，在P2上表面选择一点作为加载点，在加载点上获取样本数据，具体过程如下：
B3-1：当没有载荷放置在P2的上表面时，记录测量电极E1、E2、……E14上的电压信号值，记为Vn1、Vn2、……Vn14，
B3-2：当具有属于所述L1等级的压力的静态载荷放置在加载点上，记录测量电极E1、E2、……E14上的电压信号值，记为Vl1、Vl2、……Vl14，
B3-3：计算测量电极E1、E2、……E14在加载前后的电压信号值差，记为F1、F2、……F14，其中，Fi＝Vli-Vni，i＝1、2、……14；
B3-4：将[F1，F2，……F14]作为所述载荷对应的样本，在压力等级L0上获取N个不同压力的样本，以得到样本集S0，则S0的表达式为：
其中，
分别表示S0中第一个样本，第二个样本，……第K个样本……第N个样本；
B3-5：依照步骤B3-2至B3-4在所述压力等级L1、L2、L3、L4上分别获取样本集S1、S2、S3、S4；一方面，由于导电压阻膜P1和P2的压阻特性，P2上表面所承受的压力越大，图4中RP1和RP2变化越大，测量电极上的变化量E1Δ2、E2Δ2、……E14Δ2越大，另一方面，由于加载点是固定的，因此，测量电极上因图4中RC2引起的变化量E1Δ1、E2Δ1、……E14Δ1对所有样本来说是相同的，这里可视为接触阻抗对传感器的测量电极上的信号产生的影响为无；
当静态载荷所具有的压力大小属于同一压力等级时，其对应的测量信号之间的差异较小，当静态载荷所具有的压力大小属于不同压力等级时，其对应的测量信号之间的差异较大，即：S0中的样本之间的相似度大于S0中的样本与S1或S2或S3或S4中样本的相似度，对S1、S2、S3、S4来说亦是如此；
B3-6：把[S0，S1，S2，S3，S4]视为总样本集S；
B4：为样本集打标签并输入SVM力分类模型获得分类器，具体步骤如下：
B4-1：将S按照一定比例分为训练样本集Strain和测试样本集Stest，分别设置其对应的标签集为Ltrain和Ltest，其中Ltrain中元素为和Strain中样本一一对应的标签，即：当样本属于Si时，其标签值为i，i＝0、1、2、3、4，Ltest亦同；
B4-2：初始化SVM力分类模型的参数；
B4-3：将Strain和Ltrain输入此分类模型，计算得到分类器M；
B4-4：用M预测Stest的标签，获得预测标签集Lprediction；
B4-5：比较Lprediction与Ltest并计算分类精度acc，其定义为：
其中，k为Stest中样本数量，I(·)为指示函数，在·分别为真和假时取1和0，lpi为Lprediction中第i个标签值，lti为Ltest中第i个标签值；
B4-6：如果acc≥0.95，保存M，否则，调整所述力SVM力分类模型的参数，并重复步骤B4-3至B4-5；
B5：当具有属于上述压力等级范围内的任一压力的静态载荷放置在加载点上时，记录载荷所对应的样本并输入M，用M预测其标签值，根据标签值和压力等级的对应关系，确定该静态载荷的压力等级。
三、采用本实施例的方法同时实现载荷力和位置检测的方法。具体步骤包括：
C1：从小到大依次设置不同种压力等级，本实例中设置5种压力等级，记为L0、L1、L2、L3、L4，每种压力等级对应有限范围内的压力，且满足Fi,max<Fi+1,min，i＝0、1、2、3、4，其中Fi,max表示属于Li等级的压力的最大值，Fi+1,min表示属于Li+1等级的压力的最小值；
C2：将传感器划分为有限个分类区域，每个分类区域的形状、大小可以按需设置，本实例中采用如图7所示的分类区域，数量为4，大小形状均一样，并记为0、1、2、3，这4个分类区域配置为在俯视下每种分类区域包含或者靠近不同的测量电极；
C3：把图6中激励电极S1、S2与激励源相连,本实例中采用的激励源为恒压源，大小为9V，用A/D转换系统将测量电极上的电信号模拟量转化为数字量并传递给电脑，A/D转换系统可为一数据采集卡，本实例中采用USB6210数据采集卡；
C4：收集样本，具体过程如下：
C4-1：当没有载荷放置在P2的上表面时，记录测量电极E1、E2、……E14上的电压信号值，记为Vn1、Vn2、……Vn14，
C4-2：当具有属于所述L1等级的压力的静态载荷放置在区域0上任意位置时，记录测量电极E1、E2、……E14上的电压信号值，记为Vl1、Vl2、……Vl14，
C4-3：计算测量电极E1、E2、……E14在加载前后的电压信号值差，记为F1、F2、……F14，其中，Fi＝Vli-Vni，i＝1、2、……14；
C4-4：将[F1，F2，……F14]作为所述载荷对应的样本，在分类区域0上获得属于压力等级L0上的N个不同样本，得到样本集S0,0，则S0,0的表达式为：
其中，
分别表示S0,0中第一个样本，第二个样本，……第K个样本……第N个样本；
C4-5：依照步骤C4-2至C4-4在区域0内取所述压力等级L1、L2、L3、L4上的样本集S0 ,1、S0,2、S0,3、S0,4；
C4-6：依照步骤C4-2至C4-5在分类区域1、2、3上分别获取样本集S1,0、S1,1、S1,2、S1 ,3、S1,4、S2,0、S2,1、S2,2、S2,3、S2,4、S3,0、S3,1、S3,2、S3,3、S3,4；
一方面，当该静态载荷放置在不同位置时，图4中接触阻抗RC2也随之发生在相应位置，测量电极上会产生不同的变化量E1Δ1、E2Δ1、……E14Δ1，另一方面，由于导电压阻膜P1和P2的压阻特性，P2上表面所承受的压力越大，图4中RP1和RP2变化越大，测量电极上的变化量E1Δ2、E2Δ2、……E14Δ2越大；
当该静态载荷放置于同一分类区域时，其对应的测量信号之间的差异较小，当该静态载荷放置于不同分类区域时，其对应的测量信号之间的差异较大，当静态载荷所具有的压力大小属于同一压力等级时，其对应的测量信号之间的差异较小，当静态载荷所具有的压力大小属于不同压力等级时，其对应的测量信号之间的差异较大，即：S0,i，i＝0、1、2、3、4中的样本之间的相似度大于S0,i中的样本与S1,i或S2,i或S3,i中样本的相似度，对S1,i、S2 ,i、S3,i来说亦是如此,Sj,0，j＝0、1、2、3中的样本之间的相似度大于Sj,0中的样本与Sj,1或Sj,2或Sj,3或Sj,4中样本的相似度，对Sj,1、Sj,2、Sj,3、Sj,4来说亦是如此；
C4-7：把[S0,0，S0,1，S0,2，S0,3，S0,4，S1,0，S1,1，S1,2，S1,3，S1,4，S2,0，S2,1，S2,2，S2,3，S2,4，S3,0，S3,1，S3,2，S3,3，S3,4]视为总样本集S，并设置它S中元素对应的标签为[0、1、2、3、4……19]；
C5：为样本集打标签并输入SVM力-位置分类模型获得分类器，具体步骤如下：
C5-1：将S按照一定比例分为训练样本集Strain和测试样本集Stest，按照C4-7中所述规则设置其对应的标签集为Ltrain和Ltest
C5-2：初始化SVM力-位置分类模型的参数；
C5-3：将Strain和Ltrain输入此分类模型，计算得到分类器M；
C5-4：用M预测Stest的标签，获得预测标签集Lprediction；
C5-5：比较Lprediction与Ltest并计算分类精度acc，其定义为：
其中，k为Stest中样本数量，I(·)为指示函数，在·分别为真和假时取1和0，lpi为Lprediction中第i个标签值，lti为Ltest中第i个标签值；
C5-6：如果acc≥0.95，保存M，否则，调整所述力SVM力-位置分类模型的参数，并重复步骤C5-3至C5-5；
C6：当具有属于上述压力等级范围内的任一压力的静态载荷放置在上述任一分类区域内时，记录载荷所对应的样本并输入M，用M预测其标签值，根据标签值和分类区域及压力等级的对应关系，确定该静态载荷所在区域及其对应的压力等级。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (10)
1.一种压阻型柔性触觉传感器，其特征在于，包括激励源、5个以上的电极、导电压阻膜以及柔性衬底；
所述5个以上的电极设置于所述柔性衬底上；
所述导电压阻膜的下表面与所有所述电极电气接触，并通过所述5个以上的电极贴合在所述柔性衬底之上；
所述电极通过引出线引出至所述导电压阻膜之外；其中至少2个电极作为激励电极，与所述激励源相连；剩余电极作为测量电极；
所述测量电极上的电信号输入训练好的机器学习模型中，得到测量结果。
2.根据权利要求1所述的一种压阻型柔性触觉传感器，其特征在于，所述5个以上的电极分别离散地设置于所述导电压阻膜的下表面不同位置。
3.根据权利要求1所述的一种压阻型柔性触觉传感器，其特征在于，所述导电压阻膜与所有引出线电气绝缘。
4.一种基于权利要求1-3任一项所述的压阻型柔性触觉传感器的检测方法，其特征在于，包括以下步骤：
开启所述激励源，当所述导电压阻膜的上表面不承受载荷时，采集所述测量电极的初始信号；当所述导电压阻膜的上表面承受载荷时，采集所述测量电极的测量信号，将采集到的初始信号与测量信号之间的差值输入到训练好的机器学习模型中，得到测量的结果，该测量结果为所承受载荷的大小等级、所承受载荷的位置或其组合。
5.根据权利要求4所述的一种压阻型柔性触觉传感器的检测方法，其特征在于，所述机器学习模型的训练具体为：
采集不同载荷放置在所述导电压阻膜不同位置上的测量信号，并设置对应的标签，作为训练样本，利用该训练样本对机器学习模型进行训练，满足预设条件时停止训练，得到训练好的机器学习模型。
6.一种压阻型柔性触觉传感器，其特征在于，包括激励源、5个以上的电极、第一导电压阻膜P1、第二导电压阻膜P2、隔离层以及柔性衬底；
所述5个以上的电极设置于所述柔性衬底上；
所述第一导电压阻膜P1的下表面与所有所述电极电气接触，并通过所述5个以上的电极贴合在所述柔性衬底之上；所述第一导电压阻膜P1与第二导电压阻膜P2之间设置有所述隔离层；
所述电极通过引出线引出至所述导电压阻膜之外；其中至少2个电极作为激励电极，与所述激励电源相连；剩余电极作为测量电极；
所述测量电极上的电信号输入训练好的机器学习模型中，得到测量结果。
7.根据权利要求6所述的一种压阻型柔性触觉传感器，其特征在于，所述第一导电压阻膜P1与所有引出线电气绝缘。
8.根据权利要求6所述的一种压阻型柔性触觉传感器，其特征在于，所述隔离层为孔形结构。
9.一种基于权利要求6-8任一项所述的压阻型柔性触觉传感器的检测方法，其特征在于，包括以下步骤：
开启所述激励源，当所述第二导电压阻膜P2的上表面不承受载荷时，采集所述测量电极的初始信号；当所述第二导电压阻膜P2的上表面承受载荷时，采集所述测量电极的测量信号，将采集到的初始信号与测量信号之间的差值输入到训练好的机器学习模型中，得到测量的结果，该测量结果为所承受载荷的大小等级、所承受载荷的位置或其组合。
10.根据权利要求9所述的一种压阻型柔性触觉传感器的检测方法，其特征在于，所述机器学习模型的训练具体为：
采集不同载荷放置在所述第二导电压阻膜P2不同位置上的测量信号，并设置对应的标签，作为训练样本，利用该训练样本对机器学习模型进行训练，满足预设条件时停止训练，得到训练好的机器学习模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110219557.4A CN113008418A (zh) | 2021-02-26 | 2021-02-26 | 一种压阻型柔性触觉传感器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110219557.4A CN113008418A (zh) | 2021-02-26 | 2021-02-26 | 一种压阻型柔性触觉传感器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113008418A true CN113008418A (zh) | 2021-06-22 |
Family
ID=76386542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110219557.4A Pending CN113008418A (zh) | 2021-02-26 | 2021-02-26 | 一种压阻型柔性触觉传感器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113008418A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114536387A (zh) * | 2022-03-01 | 2022-05-27 | 张家港江苏科技大学产业技术研究院 | 一种具有触觉感知的软体气动手爪 |
| WO2023204766A1 (en) * | 2022-04-20 | 2023-10-26 | Nanyang Technological University | An ultra-low cost, wide range, cross-talk free, near human skin sensitivity fingertip tactile sensor |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0300648A1 (en) * | 1987-07-09 | 1989-01-25 | BRITISH TELECOMMUNICATIONS public limited company | Pattern recognition |
| CN102410894A (zh) * | 2011-08-02 | 2012-04-11 | 中国矿业大学 | 界面压力分布测试传感元件 |
| US20130204157A1 (en) * | 2010-04-07 | 2013-08-08 | Sensortech Corporation | Contact sensors, force/pressure sensors, and methods for making same |
| CN105136344A (zh) * | 2015-08-15 | 2015-12-09 | 福州大学 | 非匀强电场型机器人触觉传感器及其检测方法 |
| CN109827700A (zh) * | 2019-03-04 | 2019-05-31 | 温州大学 | 一种双片式石墨基压阻式柔性压力传感器及其制作工艺 |
| CN110044525A (zh) * | 2019-04-26 | 2019-07-23 | 西安建筑科技大学 | 一种柔性电阻式点阵式压力检测系统、方法和装置 |
| CN110207862A (zh) * | 2019-05-28 | 2019-09-06 | 北京航空航天大学 | 一种基于电阻抗层析成像的触觉压力传感器与信号采集方法 |
| US20190321643A1 (en) * | 2017-01-09 | 2019-10-24 | Industry-Academia Cooperation Group Of Sejong University | Sensing system and sensing method using machine learning |
| WO2020010328A1 (en) * | 2018-07-05 | 2020-01-09 | The Regents Of The University Of Colorado, A Body Corporate | Multi-modal fingertip sensor with proximity, contact, and force localization capabilities |
| US20200200621A1 (en) * | 2018-12-20 | 2020-06-25 | Bebop Sensors, Inc. | Modeling nonlinear characteristics of materials for sensor applications |
| CN111507425A (zh) * | 2020-04-28 | 2020-08-07 | 重庆大学 | 基于气囊阵列触觉感知的模式识别方法及系统 |
| CN111693188A (zh) * | 2020-05-18 | 2020-09-22 | 南京航空航天大学 | 基于可视化电阻抗层析成像技术的压阻式柔性传感器及其制造方法 |
-
2021
- 2021-02-26 CN CN202110219557.4A patent/CN113008418A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0300648A1 (en) * | 1987-07-09 | 1989-01-25 | BRITISH TELECOMMUNICATIONS public limited company | Pattern recognition |
| US20130204157A1 (en) * | 2010-04-07 | 2013-08-08 | Sensortech Corporation | Contact sensors, force/pressure sensors, and methods for making same |
| CN102410894A (zh) * | 2011-08-02 | 2012-04-11 | 中国矿业大学 | 界面压力分布测试传感元件 |
| CN105136344A (zh) * | 2015-08-15 | 2015-12-09 | 福州大学 | 非匀强电场型机器人触觉传感器及其检测方法 |
| US20190321643A1 (en) * | 2017-01-09 | 2019-10-24 | Industry-Academia Cooperation Group Of Sejong University | Sensing system and sensing method using machine learning |
| WO2020010328A1 (en) * | 2018-07-05 | 2020-01-09 | The Regents Of The University Of Colorado, A Body Corporate | Multi-modal fingertip sensor with proximity, contact, and force localization capabilities |
| US20200200621A1 (en) * | 2018-12-20 | 2020-06-25 | Bebop Sensors, Inc. | Modeling nonlinear characteristics of materials for sensor applications |
| CN109827700A (zh) * | 2019-03-04 | 2019-05-31 | 温州大学 | 一种双片式石墨基压阻式柔性压力传感器及其制作工艺 |
| CN110044525A (zh) * | 2019-04-26 | 2019-07-23 | 西安建筑科技大学 | 一种柔性电阻式点阵式压力检测系统、方法和装置 |
| CN110207862A (zh) * | 2019-05-28 | 2019-09-06 | 北京航空航天大学 | 一种基于电阻抗层析成像的触觉压力传感器与信号采集方法 |
| CN111507425A (zh) * | 2020-04-28 | 2020-08-07 | 重庆大学 | 基于气囊阵列触觉感知的模式识别方法及系统 |
| CN111693188A (zh) * | 2020-05-18 | 2020-09-22 | 南京航空航天大学 | 基于可视化电阻抗层析成像技术的压阻式柔性传感器及其制造方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨露菁等: "《智能图像处理及应用》", 30 September 2019, 中国铁道出版社有限公司 * |
| 骆泽纬等: "智能时代下的新型柔性压阻传感器", 《材料学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114536387A (zh) * | 2022-03-01 | 2022-05-27 | 张家港江苏科技大学产业技术研究院 | 一种具有触觉感知的软体气动手爪 |
| WO2023204766A1 (en) * | 2022-04-20 | 2023-10-26 | Nanyang Technological University | An ultra-low cost, wide range, cross-talk free, near human skin sensitivity fingertip tactile sensor |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113008418A (zh) | 一种压阻型柔性触觉传感器 | |
| US5757278A (en) | Personal verification system | |
| CN109470386B (zh) | 一种力/位触觉传感器检测系统及检测方法 | |
| US20060179952A1 (en) | Piezoelectric sensor, sensor array, and associated method for measuring pressure | |
| Kimoto et al. | A new multifunctional tactile sensor for detection of material hardness | |
| GB2204131A (en) | Graphics input tablet | |
| JP2008546509A5 (zh) | ||
| CN104215363A (zh) | 基于压敏导电橡胶的柔性触滑觉复合传感阵列 | |
| CN107003190A (zh) | 高分辨率压力感测 | |
| CN108235748A (zh) | 压阻式传感器、压力检测装置、电子设备 | |
| CN105509937A (zh) | 一种压感传感器、压力检测方法及制造工艺 | |
| US20060028216A1 (en) | Probe for surface-resistivity measurement and method for measuring surface resistivity | |
| Su et al. | Design of tactile sensor array on electric gripper jaws for wire gripping recognition | |
| US20230008926A1 (en) | Sensor | |
| JP2012057992A (ja) | 感圧センサー | |
| CN112716475A (zh) | 一种基于柔性压电传感技术的表面阻抗识别方法和装置 | |
| JP3050919U (ja) | 感圧センサ | |
| WO2011105779A2 (ko) | 터치 센서 검사 장치 | |
| CN207181351U (zh) | 基于pdc/fds介质响应法的变压器含水量测量装置 | |
| JPS5837783A (ja) | 導体埋込抵抗膜を用いた座標入力装置 | |
| CN110207737A (zh) | 线阵列结构的微带天线传感器系统、传感器、检测及制备方法 | |
| CN110138373A (zh) | 按键信息处理设备及方法 | |
| TW201415015A (zh) | 量測生物液體的測試片製作方法及其結構 | |
| US20240072800A1 (en) | Sensing device | |
| US9350344B2 (en) | Test pattern membrane and method for testing capacitive sensors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210622 |
|
| RJ01 | Rejection of invention patent application after publication |