基于小生境遗传算法的多维传感器动态解耦方法

多维传感器的动态耦合是指某一方向的动态输出信号中,含有其他方向输入量的影响,该项误差是影响传感器测量精度的一个重要因素。基于小生境遗传算法,提出了多维传感器动态解耦方法。该方法利用传递函数矩阵分析法的解耦思想,可以根据多维传感器的标定数据,应用系统辨识方法和小生境遗传算法直接求解解耦网络并进行优化,克服了原经典方法中对传感器模型精确已知的要求,具有一定的鲁棒性。仿真结果证明了该方法的正确性和有效性。

全数字输出的集成式微型多维传感器

本文提出了一种基于INA337仪表放大器及TLV0838串行A/D转换器的集成式微型多维传感器。该传感器可实现六维力/力矩及两维加速度的测量,输出为SPI串行总线。

多维传感器的研制

本文简要介绍多维应变传感器,着重介绍设计原则和静校方法。

不确定性多维传感器数据的有效存储与查询方法

为解决传统数据库管理技术无法有效管理不确定性数据的问题,该文设计了一种多维数组树(MB树)。MB树是一种基于贝叶斯网络的图数据结构,以贝叶斯网络作为概率图模型解决存储和查询问题。对海量数据建模并响应查询。证明了可预测性和结构关联性。利用真实数据集和合成数据集对MB树的性能进行了测试。验证了具有潜在联合分布的MB树的编码准确度。与相似的图模型比较,采用MB树的查询处理效率平均可提升约3倍。

基于查询表的多维传感器解耦算法研究

利用查询表建立多维传感器的特性模型 ,并用双线性插值法对车轮力传感器的输出信号进行解耦计算 ,降低了通道间的信号耦合 ,结果表明该方法的解耦效果良好 ,且易于在计算机上实现。

大数据环境下多维传感器数据融合算法研究

在分析国内外大数据及数据融合研究现状的基础上,针对多维传感器产生的海量数据存在冗余性、割裂性、片面性,数据来源广、维度多、类型杂等特点,分析了数据融合的基本原理及基本步骤,并论述了数据融合的分类方法。在此基础上,提出基于深度置信网络(DBN)的多维传感器数据融合算法,在人工神经网络基础上,重点介绍了DBN的结构及DBN的训练过程。在每一层中,采用数据向量推断隐层,然后把这一隐层作为下一层的数据向量,从而寻找最佳权值。在设定的实验场景下,对多维传感器数据集实例进行实验。实验中分析了算法的重构误差、算法的耗时性等参数。仿真结果表明,所提出的算法具有有效性和优越性,对改进大数据环境下多维传感器数据融合算法具有借鉴意义。

基于多点多维传感器的肢体运动姿态自动检测方法

肢体在运动时,对肢体移动情况的检测结果与实际情况存在较大误差,为此,提出基于多点多维传感器的肢体运动姿态自动检测方法。利用K6D27多元件传感器作为数据采集装置,以肢体的关节为节点,布置多维传感器,并获取肢体在立体空间内的运动数据。借助两级卡尔曼滤波器降低噪声,将移动速度和移动角度作为关键变量,通过典型时间规整实现肢体运动姿态信息的获取。测试结果表明:设计方法对肢体动作姿态的检测准确度达到0.95以上,误差较小,具有较高的可靠性。

大数据背景下多维传感器数据融合过程与算法研究

在分析国内外大数据及数据融合研究现状的基础上,针对多维传感器产生的海量数据存在冗余性、割裂性、片面性,数据来源广、维度多、类型杂等特点,分析了数据融合的基本原理及基本步骤,并论述了数据融合的分类方法。在此基础上,提出基于深度置信网络(DBN)的多维传感器数据融合算法,在人工神经网络基础上,重点介绍了DBN的结构及DBN的训练过程。在每一层中,采用数据向量推断隐层,然后把这一隐层作为下一层的数据向量,从而寻找最佳权值。在设定的实验场景下,对多维传感器数据集实例进行实验。实验中分析了算法的重构误差、算法的耗时性等参数。仿真结果表明,所提出的算法具有有效性和优越性,对改进大数据环境下多维传感器数据融合算法具有借鉴意义。

多维力传感器静态标定装置的研究进展

为保证多维力传感器测量准确度,必须对该传感器进行静态标定,因此研究多维力传感器静态标定装置具有重要意义。首先,从多维力传感器静态标定需求出发,按工作原理将目前国内外主流使用的多维力传感器静态标定装置划分为静重式和叠加式这两类。然后,介绍了砝码式、杠杆式、自动式这三种静重式多维力传感器静态标定装置和液压式、龙门式、试验机式、移动平台式、电机式这五种叠加式多维力传感器静态标定装置的工作原理,对各种装置的国内外研究现状和存在不足分别进行了评述,并分析对比了各种装置的关键技术特点及优缺点。最后,从通用性、重复性、多维力模拟能力、成本效益等方面对多维力传感器静态标定装置进行了展望,指出了装置的设计和实施面临的挑战。该研究为后续多维力传感器静态标定装置的研创提供了参考。

用于机器人抓取的谐振式柔性二维力传感器

现有柔性多维力传感器普遍采用多单元结构组合来监测力输入,信号获取与分析难度大。提出了一种能够无线监测法向力与切向力的谐振式柔性力传感器。传感器由封装层、介质层、电感层以及电阻层构成,其中介质层材料为硅橡胶(Silicone Rubber,SR)与石墨烯(Graphene,GR)组成的柔性复合材料,电阻层材料为调制的炭黑(Carbon Black,CB)油墨。封装后的传感器在有线测试中表现出不错的力、电学性能,在无线测试中对法向力与切向力的灵敏度分别为2.78 MHz/N(0~20 N)与0.43 dB/N(0~5 N)。将传感器安装在机械手上以监测抓取过程中的法向力与切向力变化,研究结果表明该传感器在机器人触觉领域具有应用前景。

机器人多维力传感器的研究进展

机器人多维力传感器是机器人与人和外界环境交互的重要部件。力感知技术作为机器人的四大关键技术之一,在抓取、打磨、装配以及健康医疗等领域得到了广泛应用。针对机器人多维力传感器当前的研究进展情况进行了概述。首先对几种常用的多维力传感器的研究现状进行了简单的介绍,然后介绍了几种典型的弹性体结构和改进的弹性体结构。此外,对多维力传感器的标定方法进行了总结,并对标定中存在的问题进行了讨论。由于维间耦合是影响传感器精度的关键因素,且广泛存在于各种结构的多维力传感器中,所以减小或消除维间耦合成为多维力传感器研究中的一个不可或缺的内容,因此对多维力传感器的解耦方法进行了综述。在动态力信号测量场合,需要动态性能好的多维力传感器,还给出了多维力传感器动态性能补偿的一般方法,并分析了运动中的机器人多维力传感器存在的惯性力问题及一般的解决方法。最后,对多维力传感器技术的未来发展趋势提出了新思路,并指出了未来需要解决的问题。

电阻式柔性触觉传感器的研究与医养健康领域应用现状

近年来,可穿戴智能系统的进步对柔性压力传感器提出迫切的需求。其中,电阻式柔性触觉传感器因其原理简单、易于加工、集成效率高等特点得到了迅速发展。但是,如何实现传感器在宽压力监测范围内,具有高灵敏度仍是研究者们要面临的挑战。为了解决上述问题,除了选择先进的功能材料和合适的衬底材料,优化传感器结构也是一个重要的研究方向。本文立足于传感器件的结构设计,分别介绍了一维的纤维纱线传感器件,基于表面微结构、纳米结构构筑的二维平面传感器件及具有空间结构和高空隙的多维立体结构传感器件,通过以上结构设计实现了传感器件性能的提升,最后分析了其在医养健康领域的实际应用进展。

一种新的协作机器人人机用电容式多维力传感器设计

针对传统的应变式和压阻式多维力传感器存在信号需要放大调理、制作工艺难度大、成本较高等不足,设计出一种新型电容式多维力传感器。该传感器把所有的传感元件制造在单个印刷板上,无需粘贴应变片等元件,而是采用容值的变化来感知外部信息;COMSOL多物理场仿真软件仿真分析结果显示该电容式多维力传感器具有输出信号幅值大无需放大、抗干扰能力强、无需粘贴应变片等元器件易于实现小型化、成本较低、运行稳定等优势。

脉冲涡流矩形传感器的多维信号特征分析与缺陷识别

脉冲涡流是一种可以对飞机结构中缺陷进行有效检测的电磁无损检测技术。本文设计了三维检测传感器,并对矩形激励传感器中的多维检测信号进行了研究。分别在传感器不同扫描方向下,对三维检测传感器的Bx、By与Bz曲线进行了特征分析。实验证明取其中任意两路信号都可构成蝶形图,可以有效地实现缺陷的判别。对检测信号进行特征分析后,不仅可以判断缺陷的有无,还可以评估缺陷的长度,深度等信息,为进一步实现飞机机身缺陷的定量检测提供了有价值的参考。脉冲涡流技术将会在航空无损检测领域发挥重大的作用。

多维传感器标定的支持向量机复合式方法

提出了多维传感器标定的支持向量机复合式标定方法,解决了多维传感器标定中的参数不确定性和耦合非线性因素.对一个多维传感器进行了支持向量机复合标定的仿真研究,将这一方法应用到六维力传感器测量系统的标定试验中.结果表明,与传统标定方法相比,支持向量机复合标定的方法在不增加数据样本的情况下,能够显著提高传感器标定的精度;同时也比纯支持向量机标定有更强的泛化能力,复合标定的模型还可以为传感器的设计提供依据.

多维力传感器耦合分析及解耦方法的研究

耦合现象普遍存在于多维力传感器中,多维力传感器输出如不经过解耦,数据直接应用到机器人操作中,会导致机器人的误操作。针对存在的耦合现象,本文首先分析了多维力存在的耦合原因,根据产生原因将耦合分为两种形式:结构耦合和误差耦合,然后提出了一种新的解耦方法-基于线性神经网络解耦方法,与传统解耦方法相比,该方法大大提高了解耦合精度。最后通过实验验证了该方法的有效性和优越性。

多维力/力矩传感器静态解耦的研究

多维力 /力矩传感器的静态耦合是影响其测量精度的主要因素之一。在研究基于最小二乘理论的多维力传感器静态线性解耦方法的同时 ,提出了一种基于 BP神经网络的静态非线性解耦方法。以 HIT灵巧手的微型五维指尖力 /力矩传感器为对象进行了实验 ,结果表明 。

运动-力解耦的多维轮力传感器研究

介绍了一种具有运动-力解耦功能的多维车轮力传感器。基于车轮力传感器的特殊安装与实用环境的测量误差,在常规轮力传感器力-力维间解耦与测量的基础上,引入运动测量技术与校正方法,提出了一种联合的解耦方法,能够对运动场下传感器测量的旋转耦合误差和惯性耦合误差进行补偿,同时还兼顾初值误差校准,进一步提高了车轮力的测量精度和稳定性,即实现运动-力解耦。

基于神经网络的多维力传感器静态解耦的研究

提出了基于人工神经网络进行多维力传感器静态解耦的方法。维间耦合是制约多维力传感器测量精度的主要因素,为克服传统线性解耦方法的局限性,利用BP神经网络的强非线性逼近能力研究了多维力传感器的非线性静态解耦。以研制的微型5维指尖力/力矩传感器为对象进行了解耦实验,结果表明,与基于最小二乘的线性解耦方法相比,提高了解耦精度。

一种应变式多维力传感器的优化设计

针对一种十字梁多维力传感器进行了应力—应变分析,建立了这种传感器的应力—应变模型,并对这种传感器的结构尺寸和应变计贴片位置进行了优化设计,优化设计以传感器获得最大精度为目标,结果显示:传感器优化后其顺应矩阵的条件数下降,传感器测量精度提高。