Stewart型指尖力传感器结构尺寸对其灵敏度的影响研究

研究了基于灵敏度性能的Stewart平台型六维指尖力传感器结构参数的设计方法。分析Stewart型指尖力传感器的力与应变关系,并定义其灵敏度评价指标,给出传感器结构尺寸对其灵敏度评价指标的影响曲线,这对实现合理设计Stewart平台型指尖力传感器的结构很有意义。

航天服手套指尖力测量方法研究

目的对比两种航天服手套指尖力的测试方法,对两种测试方法的基本特征和测量结果进行分析。方法研究中使用了外置式与内置式两种方法,外置式测试为无人测试,使用外骨骼装置对航天服手套指尖力进行测量;内置式测量由受试者粘贴压力传感器、佩戴舒适手套后进行手套指尖力测试。结果通过两种方法,分别得到手套在工作压力下指尖力与手指弯曲角度的关系,所得曲线均具有迟滞特性和相似的变化趋势,但指尖力的数值上有明显差异。结论本文使用的两种方法均能在一定程度上反映手套手指关节的活动性能,它们有各自的优势和特殊的应用。

微型五维指尖力/力矩传感器的研究

本文介绍了一种新型用于多指灵巧手的微型五维指尖力/力矩传感器。该传感器采用了高度集成式弹性体结构;应用最小二乘理论实现了传感器的静态标定。微型指尖力/力矩传感器的成功研制为具有感知功能的机器人灵巧手的研究奠定了基础。

基于PVDF的三维指尖力传感器设计

在智能机械手控制过程中,为了获取指尖力三维信息,设计了一种基于聚偏二氟乙烯(PVDF)压电薄膜的指尖力触觉传感器,并通过数学模型描述了压电薄膜及传感探头原理,设计了相应的调理电路。以和接触面所呈不同角度的指尖力为测试对象。测试结果显示:所设计的指尖力传感器能准确检测指尖力的三维信息,可用于实际的指尖力检测。

虚拟指尖力传感器的建模与实现

为了在灵巧手动力学研究领域提供更多的研究工具,根据真实三维指尖力传感器的原理,运用力传感器弹性体建模的方法,构造了虚拟指尖力传感器的模型。为了求解力传感器模型的弹性体变形量,采用了一种动力学方程数值积分方法。该虚拟指尖力传感器,通过在机器人灵巧手虚拟现实遥操作平台上的运用,实现了对抓取滑动的判断,并验证了模型的精度。最后,基于滑动的判断,系统确定了一种抓取策略,针对虚拟环境中灵巧手的自主抓取问题进行了有益的探索。

基于sEMG和LSTM的指尖力预测

针对智能假手指尖力控制精度低的问题,提出了一种基于表面肌电(sEMG)和长短时记忆(LSTM)网络的指尖力预测方法。首先,通过搭建的指尖力预测实验平台,同步采集肌电信号和指尖力信号。然后,对采集到不同动作下的sEMG信号进行降噪处理、活动段划分、特征提取,使用反向传播(BP)神经网络和支持向量机(SVM)的方法进行分类。最后,建立表面肌电信号和力(sEMG-F)的映射模型,通过LSTM进行训练预测,并与广义回归神经网络(GRNN)的预测结果进行对比,表明LSTM的指尖力预测误差在1.3~1.7 N,验证了LSTM网络的优越性。

一种指尖三维力传感器设计

设计了一种用于仿人灵巧手的指尖三维力传感器,采用十字梁与中心直梁相结合的结构实现对三维力的感知。首先利用ANSYS工具对设计的十字梁弹性体进行静力学分析,通过分析对弹性体的结构尺寸进行了优化,并给出了最佳贴片方案;最后对设计的指尖三维力传感器进行静态标定试验,建立了维间耦合误差模型,利用静态解耦算法对传感器耦合误差进行解耦计算,有效提高了指尖三维力传感器的测量精度。实验结果表明:设计的三维指尖力传感器的测量精度优于2.5%。

机器人手指尖六维力/力矩传感器的研制

提出一种机器人手指尖六维力 /力矩传感器 ,并对其弹性体结构进行详细论述 ;分析应变量与测量量的对应关系 ;采用现代设计手段对弹性体进行模态分析。并介绍了传感器放大处理电路 。

一种结构解耦型变刚度驱动软体手抓握能力分析

为了实现变刚度驱动软体手的精确抓取,设计了一款结构解耦型的变刚度驱动(变刚度与变形驱动)软体手指。建立了软体手指的指尖力模型,并计算了手指指尖力,将实验测试的手指指尖力数据与计算结果进行比较,证明了手指指尖力模型在一定精度范围内能够预测手指的抓握行为。基于软体手指的指尖力模型对软体手的结构尺寸进行设计,并根据设计的软体手进一步研究指腹的抓握能力,通过仿真与实验的相互印证得到了软体手指腹抓取的抓握力模型。仿真和实验结果表明,软体手的抓握能力与手指的刚度、变形驱动能力以及软体手的抓握形态有关。

一种新型结构机器人的四维指力传感器设计

建立一种基于E型膜片和双薄矩形薄片结构机器人的四维指力/力矩传感器弹性体有限元分析模型,分析弹性体在4种载荷工况下的应力分布、固有频率和振型,得到弹性体的应力—应变规律及传感器的静态、动态性能,确定应变片的粘贴位置和检测电路,研制用于智能手爪指尖的四维力传感器。研究结果表明,该传感器具有结构简单、灵敏度高、易于标定的特点。

基于EMG的假手实时力跟踪控制

针对商业假手灵活性及智能化水平较低的问题,进行了具有力矩/位置感知的五指假手及其控制方法的研究.以人体前臂肌电信号(EMG)为控制源,以力传感器检测指尖法向力,通过SVR支持向量机(Support Vector Regression,SVR)构建了指尖力的预测模型;采用网格搜索法确定模型的参数,缩短了训练时间,提高了模型的泛化能力.通过在线预测,结合带有二阶微分跟踪器的模糊PID控制方法实现了指尖施力实时跟踪;速度快,超调小,鲁棒性强,提高了假手的控制水平.

基于肌电信号的多模式抓握力估计

针对大多肌电控制的假肢只研究模式识别而没有对抓握力和抓握模式同步解码的问题,提出一种同时分析抓握模式和抓取力的方法。首先,采用4通道表面电极采集人体手臂肌电信号(EMG),采用力敏电阻(FSR)采集抓取力信号;然后,分别利用线性判别分析(LDA)方法和人工神经网络(ANN)进行抓握模式识别和力估计。在4种抓握模式下分别建立4个肌电信号-力关系,一旦判别出抓取模式,则调用相应模式下肌电信号-力模型估计抓握力大小以实现模式识别和力估计的结合。实验结果表明,当进行模式和力的同步解码时,模式平均分类精度约为77.8%,力估计的准确率约为90%。该方法可以用于假肢的肌电控制,不仅可以解码使用者的抓取动作的意图,还可以解码使用者期望的抓取力,辅助假肢实现稳定抓取。

虚拟现实灵巧手姿态力度控制算法与仿真

针对灵巧手虚拟现实的控制,提出了数据手套控制手指关节角度,肌电信号进行抓取力度控制的方法。建立了虚拟现实灵巧手模型,根据神经网络算法实现前臂肌电信号对抓取过程中的拇指尖力预测。实验改变拇指接触状态,预测力模型与实际力度对比,验证模型的有效性。该研究可用于智能假肢控制及上肢康复训练、遥操作机器人等领域。