光纤光栅柔性触觉传感器的材质识别功能研究

针对目前应用于电子皮肤的触觉传感器不能兼具柔韧性和多模态信息感知等问题,对封装于同一柔性聚合物传感单元中的两根光纤光栅触觉传感器的材质识别功能进行了有限元仿真和实验研究。首先,推导了光纤光栅触觉传感原理和基于热传递的接触物体材质识别机理;然后,对封装材料和接触物体进行了热力学仿真分析;最后,搭建了实验系统平台,对光纤光栅柔性触觉传感器进行了材质识别实验研究。仿真和实验结果表明,当接触物体为70℃的铝、铁、塑料等材质时,由于热传递引起的光纤光栅温度传感器中心波长漂移最大值分别为：Δλ_B1=0.588 9 nm、Δλ_B2=0.277 3 nm和Δλ_B3=0.169 2 nm,且在接触的前10 s内中心波长漂移随时间变化率分别为k₁=31 pm/s、k₂=19 pm/s和k₃=6 pm/s。扩展光纤光栅触滑觉传感器的接触物体材质识别功能,可实现电子皮肤更多模态信息的感知,具有一定的应用价值。     

基于偏最小二乘的数控机床热误差稳健建模算法

建立预测模型对热误差进行预测和补偿是解决机床热误差问题的常用方法,该方法中模型的预测精度和稳健性易受环境温度影响而明显下降,对此本文提出了基于偏最小二乘法的热误差稳健建模算法。首先使用相关系数法筛选温度敏感点,并建立热误差偏最小二乘回归预测模型。进而基于全年环境温度下的多批次热误差实验数据,分析最佳的温度敏感点个数。最后建立热误差偏最小二乘回归模型,并与普通多元线性回归模型的预测效果比对分析。结果表明本文所提算法平均预测精度为5.7μm,模型稳健性为0.56μm,相较于普通多元线性回归算法,预测精度和稳健性分别提高13.8%和49.5%。说明本文所提的热误差稳健建模算法能够在环境温度变化较大时保持高预测精度和高稳健性。     

基于神经网络的光纤布拉格光栅触觉信号解耦研究

针对应用于电子皮肤的柔性光纤布拉格光栅触觉传感器的输出信号是施加载荷位置、大小等信息的非线性、多维耦合问题,在对光纤布拉格光栅触觉传感阵列进行力学有限元仿真的基础上,提出了将误差逆传播神经网络和径向基函数神经网络应用于仿真和实验的触觉信号解耦方法。对实验数据的神经网络解耦结果表明,相对于误差逆传播神经网络,径向基函数神经网络具有更强的抗噪声能力,能够更好地逼近含有噪声的触觉多维非线性实验数据之间的映射关系。经径向基函数神经网络解耦后,传感器阵列的空间分辨率为5 mm,对压力位置和大小感知的最小相对误差为3.00%和4.82%。本文的研究成果对开展电子皮肤柔性触觉传感器的研究和推广具有一定的实用价值。     

基于灰色模型的蔬菜农药残留量不确定度评定

针对检测值的分布函数未知时,蔬菜农药残留量的不确定度存在难以评定的问题,提出了一种基于灰色模型的评定方法。采用气相色谱法测定蔬菜中9种有机氯类和拟除虫菊酯类农药残留量;将农药残留量检测看作灰色过程,构建蔬菜农残量不确定度的灰色评定数学模型,并用该模型对9种有机氯类和拟除虫菊酯类农药残留量的不确定度进行评定;与蔬菜农残量不确定度的统计评定结果进行对比。结果表明:基于灰色模型的评定方法能够较快计算蔬菜农残量的不确定度,与统计学标准差计算值之间无显著性差异,两者结果的相关性极强(相关系数为0.997)。该方法用于评定小样本、分布类型未知的蔬菜农残量的不确定度是科学可行的。     

色品图离散数据的曲线拟合

研究了在380-830nm波长范围的单色光色品坐标的数据特性,叙述了基于入射光的R、G、B三色测量值离散数据经计算、转换,最终获得波长值的数学模型的分析、构造原理和研究过程,提出了采用不同分段方法获取离散数据连续函数的计算模型,说明了通过模型实现数据转换的方法。研究表明,采用色品图离散数据分段曲线拟合得到计算波长具有较小的误差,能够满足光谱数据测量和分析的要求。     

高压设备在线温度检测方法的探讨

针对高压设备在线温度检测要求,讨论了接触式和非接触式测温的方法,分析了工厂高压设备不同测温要求的热电阻、热电偶测温的工作原理和系统组成,探讨了光纤测温在高压设备中应用的可能性,比较了不同温度测量方法的特点,展望了光纤测温在高压设备温度监控中在线监测技术的发展前景。     

基于光纤光栅的机械手指触滑觉传感研究

针对机械手指柔性触滑觉传感问题,提出了一种基于光纤光栅的二维分布式传感阵列的触滑觉传感方法,该方法采用两根平行放置和一根倾斜放置的光纤光栅传感器组成传感单元,利用弹性材料封装增强光纤光栅对压力的灵敏度,并以单元阵列的方式实现对触觉三维力、滑动方向以及滑移位置的感知。仿真和实验结果表明,该方法可以很好地实现对触觉正向压力和剪切力的传感,其中正向压力在0~3.691 9×103Pa的范围内灵敏度为Kp=0.194 pm/Pa,x正向剪切力在0~1.115×103Pa的范围内灵敏度为Kpt=0.03 pm/Pa。通过对传感阵列中不同光栅中心波长漂移的上升沿和峰值时间差实现对物体x轴的滑移方向的判断。该方法可以很好地实现对机械手指触滑觉信息的测量,具有一定的应用价值。     

基于正则化的机床热误差自适应稳健建模算法

通过建立预测模型对机床热误差进行补偿,是有效解决热误差造成机床精度下降问题的常用方法。本文提出一种基于正则化的数控机床热误差自适应稳健建模算法,能够在建模过程中自适应选择温度敏感点(TSPs),并具有高预测精度和稳健性。首先基于结构风险最小化原则对热误差建模稳健性机理进行分析,进而利用正则化算法中LASSO解的稀疏性实现自适应TSP选择。然后基于不同实验条件的热误差数据,分析所提建模算法的预测效果,并与常用的多元线性回归、BP神经网络和岭回归算法进行比对分析。结果表明,本文所提建模算法具有最高的预测精度和稳健性,分别为5.22和1.69μm。最后,利用所建立的预测模型进行热误差补偿实验,以验证本文所提建模算法的实际补偿效果。     

基于迁移学习的异工况下机床热误差建模方法

机床热误差预测模型在不同工况下难以保持高预测精度是导致热误差实际补偿效果差的重要原因，对此本文提出一种基于迁移学习的异工况下机床热误差建模方法。首先利用核均值匹配算法获取不同工况下机床温度数据间的迁移权重，从而提出基于迁移学习的热误差建模方法；对不同工况下热误差数据进行差异显著性检验，并利用本文所提方法建立热误差预测模型，分析建模效果；然后比对分析本文所提建模方法与常用建模方法的实际预测效果，最后进行补偿验证实验以证明本文所提方法的有效性。结果表明，本文所提基于迁移学习的建模方法能够有效提升建模效果，其中迁移学习结合LASSO算法针对不同工况下热误差数据的预测精度和稳健性分别达到3.73和1.14μm,补偿后机床X/Y/Z 3个方向热误差分别保持在-2.3～3.1μm、-3.4～3.9μm和-3.3～4.6μm范围内。