PVDF薄膜传感器滑动信号的积分简化识别算法

将PVDF压电薄膜作为传感元件,设计滑觉传感器模块,用于反馈机器人抓取时物体的相对滑动状态感知。针对其触觉、滑觉信号难以区分的问题,分析了现有方法的缺点和局限性,设计了一种基于积分简化的滑动信号识别算法,将信号曲线与坐标轴围成的面积作为考量标准,可实时、高效地识别滑动信号,通过试验验证了算法的可行性。研究表明,当信号的δ值超过40%时即可视为产生了滑动。该算法可以为实现机器人末端执行器柔顺抓取技术中的滑觉检测提供参考。     

基于CNN-LSTM的机器人触觉识别与自适应抓取控制

基于触觉进行物体识别对于机器人实现精细操作、人机交互有着重要意义。结合深度学习理论,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)神经网络的融合模型的机器人触觉序列识别方法,使用14种实验样品组建的触觉数据库进行了十四分类和四分类测试,分别达到了94.2%和95.0%的识别正确率;在此基础上搭建了一套结合物体在线识别的稳定抓取系统,有效地改善了机器人灵巧手的抓握效果。实验表明,对比基本卷积神经网络模型和简单长短期记忆神经网络模型,提出的融合模型对于触觉序列有更好的识别能力,并且能够实际应用于物体在线识别和稳定抓取控制。     

磁致伸缩触觉传感单元及其输出特性

为了满足机器人精确感知和抓取物体的需要,首先设计了以铁镓丝为敏感元件的新型触觉传感单元,搭建了传感单元输出特性测试平台,测试了其输出电压与施加静态和动态压力的关系。以触觉传感单元为核心设计了传感器阵列结构,并将传感阵列安装在机械手上,进行了抓取实验。实验结果表明,施加静态压力时,在1.908kA/m的偏置磁场下,长度为16mm、直径为0.8mm的铁镓丝组成的触觉传感单元在2N压力下的输出电压可达96mV,灵敏度为48mV/N。在1～4Hz、0～2N的动态压力作用下,传感单元输出曲线平滑,灵敏度高。传感器阵列安装在机械手上,能感知多路压力信息,精确显示机械手指的受力分布情况,可广泛应用在机械手准确抓取与智能控制领域中。     

基于电子皮肤的机器人运动感知算法研究

为了使机器人在光线不足、黑暗、沙尘等环境下感知目标物体的运动,提出了基于电子皮肤的机器人运动感知算法。算法首先使用电子皮肤作为触觉传感器采集触觉图像,接着利用柔性基底和图像形态学技术改善触觉图像;然后通过识别触觉图像形心和配准最优旋转来计算目标的平移和旋转;最后使用线性回归模型拟合平移距离和旋转角度以计算运动速度,完成运动感知。此外,使用高精度并联定位平台验证了算法精度,算法计算平移距离及速度的最大误差不超过2.7%和6.0%,计算旋转角度及速度的最大误差不超过9.7%和4.0%。该结果表明机器人触觉能在极端的工作环境下代替视觉感知物体运动,进而改善与目标的交互,扩展机器人应用场合。     

基于信号特征分析和多小波变换的机械手滑动觉感知研究

针对机械手抓取目标过程中滑移特征信号辨识困难问题，提出了多小波变换滑动觉特征检测方法。首先，研究基于FBG传感的柔性触滑觉感知机理，设计非对称梁式双层“十字”型分布传感单元结构，分析了搭载该触滑觉传感器的机械手多阶段动态抓握信号特征；其次，构建触滑觉感知实验平台，开展了动态抓握过程的触滑觉感知实验；然后，基于db10小波降噪方法对滑动觉感知信号降噪处理；最后，提出Mexican hat连续小波和一阶Haar离散小波的滑动觉信号特征分离和感知方法，并进行了相关实验研究。实验结果表明，在小波细节系数检测阈值±2×10^-4作用下，不同抓握力的滑动检测平均准确率可达98.88%,可以精确识别被机械手抓取目标的滑移状态。     

机器人触觉和热觉复合传感系统的研制

本文在分析现有机器人触觉、热党特点的基础上,提出了一种用PVDF做敏感材料研制的机器人触觉和热觉复合传感器的结构、硬件处理电路及其信号处理方法,最后,对研制的传感器及信号采集处理系统进行了触觉感知及热觉识别试验,给出了有关结果.     

基于级联式Faster RCNN的三维目标最优抓取方法研究

机器人在三维目标识别和最优抓取方面的难点在于复杂的背景环境以及目标物体形状不规则,且要求机器人像人一样在识别不同三维目标的同时要确定该目标的最佳抓取部位的位姿。提出一种基于级联式模型的深度学习方法来识别目标物体及其最优抓取位姿。第1级提出了改进的Faster RCNN模型,该模型能识别成像小的目标物体,并能准确对其进行定位;第2级的Faster RCNN模型在前一级确定的目标物体上寻找该目标物体的最优抓取位姿,实现机器人的最优抓取。实验表明该方法能快速且准确地找到目标物体并确定其最优抓取位姿。     

机器人多指手预抓取模式聚类分析

提出一种基于计算机视觉的,以及改进的模糊C均值聚类算法的机器人多指手预抓取模式分类方法.根据人手抓取分类学,将抓取手势分为13类.选取若干具有代表性的不规则形状物体,先经视觉系统采集物体图像,然后运用数字图像处理方法提取物体的姿态、大小、形状和表面粗糙度等特征,最后利用改进后的模糊C均值聚类算法对待抓取物体进行聚类分析.实验结果表明:对比人类抓取策略,该方法具有理想的预抓取模式分类效果.     

位置不确定下移动机器人自主抓取方法

往返取物递送移动机器人在入位定点抓取物体时,自身重复定位的不确定性将影响抓取准确性。为此提出一种克服位置不确定性的移动机器人物体抓取新方法。通过机器人体外定点位置深度视觉传感器与机器人手臂系统的关系标定,基于机器人本体激光传感器数据采用迭代最近点算法补偿机器人位置偏差,基于顶抓策略简化描述抓取位姿。通过待抓物识别与定位、确定抓取姿态以及机械臂运动规划等过程,实现了对平整支撑面上形状规则物体的自主抓取。在移动机器人往返取物作业场景下,实验验证了该方法可以显著提升物体抓取的成功率。     

基于三维检测网络的机器人抓取方法

机器人抓取任务中面对的是不同形状和大小的物体,而散落在场景中的物体会有不同的姿态和位置,这对机器人抓取中计算物体位姿任务提出了较高的挑战。针对于此,本文设计了一种基于三维目标检测的机器人抓取方法,弥补了基于二维图像识别引导机器人抓取任务中对视角要求较高的缺陷。首先,设计了一种卷积神经网络在RGB图像中识别物体,并回归出物体三维包围盒、物体中心点;其次,提出一种计算机器人抓取物体最佳姿势的策略;最后,控制机器人进行抓取。在实际场景中,使用本文设计的三维检测网络,三维目标检测精度达到88%,抓取成功率达到94%。综上所述,本文设计的系统能有效找到机器人合适的抓取姿势,提高抓取成功率,满足更高的抓取任务要求。     

基于特征降维和神经网络的电能表内异物声音自动识别

电能表是国家强制检定的电能计量工具,其计量的精确性影响着千家万户的利益。传统的人工检测方式不仅效率低而且检测结果不稳定。随着声学检测技术的日趋成熟,采用声学检测的方式来检测电能表内的异物已成为实现工厂自动化的大势所趋。针对现有半自动的人工检测电能表异物方式,提出一种基于特征降维和神经网络的电能表内的异物声音自动识别方法。该方法充分利用声音的时、频域特征系数和倒谱系数,先对声音信号进行通道转换、预处理和数字降噪,再对声音信号进行时、频域和倒谱分析,并同时提取其短时特征系数及改进后MFCC系数。将声音特征通过PCA降维后输入基于Adaboost算法聚类后BP神经网络分类识别,并与传统的BP神经网络分类进行比较,证明了该方法的有效性。这里给出了电能表异物自动识别技术实现的具体步骤,并通过MATLAB仿真实验证明了该方法的有效性,BP神经网络的平均识别率较高,可达到95%以上,并且计算复杂度小易于实现。     

Tactile perception by friction induced vibrations

When a finger moves to scan the surface of an object (haptic sensing), the sliding contact generates vibrations that propagate in the finger skin activating the receptors (mechanoreceptors) located in the skin, allowing the brain to identify objects and perceive information about their properties. The information about the surface of the object is transmitted through vibrations induced by friction between the skin and the object scanned by the fingertip. The mechanoreceptors transduce the stress state into electrical impulses that are conveyed to the brain. A clear understanding of the mechanisms of the tactile sensing is fundamental to numerous applications, like the development of artificial tactile sensors for intelligent prostheses or robotic assistants, and in ergonomics. While the correlation between surface roughness and tactile sensation has already been reported in literature, the vibration spectra induced by the finger-surface scanning and the consequent activation of the mechanoreceptors on the skin have received less attention. In this paper, frequency analysis of signals characterizing surface scanning is carried out to investigate the vibration spectrum measured on the finger and to highlight the changes shown in the vibration spectra as a function of characteristic contact parameters such as scanning speed, roughness and surface texture. An experimental set-up is developed to recover the vibration dynamics by detecting the contact force and the induced vibrations; the bench test has been designed to guarantee reproducibility of measurements at the low amplitude of the vibrations of interest, and to perform measurements without introducing external noise. Two different perception mechanisms, as a function of the roughness wavelength, have been pointed out. The spectrum of vibration obtained by scanning textiles has been investigated.     

基于EMD和BCS的振动信号数据修复方法

为改善振动信号修复效果,引入贝叶斯压缩感知(BCS)理论,并提出一种基于经验模态分解(EMD)的贝叶斯压缩感知修复方法,以解决连续缺失信号修复问题。针对随机缺失信号,根据压缩感知修复原理,利用贝叶斯压缩感知算法进行修复;针对连续缺失信号,先对其进行经验模态分解,对分解得到的所有基本模式分量利用多任务贝叶斯压缩感知算法进行修复,最终将所有修复的基本模式分量累加得到整体信号。利用西储大学公开轴承数据进行修复实验,发现所提方法在时频域指标、误差、信噪比、峰值信噪比等方面均优于正交匹配追踪和正则化正交匹配追踪算法。从修复效果角度验证,发现该方法成功还原了外圈故障信号基本模式分量中的故障特征频率,达到了修复的目的。     

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。     

Development of a tactile sensor array with flexible structure using piezoelectric film

This research is the development of a flexible tactile sensor array for service robots using PVDF(polyvinylidene fluoride) film for the detection of a contact state in real time. The prototype of the tactile sensor which has 8X8 array using PVDF film was fabricated. In the fabrication procedure, the electrode patterns and the common electrode of the thin conductive tape were attached to both sides of the 28/im thickness PVDF film using conductive adhesive. The sensor was covered with polyester film for insulation and attached to the rubber base for a stable structure. The proposed fabrication method is simple and easy to make the sensor. The sensor has the advantages in the implementing for practical applications because its structure is flexible and the shape of the each tactile element can be designed arbitrarily. The signals of a contact force to the tactile sensor were sensed and processed in the DSP system in which the signals are digitized and filtered. Finally, the signals were integrated for taking the force profile. The processed signals of the output of the sensor were visualized in a personal computer, and the shape and force distribution of the contact object were obtained. The reasonable performance for the detection of the contact state was verified through the sensing examples.     

一种基于属性-操作对象模型的并发控制

现有的并发控制方法都是分别对各种数据对象进行并发控制处理,没有一个统一的解决方法.通过对实时计算机支持的协同工作系统中各种可操作对象及其属性和操作的分析,设计了一种基于属性-操作对象模型的并发控制方法.它可支持对文本、图形、图像以及三维对象的并发控制,可将所有作用于协作对象上的操作都分解为简单的原子操作,当并发操作发生冲突时只需进行简单赋值即可,降低了处理并发控制的复杂度;同时引入状态向量,改进了操作转换算法,有效地提高了系统的运行效率.     

A Method for Scanning the Internal Structure of an Object by a Synthesized Aperture using a Doppler Signal

A method for constructing the image of an object from a Doppler signal reflected by the object using a synthesized antenna aperture is proposed. The technique is based on the known property of a synthesized aperture to focus to a certain range. Cartograms of the objects reconstructed by using Doppler signals are presented.     

纹理触觉再现技术的研究现状及发展

物体一个非常重要的触觉特征是它具有表面纹理信息,人们可以通过触摸物体获得这种感觉.在虚拟现实或遥操作领域,将虚拟的或远地的物体的纹理信息再现并作用于操作者手部,不仅可以增强系统的临场感,而且可以帮助操作者识别不同特性的虚拟物体.触觉再现技术近几年已成为虚拟现实和遥操作领域研究的前沿技术,文中介绍了当今世界上仅有的几种可以再现纹理触觉的方法,并比较他们各自的优缺点.最后,指出纹理触觉再现技术的发展思路.