河北工业大学黄珊、王博文 等:应用于机械手的磁致伸缩触觉传感器阵列与物体识别

EVS34圆桌论坛议程:动力电池技术

EVS34圆桌论坛议程:燃料电池商用车发展趋势

EVS34主题论坛议程:智能充换电、充换电基础设施及车网互动

EVS34圆桌论坛议程:下一代电力电子(SiC)

EVS34圆桌论坛议程:下一代电驱动系统技术和产品创新

EVS34主题论坛议程:环境、能源和社会评估

EVS34主题论坛议程:电磁兼容

EVS34主题论坛议程:汽车芯片的机遇与挑战

EVS34主题论坛议程:数字化和车用软件

EVS34主题论坛议程:氢能基础设施

EVS34主题论坛议程:新能源车智慧交通未来发展机遇

EVS34主题论坛议程:高性能、全气候、新模式下的电动商用车

EVS34主题论坛议程:新时代电动飞机关键技术与展望

EVS34主题论坛议程:新能源轨道交通技术发展

EVS34主题论坛最新议程:智能化变革下的电动汽车平台架构技术

EVS34主题论坛最新议程:电动两轮-三轮车创新出行配送最后一公里

EVS34主题论坛最新议程:2021中德新能源汽车论坛

团队介绍

王博文,河北工业大学,教授,博士生导师。研究领域为磁性材料与器件。曾获国家发明四等奖、省科学技术突出贡献奖等。在天津市总工会颁发的“九五”立功奖章一枚,授权发明专利8项。

赵智忠,河北工业大学,教授,硕士生导师。主要研究方向有磁材料与器件、高低压智能电气。获国家技术创新优秀项目奖1项,省科技进步奖二等奖1项。“百千万人才工程”省级第二层次人选,省青年科技奖获得者。授权发明专利2项。

黄珊,河北工业大学,硕士研究生,研究方向为新型磁性材料与智能器件。

本文应用了磁致伸缩材料铁镓合金设计并制作了磁致伸缩触觉传感单元,并将其集成为阵列,所设计的磁致伸缩触觉传感单元测力范围为 0~3N,当压力小于 1.5N 时,灵敏度为 151mV/N,在 1.5~3N 区间,灵敏度约为 109mV/N,测量较低的静态力时具有更高的灵敏度,在 2~4Hz 范围内对动态力具有动态响应快、灵敏度高的特点。

所设计的磁致伸缩触觉传感器阵列能很好的辨识所选区的样本,通过应用支持向量机算法,对触觉传感器阵列对样本采集的数据进行分类识别。

研究背景

为了使机械手的操作更为准确,需要在机械手上安装触觉传感器,以获得触觉信息,并准确地对物体进行分类。

虽然触觉传感器在结构设计、阵列集成等方面已取得了很大进展,且与其他领域学科结合,在医疗健康、可穿戴设备等方面展示出巨大的潜力,但还存在一些困难,如制作精密度还不够、成本高和不便于集成等。因此寻找新的合适的材料,降低生产成本,使用更加先进的工艺来制作仿生传感器已经成为迫切需要。

铁镓合金(Galfenol)有饱和磁场低、磁滞小、线性度好、力学性能好、应力灵敏度高等优点,且制作的传感器结构简单、可靠性高、精度高、成本低。根据铁镓合金的磁致伸缩逆效应,通过测量载荷附近的磁场变化,得到其外加载荷力的大小,因而铁镓材料可以作为传感器的敏感材料。

论文方法及创新点

本文首先提出了磁致伸缩触觉传感单元的模型,介绍了传感单元的组成及尺寸,并推导了传感单元的输出电压模型。

图1  磁致伸缩触觉传感单元结构图

然后,分别测试了传感单元输出电压与施加压力的关系和传感单元的动态性能。将磁致伸缩触觉传感单元设计为2x2磁致伸缩触觉传感器阵列,利用COMSOL仿真软件确定相邻传感单元间影响可忽略不计的放置距离,根据所计算的距离制作了磁致伸缩触觉传感器阵列。

最后,搭建样品测试系统,选取日常生活中常见的饮料瓶样品,测试了磁致伸缩触觉传感器阵列抓取样品过程中的输出电压特性,选择合适的特征值,应用支持向量机算法,通过选择不同的特征值数量和训练集与分类集的比例,对采集的数据进行分类识别。

图2  不同特征值数量和不同训练集分类集比例的识别率

总结

(1)设计制作了一种新型的磁致伸缩 2×2 触觉传感器阵列,应用电磁学理论、逆磁致伸缩效应和欧拉伯努利动力学原理,建立了触觉传感单元的输出特性模型。

(2)测试了触觉传感单元的静态性能和动态性能,传感单元测力范围为 0~3N。当压力小于 1.5N时,灵敏度为 151mV/N;在 1.5~3N 区间,灵敏度约为 109mV/N。在 2~4Hz 范围内对动态力具有动态响应快、灵敏度高的特点。

(3)将触觉传感器阵列装备在机械手上,应用实验测试系统,测试了触觉传感器阵列的输出特性。结果表明,根据触觉传感器阵列的输出电压及接触的触点数目,可以识别抓取的饮料样品,且对所选取的样品有很好的区分度。为进一步证明,对装满水的样品进行测试,获得了更高的识别精度。

(4)选择了机械手在抓取过程中能够提取的特征值,应用支持向量机算法,分别对不同特征值个数和不同训练集与测试集比例进行分类识别。实验结果表明,当训练集与分类集比例为 9:1 且选择三个特征值时,分类识别准确率越高,为 87.5%。

引用本文

黄珊, 王博文, 赵智忠, 王亮, 翁玲. 应用于机械手的磁致伸缩触觉传感器阵列与物体识别[J]. 电工技术学报, 2021, 36(7): 1416-1424. Huang Shan, Wang Bowen, Zhao Zhizhong, Wang Liang, Weng Ling. Object Recognition of Magnetostrictive Tactile Sensor Array Applied to Manipulator. Transactions of China Electrotechnical Society, 2021, 36(7): 1416-1424.

DOI: 10.19595/j.cnki.1000-6753.tces.200556

(0)

相关推荐