英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
摘要：
报道了基于光纤散斑图分析的触觉传感器的开发。该设备是由连接到3个多模纤维的9个微调激励器组成，并连接到30times;30 mm2接触表面的矩阵排列。输出光纤散斑场，由相干光传输产生通过多模波导，处理以评估标准化的内积系数，根据散斑图参考进一步与外部负载特性相关
做法。最后，施加在触觉框架上的力的大小和位置是通过数据融合技术估计，产生机械的概率分布干扰。传感器特性表明灵敏度为0.5 N-1，具有检测1毫米位置变化的能力，可与触觉技术的要求相媲美。此外，数据融合方法提供了0.86相对精度的负载分布估计，允许基于仅3个传感光纤的响应评估触觉变量利用波长复用方案。
- 简介
触觉传感器被定义为能够获得信息的设备关于通过物理的对象或环境接触[1]。这些设备可用于感知多种类型物理变量，例如施加的力，振动和温度，以及对象特征，包括纹理，形状和几何[1,2]。与视觉能力，触觉感知的能力相关联。人类在完成人类方面发挥着重要作用操纵和探索任务，允许主体处理具有不同力量和灵巧度的工具，以及感知外部媒体基于物理反馈。从这个意义上讲，开发能够检测和处理的技术触觉变量对于高级实施至关重要系统，如灵巧的机械手和类人机器人[3]，微创手术医疗器械[4]，医疗保健和康复系统[5]，农业和食品加工[1]，和用户界面[6]
另一方面，触觉能力的复制涉及到接触设备必须具备若干技术挑战，能够检索分布的时间和空间信息在传感器区域，要求加工大数据集[1,7]。另外，有必要分发大量的沿感应区域传感元件，间距最小，这意味着空间分辨率和测量之间进行权衡范围[8]。此外，由于设备通常受到影响直接机械激励，传感器结构必须耐用，对环境有抵抗力，最好是柔性的，被动的，和实施成本低[2,8]。目前，已经开发了各种触觉传感器
关于不同的传导原理。例如，压阻式器件通常设计为由硅制成的阵列应变仪芯片隔膜[9]，或导电聚合物[10]并提供良好的线性和高机械灵活性，但其特点受温度的影响很大[11]。电容式传感器通过插入一对导电网格层制造具有介电膜[6,11]，对正常情况具有高灵敏度尽管审讯电路很复杂[3]。触基于压电材料的医疗和机器人应用矩阵聚合物的作用也有报道[12]，但它们的作用用法仅限于动态激励[6]。另一种方法包括使用基于电或磁询问的感应装置[13]，允许人们检索力方向并实现频率复用，尽管这样实现需求复杂的方案[2]。最后，反射型光学传感器可以由LED光电探测器对阵列制成[14]或柔性平面波导[15]，使得有可能获得力量以直接形式分布。但是，这样的设备可以目前在滞后和空间分辨率方面存在局限性[3]。在这种情况下，光纤传感器很有前途设计实用触觉界面的替代方案。这些设备可用于监控各种物理变量，以及现有的固有特性，如高灵敏度，轻量级，分布式测量和多路复用能力和抗电磁干扰[16]。
通过使用光纤束可以获得外在型传感器收集在柔性表面[17]中反射的光，或可变形的具有嵌入式角度抛光端面波导的元件机械调制耦合光强[18]。即使操作原理简单，光学响应取决于每根光纤的精确对准，这可能是在密集矩阵的情况下难以实现。另一个例子包括通过交织形成感测点网格多个波导[19,20]，导致光衰减微弯损失。这种方法也可以应用于设计嵌入式塑料光纤的智能纺织品[21]，其中便于生产可穿戴的触觉系统。尽管微弯传感器提供的线性度和灵敏度，几个点的监测需要同时进行测量过多的光纤，增加硬件成本和处理时间。或者，评估分布力也可以通过光纤布拉格光栅进行（FBG）系统，通过将传感元件布置在触觉阵列中[22-24]或将纤维嵌入柔性箔中以制造人造纤维皮肤[25]。这种方法的主要特点是能够执行波分复用，允许人们检索来自具有少量传感光纤的多个光栅的信息。另一方面，FBG传感器通常需要昂贵的询问方案，并不能用空间解决连续lsquo;rsquo;分辨率为几毫米的点。
从这个意义上讲，本文报道了触觉的发展基于光纤散斑图传感器（FSS）的矩阵。该FSS是基于输出散斑场（散斑图）的分析[26]，提供光纤状态偏差的评估响应外部刺激，并作为单臂工作干涉。 这种传感器表现出高灵敏度，相对较低实施成本和多路复用能力[26,27]，应用于位移的测量[26]，温度[28]，化学浓度[29]和生物医学信号[30]。因此，所提出的触觉传感器利用光纤状态信息在斑点区域编码以建立力网格换能器，通过进一步处理获取的光信号概率网格式数据融合的一种方法。
- 测量原理
2.1。光纤散斑图传感器
光纤散斑图传感器之所以是基于分析的从光纤端面投射的散斑场，是因为其产生的相干光是通过多模波导的传播[31]。当光纤受到机械或热干扰时，输出强度峰值的形态会随着光导条件的变化而做出反应[26]。因为斑点场保留有关纤维状态的信息，它是可以通过量化斑点来测量外部刺激偏差，可以在非常敏感的情况下通过相关函数完成。给定强度I（x，y）在xy平面上投射的散斑场，[26]定义标准化
散斑图的内积系数（NIPC），表示为
NIPC = （x，y）（x，y）dx dy /
，
其中（x，y）是参考光纤状态的强度。根据Eq。（1），随着I向的偏离NIPC值从1减少到0随着I向的偏离。在力F测量的情况下，事先校准后从NIPC值中检索,可以将寻址到未受干扰的条件（F = 0），以及施加的力的大小。
2.2 散斑图参考
散斑图分析也可以提供外部刺激应用于同一纤维的不同位置有关的信息，这是触觉传感器的关键特性。例如，考虑一下由一对力传感器（即TA和TB）组成的排列间隔一定距离并连接到同一波导，如图1（a）所示。每个设备都是独立的力（FA或FB）范围从0到最大值（Fmax），得到单个输出光斑的调制。就光纤状态而言，散斑场强度I（x，y）可以根据组合假设4种特征模式施加力，定义4种状态，如图1（b）所示。最初，纤维处于未受干扰的中性条件N，对应于没有外部刺激（FA = 0，FB = 0）。如果FA增加到最大值。散斑图将更改为另一种形态。由于光的衰减和散斑的重新分布模式，达到状态A（FA = Fmax，FB = 0）。因为散斑图在受控条件下是可逆的，去除力FA将使I（x，y）恢复到状态N.此外，如果FA是逐渐增加，斑点图案将会与力量大小成正比的修改，但它总是当FA = Fmax时收敛到A. 也可以通过激励换能器TB，观察到相同的行为。将散斑图引导到另一根光纤状态B（FA = 0，FB = Fmax）观察到相同的行为。最后，如果波导受到干扰两个传感器同时具有最大负载，即输出
模式将采用第四种形态AB（FA = Fmax，FB = Fmax），也可以通过分别增加FB或FA从A或B到达。因此，可以充分描述光纤状态
通过这4个条件（N，A，B和AB）施加的力（Fmaxge;Fge;0）。为了量化斑点偏差，通过寻址参考条件来计算4个NIPC值到每个定义的状态比较方便。如上所述，内积系数表示不同斑点之间的偏差程度
因此，NIPC仅在假设当前状态与参考状态匹配时才采用单一值。即使是NIPC，如果光纤受到外部刺激的调制，也会减少。从每条NIPC曲线获得如果散斑图变为另一个预定义状态，即内积对于这个第二个参考将按比例增加施加的力，就有可能去估计幅度和通过组合测量变量的相对位置的信息。
图1.基于散斑图相关性分析的同时力感测方案：（a）分别用力FA和FB激励的2个换能器（TA和TB）的测量装置，并连接在单个多模光纤（MMF）上。 由激光源（LS）发射的光被引导通过MMF，产生输出散斑场强度I（x，y）; （b）由力调制引起的可能的光纤状态（N，A，B，AB）的图表。
图2.光纤触觉传感器：（a）俯视图和（b）侧视图。 MMF：多模光纤（k表示第k个光纤）; （u，v）：传感器框架的坐标系; T（u0，v0）：微弯曲传感器; F（u，v）：施加的力。 触觉传感器的照片如（c）所示。
- 材料和方法
3.1。 触觉传感器设计
触觉传感器的原理图如图2所示。该设备包括一个柔性的3030mm2,0.05 mm厚的聚氯乙烯（PVC）板，作为触摸表面，安装在刚性丙烯酸基板上。 由石墨棒（长10毫米，直径0.5毫米）以周期性方式（5毫米周期性）排列形成的微弯曲换能器放置在板的内表面上，构成波纹变形器结构。弯曲装置包围一段约2m长度硅多模光学器件 纤维（62.5微米直径包层，聚乙烯缓冲层和平面抛光端面），引起透射光强度的机械调制[32]。
为了给触觉框架提供空间灵敏度，这些激励换能器以3times;3矩阵排列对称地分布在传感器区域上，每行由3根光纤中的一根交叉。 该设置是基于先前的结果[33,34]获得的，具有改进的泛化能力。相对位置由以传感器表面为中心的笛卡尔坐标系（u，v）定义，图2（a）为传感器。 由T（，）表示，其中（，）对应于微调装置的中心。
图3.实验装置。 LS：激光源; MS：模式加扰器; MMF：多模光纤; F（u，v）：施加力; FS：输出散斑图; CCD：探测器; PC：数据处理和分析。
3.3。数据处理
首先将颜色空间中的散斑图像转换为灰度，然后通过2D小波变换（Daubechiesdb4）进行滤波以去除噪声。接下来，每个捕获的帧进行NIPC计算，等式1。 （1），通过将参考强度（x，y）寻址到通过先前校准获得的不同光纤状态。对于由9个微弯换能器T（，）和3个光纤（图2）组成的触觉阵列，它是为了方便评估传感器区域上的总体力分布所定义的参考条件。给定准时力F（u，v），针对第k个光纤计算并且参考F（，）= Fmax状态的NIPC用Nk（u，v）表示，而NIPC表示未受干扰的条件F（，）= 0由Nk0标识。在这个意义上，可以选择F（，）作为9个微弯曲换能器中的每一个所占据的位置，从而产生3组10个NIPC曲线。因此，可以通过组合从每个波导获得的数据来估计力空间分布。
3.4。传感器数据融合
通过用阵列换能器，选择用于评估不同位置处的力响应的附加参考状态，可以在触觉传感器中观察到扩展散斑图。然而，随着网格尺寸的增加，有必要处理相当数量的NIPC曲线，以便从斑点图案中正确地解码空间信息。此外，在可能的纤维状态之前建立校准曲线是费力的并且难以在实际设置中实施。在这个意义上，一个可行的替代方案包括获得一组有限的NIPC曲线，参考单一负载配置，然后根据可用数据的组合估算总体力分布。虽然这个过程可以通过人工神经网络（ANN）[35]来实现，但很难在空间域中推广ANN输出，从而产生内接在固定大小网格中的力响应。
从多个换能器获取的信息可以通过利用基于贝叶斯参考的数据融合技术进行处理[35,36]，其中NIPC曲线被视为单独的测量元素，它们被组合以形成多传感器网络。 根据贝叶斯定理，由状态向量x描述的观察z的条件概率函数P（x | z）由下式给出：
P(x|z)=P(z|x)P(x)/P(z),
其中P（z | x）是观测模型，P（x）是先验概率，P（z）是边际概率[35]。 关于数据融合问题，可以从传感器模型P（z | x）获得后验概率P（x | z），而首先假设状态向量的先验知识P（x），然后通过递归更新进行调整。 最后，将P（z）= a设置为归一化常数。
传感器模型提供根据NIPC值计算的力分布P（u，v）。 对于通过第k个光纤散斑图评估的单个换能器T（，），相关的力分布Pk（）（u，v）可以用高斯函数来描述，
(u,v)=exp[-] o，
其中（，）是传感器位置，（，）是标准偏差，o是偏移量。 由于概率函数曲线表示围绕（，）的力概率，必须根据传感器T（，）上施加的负载的大小对（，）进行调制，这是从相应的NIPC值获得的。（，）。 因此，一旦通过静态校准确定（，）和（，）之间的相关性，就可以计算力分布（，）（u，v）作为NIPC偏差的函数。 另一方面，分析由提供的信息以便识别触觉传感器是否没有施加的力也是方便的。 在这种情况下，可以将高斯曲线调制成平坦轮廓以模拟均匀分布，表明第k个光纤不受直接负载。 因此，可以将标准偏差定义为
（，）)g(
其中f和g是调制函数，主要由校准曲线和触觉帧尺寸定义。
根据多传感器数据融合方法[35,36]，力分布概率P（u，v）由下式计算：
(u,v)],
图4.传感器对施加在触觉框架中心的准时力F（0,0）的响应。 通过三次多项式拟合（R2gt; 0.99）调整平均NIPC值。
等式（5）为每个传感器模型Pk（）中包含的信息，为了由已知（u，v）生成后验概率P（u，v），其可以假设为均匀分布或集合 在递归更新的情况下到当前的负载条件[35]。 为了使力分布P（归一化，必须调整常数以进行逐次调整。 最后，由于位置（u，v）偏离中心（）时高斯函数衰减为零，因此将偏移量0设置为非零值很重要，以防止Pk（）在假设任何位置的空概率，而取消方程式中特定元素的贡献。（5）。
- 传感器表征
4.1. 强制响应
为了评估光纤传感器的静态灵敏度，使用配备有测力传感器的机械平台在触觉框架中心F（0,0）上输入受控制的力。 最初，执行器2.5毫米球形探头经过精心调整，以保持与传感器表面的最小接触，力可忽略不计。 接下来，通过将负载保持为每增量5 s，将机械激励的幅度每次增加0.1 N一直到1.5N。根据未受扰动的条件（，和）评估每种光纤的NIPC。 如图4所示，考虑到每个数据值的5秒采集间隔的平均值，小点表示15个实验的平均值。
由于纤维状态偏离参照物，因此NIPC值随着应用力的增加而趋于降低。表示0le;Fle;0.6N范围的线性行为，然后是Fge;1N的饱和度。另一方面，和表示Fle;0.5N的低灵敏度区域，传感器响应进一步改善，调制力增加。 ，和的线性范围内的绝对静态灵敏度分别为0.22,0.501和0.33。对于获得了最好的结果，因为换能器（连接到光纤2）位于机械激发源的正下
全文共12151字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[419]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
