基于有限元板壳理论学习库的机器人智能感知皮肤系统

摘要

本发明公开了一种基于有限元板壳理论学习库的机器人智能感知皮肤系统，包括传感模块、有限元理论学习模块和后处理模块；在外界作用力作用于传感模块时，传感模块将采集到的数据传递到后处理模块中，通过调用后处理模块中的有限元理论学习模块中的数据，模拟实现显示外界作用力的位置及大小，达到智能感知皮肤效果。本发明采用稀疏节点离散化的贴片方式，直接将应变片位置贴于机器人皮肤上的离散节点(三角形贴法，四边形贴法)上，大大减少贴片数量，从而降低成本。

说明书

技术领域

本发明涉及智能传感器技术领域，尤其涉及一种基于有限元板壳理论学习库的机器人智能感知皮肤系统。

背景技术

在由黄英，郭小辉，刘家俊，等人研究的《可拼接式全柔性电容触觉阵列传感器设计与实验》中，提出了一种可用于机器人仿生皮肤的全柔性电容式触觉传感器，并设计成12×12正方形触觉传感阵列和正六边形触觉模块两种可拼接式阵列结构。以炭黑填充硅橡胶作为电容式触觉传感器的弹性电介质，聚酰亚胺为柔性基体，有机硅导电银胶和金属膜为上下两柔性极板，共同构成压力敏感单元。介绍了电容式柔性触觉传感器的工作原理、结构设计及两种与之对应的电容触觉阵列无线数据采集与处理系统。该得出的实验结果表明，该全柔性电容式触觉阵列传感器及信号提取系统具有良好的稳定性与灵敏度，可用作人工皮肤实现全触觉感知，但其所费成本较高并且占用较大的机器人内部空间，不利于后续的器人内部空间的其他用途开发需要。

在由李雷鸣,黄英,马阳洋,等人研究的《用于压/拉检测的机器人皮肤柔/弹性传感器阵列设计》中，提出一种可用于检测机器人皮肤接触压力和拉伸特性的新型传感器阵列。该传感器阵列的弹性电极结构克服了传统传感器不可拉伸的缺点，实现了传感器阵列的柔/弹性；阵列中设计了9个检测压力的传感器单元和2个检测拉伸的传感器单元，通过传感器结构设计和拉/压干扰特性分析以及补偿算法解决了拉伸和压力同时测量时的干扰问题，并构建了求解压力与拉伸的数学模型。该实验结果表明：该传感器阵列实现了对压力和拉伸的同步检测，可用于机器人柔性皮肤中关节等部位。然而众所周知，导电橡胶的灵敏度较差，且容易受到电磁干扰。所以在将来需要以具有类似功能的材料来代替导电橡胶,必须有很强的抗干扰性、柔性、不易损坏及易恢复原状等特点，并且易布置传感器阵列，使其具备导电性。

发明内容

鉴于此，本发明的目的是提供一种基于有限元板壳理论学习库的机器人智能感知皮肤系统。

本发明的目的是通过以下技术方案来实现的，基于有限元板壳理论学习库的机器人智能感知皮肤系统，包括传感模块、有限元理论学习模块和后处理模块；在外界作用力作用于传感模块时，传感模块将采集到的数据传递到后处理模块中，通过调用后处理模块中的有限元理论学习模块中的数据，模拟实现显示外界作用力的位置及大小，达到智能感知皮肤效果。

进一步，所述传感模块包括机器人皮肤上原有的应变花和高斯积分点上贴的应变花，该高斯积分点上贴的应变花通过对机器人皮肤进行三边形、四边形单元的离散化获得。

进一步，所述有限元理论学习库模块根据有限元方法仿真各种载荷下的主应变分布情况，并判断主应力方向指向，将有限元仿真数据形成机器人皮肤载荷响应数据库，并利用神经网络方法对数据库进行学习。

进一步，在所述神经网络方法中，以通过有限元板壳理论获得的皮肤的主应力、主应变及其方向作为学习样本。

由于采用了上述技术方案，本发明具有如下的优点：

1、本发明采用稀疏节点离散化的贴片方式，直接将应变片位置贴于机器人皮肤上的离散节点(三角形贴法，四边形贴法)上，大大减少贴片数量，从而降低成本。

2、本发明的学习库数据并非来自实验，而是通过有限元仿真进行学习，大大降低学习时间。

3、同时还基于板壳理论，通过应变花测点处主应变方向必共同指向力作用点方向，可以通过各应变花测出的主应变方向交点识别外部载荷作用点。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为BP图层结构；

图2为单元类型图；

图3为主应力方向示意图。

具体实施方法

以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

如图1所示，基于有限元板壳理论学习库的机器人智能感知皮肤系统包括传感模块、有限元理论学习库模块、后处理模块；在外界作用力作用于传感模块时，传感模块将采集到的数据传递到后处理模块中，通过调用后处理模块中的有限元理论学习模块中的数据，模拟实现显示外界作用力的位置及大小，达到智能感知皮肤效果。

在本发明中，所述传感模块包括机器人皮肤上原有的应变花和高斯积分点上贴的应变花，该高斯积分点上贴的应变花通过对机器人皮肤进行三边形、四边形单元的离散化获得。

所述有限元理论学习库模块根据有限元方法仿真各种载荷下的主应变分布情况，并判断主应力方向指向，将有限元仿真数据形成机器人皮肤载荷响应数据库，并利用神经网络方法对数据库进行学习。

向机器人皮肤施加外界作用力，使应变花发生相应的变形，此时的外界作用力，不仅仅局限于一种，可以施加多个外界作用力，只要在有限元理论学习库模块中，利用数值方法和有限元软件结合的方法，将输出的结果由神经网络算法提前训练好，找出在各个情形下各个点位移与作用点之间相应的关系，形成对应的训练样本，就能识别相应作用点位置以及作用点的个数。

在传感模块中，应变片采用四边形单元布局方式，然后在六边形单元的高斯积分点在添加一个应变花共七个应变采集点。

通过读取传感模块传递过来的数据，利用有限元理论学习库模块传递过来的训练样本，找到力作用点的位置及相应的应力云图并与划分区域相比较，实时还原出力的作用点，从而达到智能感知的效果。

所述划分区域是根据需要而人为划分的坐标点区域，用来控制外力作用点位置输出的判断区域，从而达到定点定区域的识别效果。

以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。