基于压阻式传感器阵列与卷积神经网络的机器人灵巧手触觉材质与纹理辨识设计.docxVIP

PAGE2

基于压阻式传感器阵列与卷积神经网络的机器人灵巧手触觉材质与纹理辨识设计

摘要

随着服务机器人与工业自动化领域的飞速发展，机器人灵巧手在复杂非结构化环境下的作业能力成为研究热点。传统机器人依赖视觉感知存在遮挡盲区与光照敏感等局限，触觉感知作为视觉的重要补充，能够获取接触物体的力觉、纹理及材质属性，对于实现精细操作与稳定抓取至关重要。然而，现有触觉传感器多存在柔性不足、阵列规模小、数据处理滞后等问题，难以满足灵巧手对复杂曲面与微小纹理的实时辨识需求。

本课题针对上述痛点，设计并实现了一套基于压阻式传感器阵列与卷积神经网络（CNN）的机器人灵巧手触觉材质与纹理辨识系统。论文首先完成了16×16柔弹性压阻式传感器阵列的硬件设计，选用了导电高分子复合材料作为敏感单元，构建了高信噪比的信号调理电路与数据采集系统。其次，针对触觉数据的图像化处理，建立了触觉图像数据集，并设计了适用于触觉特征提取的轻量化CNN模型。系统通过嵌入式端与上位机的协同工作，实现了从触觉信号采集、预处理、特征提取到材质纹理实时分类的全流程闭环。

论文主要工作内容包括：需求分析与总体架构设计，确立了以STM32为核心的硬件底层与基于PyTorch的软件算法层；详细阐述了传感器阵列的扫描电路设计与压阻特性标定方法；构建了包含金属、木材、织物等多种材质的触觉样本库，并通过数据增强技术扩充样本容量；设计并训练了卷