用于四足机器人的定制突出结构步态传感器
四足机器人应用的柔性步态传感器研究
背景介绍
随着机器人在日常生活和工业生产中的广泛应用，尤其是在需要标准化、持久性和重负荷操作的场景中，智能机器人的发展逐渐成为趋势。然而，机器人在复杂环境中的操作仍面临诸多挑战，例如救援任务、自动化物流、自主运输和智能家居等领域。这些机器人需要理解其工作环境并自主操作，而机械运动的稳定性是其中的关键因素。传统的稳定性保障方法包括使用精确的传感器来监测姿态和环境，并结合复杂的控制系统来调整运动。然而，随着应用场景的复杂化，现有的传感器技术已无法满足需求，特别是在不规则地形和障碍物导航方面。
为了应对这些挑战，研究人员开始探索新型传感器技术，尤其是能够同时检测压力和振动的柔性传感器。这类传感器可以模仿生物机械感受器的功能，帮助机器人更好地感知外部环境。本研究提出了一种基于模板限制电纺技术（template-confined electrospinning）的柔性步态传感器，旨在为四足机器人提供高灵敏度和宽检测范围的压力与振动检测能力。
论文来源
本论文由Junyi Ren、Zuqing Yuan、Bin Sun和Guozhen Shen共同撰写，分别来自青岛大学物理学院、北京理工大学集成电路与电子学院以及青岛大学电子与信息学院。论文于2024年10月24日发表在《Advanced Fiber Materials》期刊上。
研究流程
1. 电纺溶液的制备与材料选择
研究首先制备了电纺溶液，将1.8克热塑性聚氨酯（TPU）颗粒分散在4.1克N,N-二甲基甲酰胺和4.1克四氢呋喃的混合溶剂中，通过磁力搅拌5小时，最终得到浓度为18 wt%的均匀TPU溶液。
2. 电纺过程与传感器制备
研究人员使用激光雕刻技术将释放纸加工成具有密集排列孔洞的模板，孔洞直径分别为1.5毫米和3毫米，孔洞间距为0.3毫米。模板被附着在金属接收器上，TPU溶液通过23号金属针头以0.8毫升/小时的流速进行电纺。电纺过程中，电压设置为11千伏，滚筒速度为30转/分钟，温度为35±2℃，相对湿度为15%。电纺完成后，带有凸起结构的TPU纳米纤维膜从接收器上剥离，并在室温下放置12小时。
3. 传感器组装与封装
研究人员将两块带有凸起结构的纳米纤维膜堆叠在一起，形成敏感层。随后，将银纳米线（AgNWs）分散液喷涂在聚氨酯（PU）封装膜上，作为电极。最终，敏感层被夹在两块带有电极的PU膜之间，并通过热封技术封装成传感器。
4. 材料与传感器表征
使用扫描电子显微镜（SEM）和光学显微镜对TPU纳米纤维膜的形貌进行了研究，特别是凸起结构的横截面形貌。传感器的电容通过LCR表进行测量，振动信号的采集则使用四通道示波器完成。
5. 机器人步态识别与深度学习
研究人员将传感器安装在四足机器人（小米CyberDog 2）的每条腿上，采集不同步态下的振动信号。通过构建卷积神经网络（CNN）模型，对采集到的信号进行特征提取和自动识别。训练集和测试集的比例为8:2，经过500次训练后，模型在步态识别和异常状态检测中的准确率分别达到97.50%和98.04%。
主要研究结果
1. 压力传感性能
研究表明，传感器的最大电容灵敏度为1.237 kPa⁻¹，检测范围可达1000 kPa，响应时间为5毫秒。传感器的耐久性测试显示，在9000次压力加载循环后，其性能依然稳定。
2. 振动传感性能
传感器在不同重量负载、频率和振幅下的振动检测能力也得到了验证。实验结果表明，传感器能够有效检测到5 Hz至20 Hz范围内的振动信号，并且对不同振幅的振动表现出良好的响应。
3. 步态识别
通过将传感器与深度学习算法结合，研究人员成功实现了对四足机器人不同步态的识别。实验结果显示，传感器能够准确识别慢走、快走、跑步、跳跃等步态，并且在异常状态检测中也表现出色。
结论与意义
本研究开发了一种基于模板限制电纺技术的柔性步态传感器，具有高灵敏度、宽检测范围和快速响应的特点。通过与深度学习算法结合，传感器能够有效监测四足机器人的运动状态，并在异常状态检测中表现出色。这项研究为机器人电子皮肤的开发提供了新的思路，并为提升机器人在复杂环境中的性能提供了潜在的解决方案。
研究亮点
- 高灵敏度与宽检测范围：传感器在压力检测和振动检测方面表现出色，最大电容灵敏度达到1.237 kPa⁻¹，检测范围高达1000 kPa。
- 快速响应与高稳定性：传感器的响应时间为5毫秒，并且在9000次压力加载循环后依然保持稳定。
- 深度学习结合：通过卷积神经网络模型，传感器能够准确识别四足机器人的不同步态和异常状态，识别准确率分别为97.50%和98.04%。
- 低成本制造：基于模板限制电纺技术的制造方法简单且成本低廉，适合大规模生产。
其他有价值的信息
本研究还提供了一些实验数据和分析方法，例如通过Poincaré图分析机器人运动的频率特性，以及通过短时傅里叶变换处理传感器信号。这些方法为未来相关研究提供了参考。
这项研究不仅在科学上具有创新性，还为机器人技术的发展提供了重要的应用价值。