高精度柔性差分感应传感器阵列的二维形状感知与重建研究

《Intelligent and Converged Networks》：A Novel Shape Reconstruction Technique Using Flexible Differential Inductive Sensor Array

　　

摘要：

精确的形状感知在机器人技术、生物医学工程以及结构健康监测中至关重要，这些应用涉及机器人引导和基础设施评估等任务。然而，在保持高精度的同时，仍然存在一些挑战，比如在感知和数据采集过程中处理复杂几何形状的问题。本研究介绍了一种用于二维形状感知和重建的柔性差分感应传感器阵列。该系统采用两条基于FPCB的感应传感器条，它们之间保持固定距离，通过相对电感变化来测量曲率。差分设计能够抑制背景噪声并提高信噪比。为了进行可行性研究和参数分析，开发了一个三维有限元模型（FEM），并据此优化了传感器阵列。仿真结果显示，发射线圈和接收线圈之间的间距越小，可测量的曲率动态范围越广；而间距越大则有助于提高大曲率测量时的分辨率。为了验证和展示该系统的性能，制作了一个原型系统，其中包括一个3D打印的柔性支架、一个微型电路系统以及形状重建算法。实验结果表明，对于曲率半径在40毫米到100毫米之间的情况，该系统的平均最大位置误差为1.97%；对于曲率半径在40毫米到400毫米之间的情况，平均误差为2.45%。该系统还在两种不规则形状上进行了测试，平均误差为1.25%。通过一个凹陷管道结构的三维几何重建进一步证明了其能力。这些结果凸显了该系统的高精度、优异的分辨率以及较强的适应性，为优化形状感知技术提供了宝贵的见解和进步。