可定制压电透射式三轴力传感器与深度学习辅助的实时力方向及强度预测

《Advanced Materials Technologies》：Customizable Piezo-Transmittance-Based Multiaxial Force Sensor With Deep-Learning-Assisted Sensing

　　

人机接口（Human Machine Interfaces, HMIs）的发展使机器人与操作员之间能够实现高效交互。软传感器因其弹性和贴合复杂表面的能力而至关重要，可在动态环境中实现安全、准确的传感。然而，许多软力传感器局限于单轴检测，或缺乏实时应用所需的方向精度和鲁棒性。本研究提出一种三轴压电透射式传感器，并与深度学习集成，用于人机接口应用中的实时力方向与强度预测。该传感器采用三个发光二极管（LEDs）和光电二极管，中间层为三个不同的不透明弹性体倾斜结构，可根据施加力的方向和大小调制透射光，从而实现三轴检测。光电二极管输出电压由定制的一维卷积神经网络（1D convolutional neural network, CNN）处理，在力方向分类中达到99.6%的准确率，在力强度预测中达到0.0003 N²的均方误差（mean squared error, MSE）。实际演示包括对二维角色扮演游戏（role-playing game, RPG）的多方向力控制，以及机器人手中的实时抓握调整和危险检测。

研究背景在于人机接口（Human Machine Interfaces, HMIs）快速发展，已融入工业、医疗、汽车和机器人等领域，传感器需兼具柔软、可集成、高灵敏和多方向力响应能力。现有软传感器多限于单轴力检测，难以解释机器人等应用中的复杂力；三轴传感器虽能捕获多方向力数据，但轴间串扰仍是难点，常需空间分布传感单元并结合机器学习进行三维力矢量判别。压阻式、电容式、机械磁式、电感式、压电式和摩擦电式三轴传感器各有灵敏度、量程、制造复杂度和静态测量等权衡。光学压电透射式传感器利用机械变形引起透射率变化，具有高线性、低迟滞和柔软性，但此前多依赖外部光源，且难以从单一光信号提取方向信息。基于此，研究人员开展可定制压电透射式三轴传感器研究，以倾斜结构实现方向性光调制，并集成深度学习实现实时力方向与强度预测。研究结论显示，该传感器保留材料柔软性和响应能力，可同时判别多方向力，并在游戏控制和机器人手反馈中展示实用性，重要意义在于为机器人、假肢、医疗、娱乐和虚拟现实等HMI应用提供制造简单、柔软、可小型化和精确三轴传感的平台。

关键技术方法概括（不超过250字）：研究人员设计三层聚二甲基硅氧烷（polydimethylsiloxane, PDMS）结构，两透明外层夹持含三个不透明倾斜结构的中层，并以三个LED-光电二极管对进行光强调制；采用有限元分析（finite element analysis, FEA）优化倾斜结构角度、宽度和长度，并用COMSOL多物理场进行机械与射线光学仿真；利用计算机辅助设计及选择性激光熔化（selective laser melting, SLM）Ti6Al4V模具制备标准4 cm × 4 cm和微型1 cm × 1 cm传感器；构建一维卷积神经网络（1D convolutional neural network, CNN）同时分类力方向并回归力强度；通过二维角色扮演游戏（role-playing game, RPG）控制器和机器人手抓握/危险检测演示验证实时性能。本研究不涉及样本队列来源。

研究结果如下。2.1 传感器设计与工作原理：通过单结构机理分析、三层PDMS和三个呈120°间隔的倾斜不透明结构设计，以及FEA参数扫描，研究人员得出法向力使所有光电二极管透射光均等降低，剪切力则依方向使部分结构闭合、部分打开，产生独特多通道光信号；最优几何为50°倾角、1 mm宽度和2 mm长度，宽长比1:2，利于小型化。2.2 制造工艺：通过CAD建模、SLM Ti6Al4V模具、黑色PDMS浇铸、电子元件嵌入、透明PDMS封装、氧等离子体处理和未固化PDMS键合，研究人员制得标准与微型传感器；微型传感器倾斜腔约100 μm，PLA打印精度不足，故需钛合金模具。2.3 传感与环境测试结果：通过对微型传感器进行线性、迟滞、循环稳定性、动态、漂移、弯曲及温湿度/光照测试，得出z轴线性度R²=0.976、x轴0.980、y轴0.989，剪切灵敏度0.75 V/N、法向0.74 V/N，剪切量程?1.5至1.5 N、法向0至1.5 N，迟滞分别为x 2.13%、y 1.33%、z 1.23%，1000次循环信号变化小，1 h漂移x 1.14%、y 0.49%，温湿度下归一化电压稳定，1 Sun外光下黑色PDMS涂层时归一化输出约10%变化，弯曲后输出可恢复，表明高线性、低迟滞漂移和環境鲁棒性。2.4 1-D CNN深度学习模型：通过构建含分类与回归分支的两层一维卷积网络、使用三光电二极管信号、按方向12–16次重复训练及内部/外部验证，研究人员得出模型可分类8个平面方向（0°–315°，45°间隔）加z轴和空闲共10类，微型传感器分类准确率99.6%、混淆矩阵≥0.99，外部验证回归MSE为0.0003 N²；标准传感器准确率97.1%、MSE 0.188 N²；由θ = atan2(F_y, F_x)可得连续方向，22.5°施加方向平均估计为21.16°，?2.5°变化平均估计为2.80°，支持约2.5°角度分辨，预测时间20–25 ms。2.5 应用：通过标准传感器控制二维RPG游戏、微型传感器装于拟人机器人手食指指骨并结合机器人操作系统（Robot Operating System, ROS）话题和比例-积分-微分（proportional-integral-derivative, PID）控制器，研究人员得出x–y剪切分类控制八方向移动、z轴触发射击、回归输出调节速度；机器人手中实现危险检测、抓握调整和旋转抓握调整，71次故意诱发滑动/接触事件全部检测，69/71方向正确，即100%事件检测率和97.2%方向准确率，无误触发，数据采集（data acquisition, DAQ）采样约0.08 s，推理20–25 ms，PID控制50 Hz，表明实时反馈可行。

讨论部分可概括为：这些演示共同突出传感器高精度、快速响应和跨不同用例的适应性，直接显示其在医疗、机器人和其他交互控制系统等HMI应用中的潜力。研究结论翻译如下：本研究提出一种软三轴力传感器，将压电透射机制与深度学习模型结合，用于准确预测力方向和大小。该传感器采用不透明倾斜PDMS结构与电子元件集成，允许低成本制造，同时保留软传感器的机械特性。器件最初以较大原型制造，后成功小型化至1 × 1 cm，并可通过改进3D打印技术进一步缩小。其紧凑外形、可调传感范围和灵敏度以及高性能指标——线性度可达约0.99、低迟滞和漂移接近1%、在不同加载和环境条件下具有强稳定性——突出其多功能性。为实现力方向和强度的实时预测，三个嵌入光电二极管的传感器输出由轻量一维卷积神经网络（CNN）处理。该架构利用各轴产生的独特信号配置，实现快速（约20 ms）且高准确率的分类（99.6%）和回归结果。该系统能力在两个应用中得到验证：作为输入设备控制定制二维RPG游戏中的角色移动和动作，以及作为机器人手指尖传感器用于危险检测和自适应抓握调整。总之，集成实时CNN模型的三轴压电透射式力传感器具有制造简单、机械柔软、小型化潜力和精确三轴传感等特性，这些特性使其成为机器人、假肢、医疗保健、娱乐和虚拟现实等多种人机接口应用的有前景平台。