基于回归的3D形状监测技术：应用于具有螺旋缠绕光纤的柔性结构

《Journal of Lightwave Technology》：Regression-Based 3D Shape Monitoring in a Flexible Structure With Helically-Coiled Optical Fiber

提出基于螺旋光纤嵌入圆柱弹性体的宏观弯曲传感器，通过可见光谱变化监测柔性结构形变，比较支持向量回归与XGBoost算法，发现SVM在预测精度和效率上更优，实现三维形变分析。

　　

摘要：

本文介绍了一种创新的光纤宏观弯曲传感器，用于监测柔性结构的形状。该系统将一根螺旋嵌入的光纤沿着圆柱形弹性体的轴线布置。结构的变形会改变光纤的弯曲几何形状，从而导致传输光的光谱发生变化。475纳米至750纳米范围内的传输光谱作为输入数据，通过人工智能辅助进行形状重建。利用基于视频的系统跟踪结构上的五个特定点，从而为监督学习创建参考数据集。比较了两种机器学习算法——支持向量回归（Support Vector Regression）和XGBoost回归（XGBoost Regression）在预测这五个监测点的空间坐标（x, y, z）方面的能力。支持向量回归在预测精度和计算效率之间取得了最佳平衡，其平均绝对误差仅为每个监测点在x和y坐标上最大位移的10%，同时训练时间最短。因此，选择支持向量回归模型来生成结构的三维重建图像。该传感器采用标准通信光纤，具有成本效益高、制造简单以及在可见光谱范围内宽带工作的特点，有望应用于柔性机器人系统的形状感知领域。

引言

监测柔性结构的变形在现代工程中起着至关重要的作用。特别是软体机器人领域，变形感知至关重要，因为这种技术能够实现更安全的人机交互或提高系统的适应性[1]、[2]。虽然柔性机器人具有较高的机械柔顺性，从而能够进行多种操作，但这也带来了预测性的挑战。因此，评估其行为对于确保系统的可靠性能至关重要。事实证明，柔性传感器在这方面非常有效，因为它们可以适应不同的弯曲和拉伸情况，并提供关于系统状态的空间反馈[3]、[4]。这些传感器的一个关键优势是它们无需依赖基于图像的跟踪技术，这使得它们在视野受限、存在遮挡或光线不足的环境中特别有用[5]。