基于PVDF壓電薄膜的觸覺傳感器研究*

李鐵軍, 戴 騏, 楊若曦, 馬 濤, 劉今越

(河北工業(yè)大學 機械工程學院,天津 300130)

0 引 言

觸覺作為機器人與外界環(huán)境重要的接觸感知方式,從20世紀70年代起引起了學者們的廣泛研究[1]。不同團隊從壓力、接近覺、滑覺、溫覺等方面對觸覺傳感器進行了研究[2]。按工作原理劃分,觸覺傳感器主要分為壓電式、壓阻式和電容式,其中,壓電材料具有響應頻率高的特點,更適合對振動信號的獲取[3]。壓電材料可分為無機壓電材料(壓電晶體和壓電陶瓷)和有機壓電材料—聚偏氟乙烯(polyvinylidene fluoride,PVDF),PVDF材料材質柔軟,形變能力大,且具有比壓電陶瓷更高的壓電電壓常數,因此常被用于感知振動的柔性傳感器的制作中[4]。在柔性材料選擇方面,聚二甲基硅氧烷(polydimethylsiloxane,PDMS)是一種疏水類的有機硅物料,常溫下為油狀液體,與固化劑混合后可以固化,固化后有較好的彈性,且可通過調整PDMS基本組分與固化劑的質量比(下文中的質量比均指PDMS基本組分質量:固化劑質量)改變硬度,適合作為柔性傳感器的外層材料。人類手指主要由指骨、皮膚、指甲等組成,其中皮膚分為表皮層、真皮層和皮下組織,皮下組織以脂肪為主[5]。不同的研究均表明,作為直接與外界接觸的表皮層,其楊氏模量要大于真皮層[6]。在皮膚內存在四種觸覺小體,可以對不同的刺激產生不同的響應,其中帕西尼氏小體對振動比較敏感[7]。

本文模仿人體指尖結構,以PVDF壓電薄膜材料為傳感元件制作了一種仿生柔性觸覺傳感器,可將其用于機械臂末端,通過分析傳感器與材料表面滑動時產生的振動信號對物體材質進行分類識別。

1 結構設計

基于仿生思想,參考人類手指生物特征設計傳感器結構,如圖1所示。整體由一個圓柱體和位于頂部的半球體組合而成,仿指骨部分位于傳感器內部,由聚乳酸(poly-lctic acid,PLA)材料通過3D打印方式制作而成,提供傳感器的支撐與連接功能。仿皮膚層部分覆蓋于仿生手指的表面,由內外兩層PDMS材料構成,內層包含一個邊長為10 mm的正方體,考慮到當PVDF薄膜與接觸平面平行放置時,其對振動信號感知效果并不理想[8],因此,本文選擇在PDMS正方體與接觸平面垂直的相對兩側面各設置一個PVDF壓電薄膜,以提高傳感器穩(wěn)定性,當一個傳感元件失效時,另一側傳感元件仍舊正常工作,保證傳感能力有效。最外層用較硬的PDMS將傳感器包裹起來。綜合考慮材料的制作工藝及機械強度因素,兩層PDMS厚度均為1 mm。

圖1 傳感器結構示意圖

2 傳感器樣機研制及測試

裁剪兩塊10 mm×15 mm大小的PVDF壓電薄膜作為傳感元件,其中10 mm×10 mm的正方形區(qū)域為主要感知部分,剩余5 mm×10 mm長方形區(qū)域做為引線導出預留部分,為了避免高溫破壞PVDF材料結構,采用導電膠帶引出電極。用模具制作10 mm×10mm×10 mm的PDMS正方體小塊(質量比30:1),將兩片PVDF壓電薄膜用雙面膠粘貼在PDMS正方體塊的兩個相對側面,支撐零件采用PLA材料通過3D打印制作,PDMS正方體塊和支撐零件用雙面膠連接。然后,在組合體外部依次固化一層質量比30:1的PDMS和一層質量比10:1的PDMS,傳感器樣機如圖2所示。

圖2 傳感器樣機

為了測試傳感器對振動信號的感知能力及兩個PVDF壓電薄膜產生信號的一致性,搭建如圖3所示實驗平臺,將傳感器的支撐連接件與壓力計連接,并通過其施加2 N正壓力。將五種材料之一的美紋紙固定在直線模組的滑塊上,隨滑塊以v=10 mm/s的速度滑動,電荷放大器通過同軸電纜與PVDF壓電薄膜連接,采集PVDF產生的電荷信號。

圖3 實驗平臺

由于采集到的振動信號包含工頻干擾,對其利用二階巴特沃斯濾波器進行濾波處理后的時域信號,如圖4所示。從圖4可知,兩個傳感元件上采集的振動信號具有極高的一致性,這表明,當兩個傳感元件中一個失效或性能不良時,傳感器仍舊可以依靠另一個傳感元件正常工作,這對于傳感器耐用性和信號采集的有效性是十分必要的。

圖4 兩個PVDF薄膜的振動信號

3 實驗驗證

對傳感器進行材質識別性能測試,選取美紋紙、手機屏幕、海綿、毛氈、泡沫五種物體進行實驗,圖5(a)從左至右依次為這五種物體表面圖像,實驗時,令傳感器在每種物體表面分別滑動20次,每次滑動4 s,記錄傳感器檢測的振動信號,截取滑動過程中的信號較平穩(wěn)的第二秒和第三秒信號進行分析,由于2只PVDF傳感器一致性較強,因此選擇其中一個傳感器檢測到的振動信號進行濾波、快速傅里葉變換、提取特征值的分析,得到各物體表面振動產生的時域信號(圖5(b))和頻域信號(圖5(c))。由圖5(c)可知,信號振動頻率主要集中于30 Hz以下,所以從頻域信號中提取特征值時只考慮30 Hz以下部分。

圖5 五種材料表面及振動信號圖像

為了通過特征值進行分類識別,在每一種物體表面振動信號中,分別提取時域信號的均值、方差、偏度、峰度和頻域信號的最大幅值共五個特征值,另外,將頻域信號按頻率分為1～10,11～20,21～30 Hz三部分,提取每部分的均值及方差共六個特征值,即每次滑動實驗數據提取11個特征值作為分類依據,對五種材料進行分類識別。分別采用線性支持向量機(linear SVM)和K最近鄰(K-nearest neighbour,KNN)分類算法(K=3，5，7，9，11，13),使用十折交叉驗證對算法進行測試,結果如表1所示。

表1 不同分類算法準確率 %

根據表1可知,線性支持向量機和KNN算法對五種材質的分類識別準確率均達到90 %以上,將時域特征和頻域特征結合后的分類識別準確率均高于單獨使用兩類特征的分類識別準確率。

4 結束語

本文通過模仿人體手指結構,設計制作了一種基于PVDF壓電材料的仿生柔性觸覺傳感器,在對傳感器測試之后進行了材質識別實驗。實驗結果顯示,利用滑動過程中產生振動信號的特征值結合分類算法可以實現(xiàn)材質識別的功能,識別準確率達到90 %以上。