一种多敏感体分区灵敏力传感器的制作方法

本实用新型属于软件技术领域，尤其涉及一种多敏感体分区灵敏力传感器。

背景技术：

力传感器在机器人柔顺操控与智能作业等方面承担了重要的感知作用，其检测精度的提高有助于实现更精确有效的力觉控制。基于fbg的力传感系统有极为广阔的运用前景，可用于测量高精度、高灵敏度的力、力矩信息，并将该信息作为反馈，形成自动控制系统，实现高效操控。基于fbg的力传感系统的良好特性使得其可以运用于医疗方面、机器人控制方面、恶劣环境特殊测量方面、动态测量方面等。在医疗方面，p.puangmali等人提出了一种精密的强度调制光纤力传感器，该传感器具有三种力分量，用于微创外科触诊手术；在机器人控制方面，melchiorri等人提出了一种基于光电元件的小型、可靠的三分量f/m传感器，用于机器人手指等系统；在恶劣环境测量方面，tan等人为了研制一种用于连续磁共振成像的磁共振兼容力传感器，提出了一种基于光学方法的多分量力传感器。在fbg所运用到的力传感系统的各方面，基于fbg的力传感系统均表现了极为优良的性能特性。

但现有的力传感器存在着诸多问题。首先，目前任何一个力传感器的灵敏度和分辨率都是固定的，难以满足现有应用场景对大载荷高分辨率的需求。如ati公司的nano17型号的传感器量程为±50(n),灵敏度为1/5(v/n),分辨率为1/80(n),而mini45型号的传感器量程为±580(n)，灵敏度为1/58(v/n),分辨率为1/2(n)。由此可见现有的力传感器难以满足同时具备大量程及高灵敏度和分辨率的要求。

此外，在实际应用过程中，由于传感器弹性体精密制作等工艺的限制，传感器存在维间耦合问题，严重影响了检测精度的提高。维间解耦方法可分为两大类，第一类是结构解耦，即通过更加优良的制造工艺和采用耦合程度低的结构来从根源消除耦合。燕山大学的单俊云等人应用螺旋理论方法设计出能够实现结构解耦的弹性体构型，取得良好的检测性能。在进行结构解耦的过程中，研究者们常常会遇到较多难以解决的工艺问题与成本问题。而软件解耦相对硬件解耦更加经济实用、可行度更高。

技术实现要素：

针对小样本下可靠性评估的缺陷，本实用新型公开一种多敏感体分区灵敏力传感器，本实用新型针对现有力传感器难以满足同时具备大量程及高灵敏度的要求，通过设计力传感器的多个敏感体，各个敏感体在宽量程内自动分区灵敏，最终实现传感器在整个大量程范围中实现多灵敏度测量，且通过遗传-随机森林算法代替了原有的随机森林法，提高了解耦的精度。

一种多敏感体分区灵敏力传感器，包括承载平台1，所述承载平台1的外周布设有若干组层叠式力感元件，每组层叠式力感元件包括至少两个应变敏感单元，应变敏感单元上安装有应变检测单元5；同一组且相邻的应变敏感单元之间成形有第一间隙8；随对承载平台1加载力的增加，相邻应变敏感单元逐渐相互接触形成叠加阻力。

进一步的改进，所述承载平台1左右两侧均安装有第一组层叠式力感元件2；所述承载平台1前后两侧均安装有第二组层叠式力感元件2-1；所述第一组层叠式力感元件2和第二组层叠式力感元件2-1均包括若干水平向应变敏感单元；所述水平向应变敏感单元包括水平圆柱体3，水平圆柱体3连接有竖向悬臂梁4，竖向悬臂梁4侧面中部正反两侧均安装有应变检测单元5；竖向悬臂梁4底部固定在底座9上；处于同一组的水平圆柱体3相互平行且处于同一水平高度上；相邻水平向应变敏感单元的水平圆柱体3之间成形有第一间隙8。

进一步的改进，所述承载平台1为倒四棱台状；所述底座9内成形有与承载平台1配合的四个斜面5-1；竖向悬臂梁4底部均固定在斜面5-1上。

进一步的改进，所述斜面5-1的倾斜角度为35--45度。

进一步的改进，相邻水平向应变敏感单元之间的第一间隙8的大小为10μm-800μm。

进一步的改进，所述承载平台1底部连接有竖向设置的竖向圆柱体6，竖向圆柱体6底部安装有第三组层叠式力感元件；所述第三组层叠式力感元件包括与竖向圆柱体6相连的上应变敏感单元7；上应变敏感单元7外周与底座9相连；竖向圆柱体6底部成形有向下凸起的上半球体凸起部6-1；上应变敏感单元7下方安装有下应变敏感单元10，下应变敏感单元10中部凸起成形有与上半球体凸起部6-1配合的、向上凸起的下半球凸起部10-1；下应变敏感单元10外周与底座9相连，且底部与底座9形成第二间隙81；上应变敏感单元7和下应变敏感单元10底面均固定有应变检测单元5；上应变敏感单元7和下应变敏感单元10之间成形有第一间隙8。

进一步的改进，所述应变检测单元5为金属箔式应变片、半导体式应变片或光纤光栅式应变计。

进一步的改进，所述上半球体凸起部6-1和下半球凸起部10-1之间的距离为50μm-400μm。

附图说明

图1为本实用新型的侧面剖面结构示意图；

图2为本实用新型的俯视结构示意图；

图3为本实用新型的信息数据流动图；

图4为本实用新型的解耦步骤流程图；

图5为本实用新型测量量程内的灵敏度图。

具体实施方式

下面结合实施例对本实用新型进行更为详细的说明。

实施例

如图1所示，本实用新型除承载平台外均由金属3d打印加工而成，承载平台通过螺钉固定连接在下方的竖向圆柱体上。应变检测单元可以为金属箔式应变片、半导体式应变片、光纤光栅式应变计等应变检测单元。底座固定在多自由度机器人的末端，承载平台固定在机器人末端执行器上，三组层叠式力感元件将承载平台和底座固定连接在一起。当机器人执行作业任务时，机器人末端执行器所承受的载荷经过承载平台、三组层叠式力感元件、底座最终传递到机器人的末端执行器上。

第一组和第二组层叠式力感元件各由6个应变敏感单元构成，对称分布在承载平台两侧，每侧各有三个，每两个相邻的应变敏感单元上方水平布置的圆柱体之间间隔为[10um,800um]。

第三组层叠式力感元件由两个应变敏感单元构成，每个应变敏感单元为处在同一个轴线上的薄圆片，两个薄圆片在相对的圆环面中心位置有一个半球体凸起部分，处于上方的薄圆片下表面中心位置有一个半球体凸起部分，处于下方的薄圆片上表面中心位置有一个半球。两个半球体凸起部分在高度方向上形成一个尺寸大小为[50um,400um]的微小间隔。

承载平台上方的倒四棱台的四个侧面分别紧靠最内侧的四个力感元件，使得与承载平台相邻的四个应变敏感单元上发生50-200微应变，倒四棱台下侧通过圆柱固定连接在传感器下方的第三组层叠式力感元件的上方薄圆片上。

应变检测单元固定在三组层叠式力感元件的应变敏感单元上，每个应变敏感单元上固定的应变检测单元可以为1个或多个。每组层叠式力感元件的应变检测单元都通过电桥的方式连接在一起构成一路检测电路，检测电路得到的信号作为输入信号输入信号调理电路，实现信号的放大、滤波、整形、限幅，经过调理的信号输入信息解耦系统，实现多维力信息维间耦合的消除和补偿。

本实用新型使用原理如下：

承载平台在安装过程中，随着螺钉的锁紧，其水平位置会相应下沉，由于承载平台为倒四棱台形状，其四个侧面的斜坡会紧靠在与其相邻的四个力感元件(层叠式力感元件)上，通过精确设计螺钉的钻入深度和螺纹的导程，保证斜坡与承载平台相邻的四个应变敏感单元上发生50-200微应变。

加载在承载平台上的载荷可以按坐标轴方向分解为空间全方位的多个分力，各个分力分别作用在三组层叠式力感元件上。为实现分区灵敏，随着水平方向的载荷的增大，首先是靠近承载平台的应变敏感单元发生形变，固定在这些应变敏感单元上的应变检测单元检测相应的应变大小。随着水平方向的载荷的增大，应变敏感单元的形变相应的增大，使得靠近承载平台的应变敏感单元与远离承载平台的应变敏感单元相互接触，由于应变敏感单元的上方都为水平布置的圆柱体，因此这种相互接触为水平线接触，使得远离承载平台的应变敏感单元发生均匀的变形，固定在其上的相应的应变检测单元发生相应的应变。当水平方向的载荷进一步增大，应变敏感单元的形变也相应的进一步增大，使得应变敏感单元的变形增大，当到达某一个限度时，应变敏感单元将与远离承载平台的应变敏感单元相互接触，应变敏感单元上的相应的应变检测单元发生相应的应变，随着应变检测单元的不断增多，传感器的输出也输出信号也越来越大，即在整个测量量程内具有多个灵敏度。

加载在承载平台倒四棱台上的竖直方向的载荷通过圆柱体加载在第三组应变敏感单元的上应变敏感单元，上应变敏感单元发生形变，固定在这些应变敏感单元上的应变检测单元检测相应的应变大小。随着竖直方向的载荷增大，上应变敏感单元的形变相应的增大，使得上应变敏感单元上的半球体凸起部分和下应变敏感单元上的半球体凸起部分相互接触，由于是球体接触，使得传递到下应变敏感单元的力为集中力，而且方向为指向半球体的球心。集中力的加载使得下应变敏感单元上的应变检测单元发生相应的应变，随着应变检测单元的不断增多，传感器的输出也输出信号也越来越大，即在整个测量量程内具有多个灵敏度，如图5所示。以上即为本实用新型的主要发明点。

本实用新型的解耦电路如图3所示，利用金属3d打印技术打印层叠式多敏感区力敏元件，采用光纤光栅应变计(fbg)作为应变检测单元，如将fbg1—fbg6作为应变检测单元分别粘贴在应变敏感单元上。层叠式多敏感区构型力敏元件在多维载荷的作用下，布置在力敏元件上的fbg元件根据载荷的大小成对进入检测状态。成对fbg的波长漂移量通过差动输出方式输出，一方面可以消除其他方向载荷引起的耦合应变输出，另一方面可以消除由于温度变化造成的波长同步漂移。fbg通过一根光纤串接在一起，并将信号引出至光纤光栅解调器中。光纤光栅解调器读出波长漂移大小，经过波长—电压转换得到相应的电压信号。获得的电压信号经过信号调理电路放大、滤波、整形、限幅，输入到信息解耦系统，实现多维力信息维间耦合的消除和补偿，最终获得全方位的力信息。

其解耦流程如图4所示：

在信息解耦系统中，对于每一个子森林都设定一个适应值，它由两部分组成，一部分是预测结果中，多维力传感器某一方向力单向加载时，该方向产生误差的最大值，即某方向最大的i类误差；另一部分是预测结果中，多维力传感器某一方向力单向加载时，其它方向产生误差的最大值。

为了将适应性表达为越大越好，而误差是越小越好，本文采用如下的公式计算适应值：

其中maxii表示某一分量上的最大i类误差，maxiii表示某一分量上的最大ii类误差。分母的三次方用于提高fit的数量级，便于区分优质子森林与劣质子森林。

在筛选初始子森林时，首先计算完整的随机森林的适应值，然后随机筛选子森林，如果子森林的适应值大于计算完整的随机森林的适应值，则保留。否则重新筛选。通过对子森林的筛选，本方法可以得到部分适应值较大的优质子森林。利用这部分优质子森林(优质染色体)，遗传算法更容易得到更好的结果。使用轮盘赌法选择子森林，适应度高的子森林活下来的机率大，适应度低的子森林容易被淘汰。子森林会有杂交与变异现象的发生。

rf-ga算法的核心代码如下所示：

functionrf-ga(){

train_source,train_result＝readexcel()；％获取训练数据

sampleout,samplein＝standard(train_source,train_result)；％标准化

init()；％将遗传算法所需参数，如杂交、变异几率等进行初始化

rf_store＝createrf(tree_num)；％创建随机森林

gene_store＝get_better_gene([popsize,tree_num])；％随机产生基因，

％基因的意义是被选择的子树，保留fit值高于原来的随机森林的子森林for(i＝0；i<generation_times；i++){

rf_store_afterchoose＝choosesubtree(rf_store,gene_store)；

％根据每一个基因将被选择的子树挑选出来

part_fit＝get_count_fit(rf_store_afterchoose)；

％计算每一个基因对应的fit值

best_gene＝find_best_gene(part_fit)；％根据fit值挑选最佳基因

best_gene_store.append(best_gene)；％将最佳基因存储起来

selection(gene_store,part_fit)；％轮盘赌进行选择

crossover(gene_store,pc)；％杂交，pc为杂交几率

mutation(gene_store,pm)；％变异，pm为变异几率

}

}

上述实施例仅仅为本实用新型的一个具体实施方式，不作为对本实用新型的限定，对于其进行的简单改进均在本实用新型的保护范围内。