柔性传感器——多源信息融合

问题描述

机器人在智能制造、医疗康复以及国防等场合具有广泛的应用，主要包含结构、传感以及控制三方面内容；出于兴趣爱好，前期在结构和控制做了一些初步的工作，主要包含：调研了柔性机械爪控制方案；学习了永磁同步电机系统控制方法（初步）和伺服电机控制方案；调试了编码器；并且后续针对实际需求，设计完善了并联机器人、机械爪等三维结构；然而如何使机器人能够更灵敏的感受外界环境变化，一直是待解决的问题；

近来，在Science robotics看到一篇较为不错的文献，特此分享一波~（Heterogeneous sensing in a multifunctional soft sensor for human-robot interfaces，science robotics）

http://mpvideo.qpic.cn/0bf2iyabyaaa3makx2pac5pvarwddrdaahaa.f10002.mp4?dis_k=00cb1328ab411bd38fc3ed766a492ce9&dis_t=1642660881&vid=wxv_1660446409168355333&format_id=10002&support_redirect=0&mmversion=false

附1、非常欣赏本论文的表达形式：把传感器与具体的应用场景糅合起来，通过视频的方式，让大众能够直观了解到该传感器的价值~

附2、认同多源信息融合是传感器发展的方向：将多种单功能传感器组合成一个网络，后续通过算法（分类算法、神经网络）解调，确定外界激励大小~

附录：补充材料

附1、传感器基本原理？

图a表述为传感器具体结构，主要包含：1、光学原理：通过光电二极管接收光强的变化确定外界激励，对拉伸、弯曲以及扭转多种变形模式敏感；2、微流体：通过测量电阻的变化，确定外界激励的形式，对拉伸和按压变形模式敏感；3、导电布：只对拉伸敏感；图b-d表述传感器实物图；图e表述三种传感器的测量原理；图f表述不同激励作用下多种传感器的相应规律；

上图表述信号处理过程：通过人工神经网络对信号进行学习，对外界激励模式进行解算，很幸运的是，硕士期间采用同样的方法解决微动疲劳寿命预测问题，具体见推文：基于神经网络的微动疲劳寿命预测；

附1、曾经犹豫过、害怕过、退缩过，但是未来只想和你在一起~