PVDF薄膜传感器滑动信号的积分简化识别算法

刘伟，丁力平，翟建军，武新光，贺鋆轩

(1. 南京航空航天大学 机电学院，江苏 南京 210016；2. 西安北方惠安化学工业有限公司，陕西 西安 710000)

0 引言

传感器是机器人与工作环境直接产生作用的必备媒介，通过模仿人类的感知，反馈接触、滑动、温度等信息，进而使机器人完成物体抓取等操作任务。而检测机械手与物体间的滑动，是实现夹持力柔顺控制和高精度抓取的关键所在。

常见的触滑觉传感器[1]主要有电容式、压阻式、磁敏式、光纤式等，但这几类传感器因为精度不高、标定复杂、难以集成等逐渐被淘汰。目前，压电式应用最广，特别是近年来研发的聚偏氟乙烯(polyvinylidene fluoride，PVDF)薄膜，由于其压电能力强、柔性好、强度大、耐力学冲击、耐腐蚀和可任意分割等优点得到广泛应用[2]。它能同时检测触觉和滑觉信号，但两者耦合在一起，分离上存在一定困难。

辛毅、田红英等人[3]利用PVDF薄膜构建了基于LabVIEW的触滑觉识别系统，获得了典型的触觉信号和滑觉信号的变化曲线；张立勋等人[4]利用斜率和方差的计算对PVDF薄膜产生的信号进行处理，区分物体的碰撞和滑动。但是，因物体的表面粗糙度等因素各不相同，采用阈值或斜率这类绝对值的方法判别具有一定的局限性；而方差法需要采集足够多的信号才能提高算法的准确性，在实时性方面不够好。

本文以PVDF压电薄膜作为传感元件，将其用于检测上、下料机器人末端执行器柔顺抓取过程中物体的滑动信息，并设计一种基于积分简化的滑动信号识别算法，通过多次试验，确定物体产生滑动时的信号阈值，为夹持力控制和调整提供准确实时的反馈。

1 PVDF压电薄膜的传感原理

PVDF是一种含氟聚合物，极化之后有很强的压电特性，经过多年的发展已经成为最具潜力的聚合物压电材料[5]。

如图1所示，将PVDF薄膜沿x方向单轴拉伸，沿z方向极化，处理之后可作为压电传感元件使用。使用时，薄膜表面受力产生的微振动会使其携带的电荷量发生变化，通过放大和处理转化为电压信号，即可以为控制系统提供反馈信息。

压电方程[6]反映了晶体电学量和力学量之间的相互关系。处理后的薄膜压电常数矩阵为：

(1)

此时外加电场为0，其压电方程表示为：

Di=dijTj(i=1～3，j=1～6)

(2)

式中:T为应力(N/m2)；D为电位移(C/m2)；d为压电应变常数矩阵。

PVDF压电薄膜的电荷输出是指它所有方向上的应变在极化方向上作用的响应[7]。试验中所用压电薄膜极化方向沿薄膜厚度方向，将其贴附在机械手指的内表面。此时，传感器有横向和纵向两个方向上的受力，故其输出电荷可表示为：

Q=(d31S1+d32S2)·EA

(3)

式中:dij为压电应变常数；Si为应变(i=1、2)；E为弹性模量；A为传感器电极覆盖的面积。

2 滑觉传感器信号处理电路

传感器的信号处理电路如图2所示。电路以多级TL081运放作为核心元器件，分为电荷变换级、适调级、低通滤波器、末级功放、过荷级等几个部分[8-9]。

整个信号处理电路可视为一个具有深度负反馈的运算放大器，其等效电路如图3所示。

图3 信号处理等效电路

Kf为放大电路的开环增益，则传感器输入电荷与电路输出电压之间的关系可用下式来表示：

(4)

式中：U0为电路输出电压；U1为等效输出电压；Q为传感器电容的电荷量；Kf为放大器开环增益；C1为等效电容。

由米勒定理可知，等效电容与反馈电容的关系为：

C1=C+(1+Kf)Cf

(5)

式中：C=Ca+Cc+Ci；Ca为传感器自身电容；Cc为电缆电容；Ci为输出电容。

从本节推导也可以看出，PVDF压电薄膜传感器的输出只与电荷量有关。薄膜振动产生电荷量越多，电压信号越大；反之，电荷逐渐释放，输出电压降为初始值。

3 基于积分简化的滑动信号识别算法

理论上，由于压电薄膜的电容特性[10]，机械手与物体之间接触力变化产生的传感器信号呈跳跃式，且持续时间很短，如图4(a)所示；有相对滑动时，薄膜表面产生微振动，传感器信号呈连续式，持续时间较长，如图4(b)所示。

实际抓取过程中，机械手与物体接触碰撞产生的信号对滑动状态的检测会产生干扰，因此，设计有效的滑动识别算法，区分接触和滑动信号，才能准确地反馈滑动状态，这对实现柔顺抓取至关重要。

图4 理想电压信号曲线示意图

目前常用的方法有斜率识别和方差识别。斜率法以采样起始点和极值点之间的斜率作为识别标准，然而实际上不同物体表面各不相同，信号极值波动较大，接触和滑动引起的信号难以直接区分。方差法能够反映信号趋势，在一定程度上对两者进行区分，但是需要采集到足够多的数据才能提高算法的准确度，耗时较长，实时性不高。两种方法均有一定的局限性，本文设计了一种积分简化的识别算法，能够实时高效地判断物体滑动程度。检测到的传感器电压信号如图5所示。

图5 积分简化算法识别示意图

在一个采样区间nT内(n为采样周期数，T为采样周期)，电压信号的极值为Vmax，矩形部分面积为S，与曲线及坐标轴围成的阴影部分面积为SV，则两者可以分别表示为：

S=nTVmax

(6)

(7)

那么，物体的滑动程度δ可以表示为

(8)

考虑到积分计算的复杂程度，为提高算法的效率，将积分进行如下简化：

(9)

代入(8)式可得：

(10)

可见，δ值的大小即可以反映物体的滑动程度，而且值越大滑动程度越大。

理想情况下，积分简化算法识别过程如图6所示。图6(a)为接触力信号识别，图6(b)为滑动信号识别。显然当取样区间相同时，滑动信号的δ值远大于接触力信号的δ值。

图6 理想曲线的积分简化算法识别示意图

通过试验发现传感器输出信号的初始值不为0，因此为了避免对滑动信号的识别造成影响，去除了阴影部分面积中初始值与坐标轴围成的部分，修改后的滑动信号识别算法为：

(11)

4 试验验证及结果分析

试验所用美国某公司生产的PVDF压电薄膜如图7所示，厚度为150μm。薄膜一端铆接两根导线，分别连接压电薄膜的两面，导线与电荷运算放大器相连组成滑觉传感器。

图7 PVDF压电薄膜

将压电薄膜紧贴在机械手内表面，当其与物体有接触或者相对滑动时，产生的电荷经过调节电路处理之后转化为电压信号，通过UMAC控制器采集数据到上位机进行处理，试验系统整体如图8所示。

图8 滑动信号识别试验系统

通过试验得到的传感器输出波形如图9所示，对采集到的数据进行处理得到结果如下：

1) 由图9(a)可以看出，抓取过程中机械手刚接触到物体时由于碰撞传感器信号突然增大，随后快速降低并在初始值附近波动，利用式(11)积分简化算法计算出此时δ=20.7%；

2) 随着夹持力增大，完成物体的预夹紧并尝试向上抬起如图9(b)所示，物体仍有滑动产生，此时的δ=46.1%；

3) 当夹持力增大到夹紧物体时无滑动产生，如图9(c)和图9(d)，传感器信号几乎没有波动，δ值约为0。

图9 滑觉传感器输出信号

为了验证该积分简化算法的先进性及实用性，以滑动信号识别的准确度和实时性作为两个衡量指标，对同一次抓取试验采集到的有效数据，分别利用阈值法、斜率法及方差法进行识别。经过多次试验，其中某5次结果如表1和表2所示。

表1 阈值法识别结果 单位：V

表2 斜率法识别结果 单位：V

由表1、表2的阈值法和斜率法识别结果可以看出，物体发生接触和滑动时传感器的电压信号大小，没有明显的界限和规律，多次试验的准确率均低于10%。因此难以用来识别PVDF压电薄膜传感器的滑动信号。

在利用方差法识别时，同样取前150个有效数据点，得到的接触和滑动时信号没有明显区别，试验准确率较低，因此将取样点扩大到300个，识别结果如表3所示。接触时信号方差普遍在1.2V2以上，而滑动时信号方差低于1.0V2，有一定的区分度。但是由试验数据可知，当采集的信号达到400个左右时物体已经滑落，可见方差法的实时性不能达到要求。

表3 方差法识别结果 单位：V2

表4为积分简化法识别结果，取样点为150个。可以看出接触信号与滑动信号的δ值具有明显的区别：当δ<23%时传感器输出的是接触力变化引起的信号，当δ>40%时产生的是滑动信号。对比方差法可知，取样点少了一半，实时性得到提高，并且几乎没有误判，准确度较高。

表4 积分简化法识别结果 单位：%

5 结语

本文将PVDF压电薄膜作为检测机器人柔顺抓取过程中物体滑动程度的压电传感元件，利用调理电路对传感器信号进行处理，并基于其压电特性提出一种积分简化的滑动识别算法，对采集到的数据进行处理，进而判断物体的滑动情况。通过抓取试验验证了算法的可行性和先进性，结论如下：

1) 与传统的阈值法、斜率法和方差法相比，本文提出的积分简化算法具有更高的准确性和实用性，识别速度提高近1倍；

2) 通过多次试验确定δ值超过40%时物体即发生了相对滑动，可以将这种传感器及滑觉信号识别算法应用到机器人抓取过程中物体的滑动检测，为实现柔顺抓取提供反馈。