一种软体流固耦合仿生帕西尼光纤触觉传感器及识别方法

本发明涉及触觉传感、仿生工程以及光纤传感，特别涉及一种受帕西尼小体物理传导机制启发的流固耦合的光纤触觉传感器及识别方法。

背景技术：

1、现有光纤触觉传感器及柔性触觉传感器通常采用柔性材料与光学或电子传感元件相结合实现触觉检测。然而，这些设计存在以下问题和缺点：现存技术大多仅仅停留在一般性的功能模仿上，未能实现生物感受器内在实际物理结构和传导机制的真正复现。现有的全固态柔性传感器感受野严重受限，且由于黏弹性固体材料在本质上表现出非均匀、非线性和依赖于频率的应力传输特性，导致传感信号极不稳定。此外，现有的光学或电子传感器通常直接将慢适应的连续应变信号作为输出，无法像真实的帕西尼小体那样实现快速适应的神经放电特征编码，因而在多任务触觉信息解码的协同解调上存在显著的滞后与不足。

技术实现思路

1、本发明提供一种软体流固耦合仿生帕西尼光纤触觉传感器及识别方法，用于解决现有固态柔性触觉传感器中存在的应力传输不均匀、感知范围受限以及动态响应能力不足的问题。

2、本发明所述识别方法基于传感器、解调装置和计算设备协同实现。具体而言，包括以下三部分：第一部分为软体流固耦合光学触觉传感器，包括：封装结构、设置于封装结构内部的光学应变传感单元，以及用于连接所述光学应变传感单元与封装结构内壁的结构桥接单元；其中，所述封装结构内部形成封闭腔体，并填充流体介质；第二部分为解调装置，与所述光学应变传感单元的光纤链路连接，用于高频采集光学应变信号并将其解调为包含触觉时序信息的波长变化信号；第三部分为触觉状态识别算法，运行于计算设备中，用于接收所述解调装置输出的信号并执行特征提取与神经网络多任务分类。

3、在一种优选实施方式中，所述封装结构为柔性弹性材料形成的封闭胶囊结构，内部填充甘油与水的混合液以作为可压缩性极低的流体介质；所述结构桥接单元为y型柔性分叉结构，其一端连接所述光学应变传感单元，另一端固定于封装结构内壁，以形成机械传递路径。

4、本发明还提供一种基于上述传感器的触觉信号处理方法，包括：解调装置获取光学应变传感单元输出的光学信号并解调为波长变化信号；计算设备对所述波长变化信号进行离散采样、滤波及归一化处理；对处理后的信号进行时间域一阶求导并取绝对值，得到瞬态响应信号；基于所述瞬态响应信号提取脉冲特征序列。

5、在一种可选实施方式中，本发明还提供一种基于所述动态脉冲信号的多任务解码方法。所述方法采用多任务一维卷积神经网络，对输入信号进行特征提取并输出至少包括物体类别信息和动态操作状态信息的多任务结果。

6、与现有技术相比，本发明通过流固耦合封装结构与结构桥接单元的协同作用，实现了外部机械载荷向光学应变传感单元的均匀传递，从而降低应力集中效应并提高信号稳定性，同时扩展了有效感知范围，并提升了动态触觉信息的解析能力。

1.一种软体流固耦合仿生帕西尼光纤触觉传感器，其特征在于，包括：柔性封装结构、光学应变传感单元、结构桥接单元以及传导流体介质；所述封装结构包括底部薄膜和顶部薄膜，两者围合形成扁平的封闭腔体；所述光学应变传感单元设置于所述封装结构内部，用于将外部机械刺激引起的结构形变转换为光学信号；所述结构桥接单元设置于所述光学应变传感单元与所述封装结构内壁之间，用于构建由封装结构至光学应变传感单元的连续机械传递路径；其中，所述结构桥接单元为柔性分叉结构，其一端与所述光学应变传感单元耦合连接，另一端与所述封装结构内壁固定连接；填充于所述封闭腔体内的传导流体介质用于在外部机械刺激作用下实现应力传递与重分布，并通过所述结构桥接单元将机械刺激传递至所述光学应变传感单元。

2.根据权利要求1所述的传感器，其特征在于：所述封装结构为柔性封闭腔体。

3.根据权利要求1所述的传感器，其特征在于：所述光学应变传感单元为光波导型传感器、光纤型传感器或光栅型传感器中的任意一种。

4.根据权利要求1所述的传感器，其特征在于：所述柔性分叉结构为y型结构或树枝状分叉结构。

5.根据权利要求1所述的传感器，其特征在于：所述流体介质为不可压缩或弱可压缩流体，优选为甘油与水的混合液，用于在外部机械刺激作用下实现应力的均匀化传递。

6.一种基于权利要求1至5任一项所述传感器的触觉识别方法，其特征在于，包括：所述方法基于包含所述传感器、解调装置以及计算设备的系统实现，包括以下步骤：所述解调装置获取所述光学应变传感单元受外部机械刺激产生的光学信号，并将其高速解调为波长变化信号序列；所述计算设备对所述波长变化信号序列进行离散采样、带通滤波以及信号归一化处理；对处理后的信号进行时间域一阶求导并取绝对值，以消除静态应变漂移并提取对应于机械刺激加载与卸载过程的瞬态响应信号；

7.根据权利要求6所述的方法，其特征在于：将所述脉冲特征序列输入多任务一维卷积神经网络进行处理。

8.根据权利要求7所述的方法，其特征在于：所述多任务一维卷积神经网络包括共享特征提取层以及至少两个并行输出分支；第一分支为主线任务分支，用于输出目标物体类别信息，并允许梯度正常反向传播至共享特征提取层；第二分支为辅助任务分支，用于输出动态操作状态信息，在训练达到预设轮次时，其输入端设有损失权重动态归零，用于阻断辅助任务的误差反向传播，以防止其干扰主线任务的特征学习。