[發明專利]一種機器人觸覺動作識別系統及識別方法

有效

• 申請號: 202011253508.4
• 申請日: 2020-11-11
• 公開（公告）號: CN112428308B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 劉吉曉;王鵬;侯福寧;劉闊;郭士杰
• 申請（專利權）人: 河北工業大學
• 主分類號: B25J19/02
• 分類號: B25J19/02;B25J9/16
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 王瑞

1.一種機器人觸覺動作識別系統的動作識別方法，其特征在于，該識別方法包括以下步驟：

第一步、訓練卷積神經網絡；

(1)將陣列式觸覺傳感器穿戴于載體上，陣列式觸覺傳感器和嵌入式微控制器連接，嵌入式微控制器與上位機連接；所述陣列式觸覺傳感器是由m行n列的電極形成的陣列，行列之間的行列交點處設置有介電層；啟動上位機和嵌入式微控制器；

動作設計者采用標準動作向M個參與者演示施加于陣列式觸覺傳感器的R種特征動作；再令M個參與者分別將R種特征動作按照動作設計者演示的標準動作施加于陣列式觸覺傳感器，每種特征動作重復N次；

每個參與者以一種特征動作施加于陣列式觸覺傳感器一次的輸出信號記為一個訓練樣本，則得到P＝R×M×N個訓練樣本；每個訓練樣本中的每一幀包含u×u個壓力數據，分別對應m行×n列的陣列式觸覺傳感器的各個行列交點處的壓力值，壓力矩陣若存在缺失位置則用0補全；u為m和n中的最大值；壓力矩陣為陣列式觸覺傳感器各個行列交點處的壓力值形成的矩陣；

嵌入式微控制器實時采集陣列式觸覺傳感器的輸出信號并傳輸到上位機中儲存；上位機實時顯示陣列式觸覺傳感器的各個行列交點處的壓力值以及總壓力值隨時間的變化曲線；總壓力值為各個行列交點處受到的壓力值之和；

(2)在上位機中計算各個訓練樣本的每一幀各自所包含的壓力數據的和值，選取每個訓練樣本中各自的壓力數據和值最大的一幀包含的u×u個壓力數據組成特征動作數據集{Rp}，作為訓練卷積神經網絡時的輸入；特征動作數據集{Rp}中包含P組u×u個壓力數據；

(3)在上位機中構建卷積神經網絡；再用特征動作數據集{Rp}訓練卷積神經網絡；訓練完成后，得到卷積神經網絡模型集合，從中選取驗證集準確率最高的卷積神經網絡模型；

(4)將卷積神經網絡模型轉化為編程文件，編程文件中包含應用程序編程接口；

第二步、設計判別算法進行動作識別；

(1)在上位機中對ADC模塊進行編程，在ADC模塊中設定壓力閾值、壓力作用時間閾值、總壓力閾值和壓力矩陣質心移動距離閾值；

(2)將編程后的ADC模塊和第一步得到的編程文件嵌入到嵌入式微控制器中；

(3)嵌入式微控制器實時檢測陣列式觸覺傳感器各個行列交點處的壓力值，再在嵌入式微控制器中計算得到壓力作用時間、總壓力值和壓力矩陣質心移動距離；再通過判別算法進行動作識別，得到識別結果；

判別算法是：通過各個行列交點處的壓力值與壓力閾值的比較來判別是否施加動作；當確定施加動作時，通過壓力作用時間與壓力作用時間閾值的比較來判別施加動作是否為應激動作；當確定施加動作為應激動作時，通過總壓力值與總壓力閾值的比較來判別動作施加力的大小以確定應激動作的類型；當確定施加動作不是應激動作時，經過卷積運算得到初步識別結果，再通過壓力矩陣質心移動距離與壓力矩陣質心移動距離閾值的比較來判別卷積神經網絡模型易混淆的相似動作，來進一步修正初步識別結果，得到最終識別結果。

2.根據權利要求1所述的機器人觸覺動作識別系統的動作識別方法，其特征在于所述介電層為離子凝膠纖維層。

3.根據權利要求1所述的機器人觸覺動作識別系統的動作識別方法，其特征在于，第一步的步驟(1)中，設置嵌入式微控制器的采樣頻率，設置上位機的數據儲存方式為連續儲存。

4.根據權利要求1所述的機器人觸覺動作識別系統的動作識別方法，其特征在于，第一步的步驟(2)中，分別將P組u×u個壓力數據存儲到名稱為i_j的任何程序可讀取格式的文件中，便于卷積神經網絡在訓練時的讀取，其中i代表第i種動作特征，1≤i≤R，j代表第i種動作的第j個數據，1≤j≤M×N。

5.根據權利要求1所述的機器人觸覺動作識別系統的動作識別方法，其特征在于，第一步的步驟(3)中，卷積神經網絡的訓練方法是：將特征動作數據集{Rp}中每種特征動作的前a％的數據作為訓練集，后(1-a)％的數據作為驗證集；訓練卷積神經網絡，得到卷積神經網絡模型集合，從中選取驗證集準確率最高的卷積神經網絡模型，保存此卷積神經網絡模型為相應的格式。