基于自主三电传感的深度学习辅助智能液晶弹性体抓手
Zhengyang Chen1, Yifei Nan1,2, Lanying Zhang3
1State Key Laboratory of Optical Fiber and Cable Manufacture Technology, Department of Electrical & Electronic Engineering, Guangdong Provincial Key Laboratory of Functional Oxide Materials and Devices, Southern University of Science and Technology, Shenzhen 518055, China.
ACS applied materials & interfaces
|February 26, 2026
概括
本研究介绍了一种使用液晶弹性体和双模式 triboelectric 纳米发电机进行对象识别的自动供电软抓手. 它通过结合材料特性和运动数据来实现高精度,克服智能机器人的环境干扰.
科学领域:
- 机器人和材料科学 机器人和材料科学
- 软机器人和先进的传感器集成.
背景情况:
- 软抓手提供灵活性和无损的处理,但缺乏强大的,自动供电的传感能力.
- 软抓手的现有传感方法容易受到环境干扰,这限制了它们的实际应用.
研究的目的:
- 开发一款自动供电的软抓手,内置传感器,可自动识别目标.
- 通过创建内在传感机制,克服软机器人系统中外部传感器的局限性.
主要方法:
- 液晶弹性体 (LCE) 抓柄与使用化乙烯 (FEP) 和聚二甲基 (PDMS) 的双模式 triboelectric 纳米发电机 (TENG) 的集成.
- 使用生成的电压信号 (V1,V2),在物体相互作用期间编码材料特性和运动参数.
- 采用混合卷积神经网络长期短期记忆 (CNN-LSTM) 深度学习架构,从 triboelectric / 静电签名中提取特征.
主要成果:
- 集成的TENG传感器成功地根据物体特性和抓手运动生成了不同的电压信号.
- 通过交叉验证,CNN-LSTM模型在5个材料类别中实现了94.4%的分类准确度.
- 该系统证明了对环境干扰的稳定性,这与传统的传感方法相比是显著的改进.
结论:
- 开发的带有双模式TENG的LCE抓器为软机器人提供了一种自动供电,内在传感的解决方案.
- 三电/静电传感与深度学习的融合为感知智能软机器人系统提供了一个有希望的方法.
- 这项技术在工业自动化和人机交互方面具有潜在的应用,增强机器人的感知和适应能力.
