随着智能机器人技术的迅猛发展,柔性多维力触觉传感器的研制与开发已成为机器人皮肤的研究热点之一。柔性触觉传感器是提高机器人智能化水平的重要部件,它应当具有近似人类皮肤的柔软性、灵活性,能够作用于不同粗糙程度以及不同表面形状的载体,并快速准确地完成对外界环境的信息感知与获取任务。机器人具备智能触觉感知能力对于确保其与外部环境之间交互的安全性和有效性至关重要。因此,类皮肤柔性多维力触觉传感器的研究在仿生智能机器人领域发挥着不可替代的作用。本论文针对目前三维力柔性触觉传感器建模过程复杂、解耦难度大、模型高度非线性等问题,在柔性触觉传感器建模和多维信息解耦方面展开一系列探索工作。综合利用传感器技术、人工神经网络、弹性力学、数值算法等多种理论方法,对传感器建模、解耦方法等关键问题进行深入分析。主要基于不同的人工神经网络算法,研究三维力柔性触觉传感器阵列的多维信息解耦问题,逼近其高维非线性映射关系,以提高解耦精度和实时性。主要研究内容及创新性成果如下：1.提出基于BP神经网络(Back Propagation Neural Network)的触觉传感器阵列解耦方法,实现从传感器阻值到三维形变的解耦。首先对BP算法进行改进和优化,并采用不同数目的隐藏层神经元节点构建多个BP神经网络进行解耦研究,得到了较好的结果。之后,引入k折叠交叉确认(k-fold Cross Validation,k-CV)方法构建BP神经网络的训练样本集和测试样本集,实验结果表明k-CV方法能够有效提高传感器的解耦精度。最后,基于BP神经网络对不同规模的触觉传感器感应阵列进行解耦,进一步提高了触觉传感器阵列的解耦精度,证明了实验方法的有效性和可行性。2.提出基于RBF (Radial Basis Function)神经网络解耦三维力触觉传感器的新方法。首先采用ANSYS有限元分析的方法构建传感器数值仿真模型,在传感器上表面的6个等面积的受力面分别施加不同的三维力,并获取与之相应的传感器感应节点的形变。之后,用K-均值、最小二乘法优化RBF神经网络,实现了从形变到三维力的解耦,得到了很好的解耦效果。最后,基于优化后的RBF神经网络解耦三维力信息,实现从阻值到三维力的直接解耦。研究结果表明改进后的RBF神经网络能够很好地实现柔性触觉传感器多维信息的高效解耦。3.提出一种有效的方法来模拟柔性触觉传感器在实际应用中含噪声的情形。在理想条件下的传感器模型上添加高斯白噪声,基于改进的RBF神经网络算法逼近受噪声干扰的传感器阻值与三维形变之间的非线性映射关系,通过阻值信息解耦出传感器三维形变信息。4.研究了一种新型三维力柔性触觉传感器阵列的结构原理,进行了理论分析与验证,推导了该传感器阵列阻值变化与三维力之间的映射关系。通过对BP网络隐藏层节点数目的优化,实现了从阻值到力的解耦。该新型柔性触觉传感器以其独特的设计方式,从结构上实现了三维信息的分解,避免了节点间的直接干扰,降低了传感器模型的复杂度和非线性程度,从而能够加快解耦速度、加速传感器信息实时解耦的步伐。上述研究成果实现了对三维力柔性触觉传感器感应阵列的三维形变及其所受三维力的有效解耦,有效提高了解耦精度,为多维柔性触觉传感器阵列的进一步研究奠定了良好的理论基础。