河北工业大学：基于纳米摩擦发电机的多传感器融合，赋能智能软体机器人系统，实现高精度物体识别
慧生活
近年来，软体机器人技术在工业、医疗和日常生活中的应用日益广泛，然而其发展仍面临系统灵活性不足、识别数据集有限以及识别精度不高等挑战。尤其是在复杂环境中实现高精度、多模态感知仍是一个亟待解决的关键问题。
河北工业大学邓齐波教授、胡宁教授和洛桑联邦理工学院Chen Xin、重庆大学牟笑静教授合作，提出了一种基于摩擦电纳米发电机（TENG）的智能软体机器人系统。该系统通过融合液态金属摩擦电传感器和旋转摩擦电传感器，结合卷积神经网络（CNN），实现了对15种不同物体的高精度识别，准确率高达96.67%，为软体机器人提供了一种自供电、高灵敏度的感知解决方案。
研究团队设计了一款集成双类型摩擦电传感器的软体机械手系统。图1展示了该系统的整体结构与传感器设计：旋转摩擦电传感器采用齿轮-齿条结构，能够在机械手弯曲时输出角度信号；液态金属摩擦电传感器则仿生人类指纹结构，通过电液动力直写技术制备，具有良好的柔韧性和稳定性。实验表明，该系统能够同时检测弯曲角度、接触位置、接触面积、材料属性与接触压力等多种信息，最小检测压力低至2.5 kPa。
图1. 智能软体机械手系统构建过程。 a) 主要硬件结构：i) 旋转摩擦电传感器的结构与设计；ii) 液态金属摩擦电传感器的结构与设计。 b) 执行器运动产生的电信号：i) 弯曲时旋转传感器的信号；ii) 接触物体时液态金属传感器的信号。 c) 灵敏度响应：i) 不同弯曲角度下的接触力变化；ii) 不同充气压力下可抓取物体重量的变化。 d) 本研究与其他智能软体机械手系统在传感器集成方式上的对比。
图2进一步展示了液态金属传感器的制备过程与性能表征。该传感器以PDMS为基底，嵌入镓铟共晶（EGaIn）导电电路，总厚度仅1.5毫米，可在135%的拉伸应变下保持电气性能稳定。其在接触-分离模式下电阻变化仅为0.08Ω，表现出优异的机械耐久性和环境适应性。
图2. 液态金属摩擦电传感器的制备与表征。 a) 设计灵感来源；b) 弯曲状态下的传感器；c) 扫描电镜下的截面结构；d) 接触-分离模式下的电阻变化；e) 不同拉伸率下的拉力；f) 不同拉伸率下的电阻率变化；g) 不同温度下的电阻变化；h) 500次循环下的电阻耐久性测试。
图3对两种传感器进行了系统性能评估。液态金属传感器在0.5毫米PDMS膜厚度下获得最高开路电压（Voc≈ 10.0 V），并在不同温度、湿度和机械变形下保持输出稳定。旋转传感器则在10万次循环测试中表现出良好的电气耐久性，输出信号频率随转速增加而提升，适用于动态运动检测。
图3. 液态金属与旋转摩擦电传感器的性能评估。 a) 不同PDMS膜厚度下的Voc响应；b,c) 0.5 mm PDMS膜下的Voc和Isc；d) 固定湿度下不同温度的Voc和Isc；e) 拉伸模式下的Voc和Isc；f) 弯曲模式下的Voc和Isc；g) 旋转传感器10万次循环耐久性测试；h) 不同转速下的Voc响应。
图4揭示了传感器在感知提取方面的机制。液态金属传感器能区分不同接触点、接触面积、材料和压力，输出信号具有高度线性关系（R² = 0.9982）。旋转传感器则通过FEP膜与铜箔之间的摩擦生电机制，在机械手弯曲时输出特征性交流信号，可用于推断物体尺寸与形状。
图4. 通过液态金属与旋转摩擦电传感器提取感官信息。 a) 液态金属传感器的工作机制；b) 不同接触点对输出的影响；c) 不同接触面积的影响；d) 不同接触材料的影响；e) 不同接触压力的影响；f) 旋转传感器的工作原理；g,h) 30°、60°、90°弯曲角下的Voc和Isc反馈信号。
图5展示了整个系统在物体识别与分类方面的应用。通过9个传感通道（3个旋转传感器 + 6个液态金属传感器）采集数据，并结合四层一维卷积神经网络（1D-CNN）进行特征提取与分类。实验结果显示，多传感器融合策略显著提升了识别精度，单一旋转传感器准确率为74.33%，液态金属传感器为90.33%，而融合系统可达96.67%。系统能在无摄像头环境下实现实时物体识别与反馈，显示出在智能仓储、自动化分拣等领域的应用潜力。
图5. 基于摩擦电数据的物体识别。 a) 智能软体机械手系统：i) 传感器通道布局；ii) 从感知信息采集到机器学习训练与实时预测的流程；b) 旋转与液态金属传感器的摩擦电数据；c) 不同传感器数量与类型下的识别准确率聚类图；d) 物体识别混淆矩阵；e) 智能软体机械手系统工作过程截图。
该研究成功开发出一种具有高感知能力的智能软体机器人系统，通过多传感器融合与深度学习技术的结合，实现了对多种物体属性的高精度识别。尽管当前系统对环境温湿度仍有一定敏感性，研究团队已初步提出补偿模型以提升鲁棒性。未来，通过进一步优化传感器集成方式、引入更先进的机器学习算法（如Transformer模型），以及实施表面疏水改性等措施，该系统有望在智能制造、医疗康复和无人物流等领域发挥更大作用。
审核编辑 黄宇
查看全文
评论0条评论