소프트 소재 촉각 센서에서 접촉 위치와 힘을 모두 해결하기 위한 기계 학습 기반 접근법

이 연구는 표면에 가해진 수직 하중의 크기와 적용 위치를 동시에 해결할 수 있는 소프트 촉각 센서 개발을 위한 수치 유한 요소법(FEM) 모델링에 기반한 설계 및 교정 방법론을 다룹니다. 이 센서는 Dragon Skin 10 폴리머 블록(길이 110 mm, 너비 24 mm)에 브래그 그레팅 광섬유 센서를 통합합니다. 소프트 폴리머는 가해진 하중을 매립된 광섬유 브래그 그레팅(FBGs)으로 전달하며, 우리는 개발된 모델과 실험적으로 센서 두께가 수용 분야 및 감도에 미치는 영향도 조사했습니다. 센서의 힘 제어 인덴테이션(최대 2.5 N)은 광섬유의 방향을 따라 적용된 원통형 프로브를 통해 수행되었습니다(길이 약 90 mm 범위 내). 센서의 유한 요소 모델이 구축되어 실험적으로 1 mm 및 6 mm 두께의 소프트 폴리머 캡슐 재료에 대해 검증되었으며, 후자의 두께는 선택된 소프트 소재에 대해 최적의 크로스톡과 감도로 이어지는 수치 시뮬레이션의 결과로 나타났습니다. FEM 모델은 역센서 기능을 얻기 위해 신경망을 훈련하는 데에도 사용되었습니다. 6 mm 두께의 소프트 폴리머에 내장된 네 개의 FBG 변환기를 사용하여, 제안된 기계 학습 접근법은 전체 실험 범위에서 하중 크기(R = 0.97)와 위치(R = 0.99)를 정확하게 감지하는 데 성공했습니다. 제안된 시스템은 광범위한 응용 분야에 효과적으로 사용될 수 있는 촉각 센서 개발에 활용될 수 있습니다.