针对机器人对工作环境进行反馈进而实现自动化作业, 展开了对压电式六维力传感器的研究。本文选用压电石英作为力敏元件, 结合并联分载原理及多点测量原理提出一种 8点支撑轮辐式压电六维力传感器结构及其测量原理, 它具备强解耦、轻量化、大量程和高固有频率的特点。利用 ANSYS软件进行参数化建模, 并进行六维力静力学仿真实验, 验证了 8点支撑轮辐式传感器测量原理。搭建了准静态标定及动态标定平台, 对设计的压电式六维力传感器进行标定。实验结果表明, 传感器的非线性度 <0. 5%, 维间干扰 <4%, 固有频率超过 6 kHz。轮辐式结构压电六维力传感器可以有效地完成六维力测量并消除维间耦合, 满足动态测量需求, 为轻量化大量程传感器的设计提供了理论基础和设计依据, 对其他类型压电式六维力传感器设计和研制具有重要的参考价值。

为实现基于垫圈式压电六维力传感器灵敏度指标的多结构参数设计与优选, 必须开展传感器的静态灵敏度解析数学模型研究。首先, 分析了传感器的结构特点和工作原理, 根据载荷在传感器内部的传递路径推导其静态灵敏度解析数学模型; 然后, 使用解析数学模型和基于ANSYS软件的数值模型对9组不同结构参数模型分别进行了解析计算和数值模拟, 在运用统计学理论对两种方法得到的结论进行分析的基础上, 验证了解析数学模型的有效性; 最后, 引入正交试验, 结合解析数学模型研究了多个结构参数对传感器灵敏度的影响规律, 优选了传感器结构参数并研制了实验样机, 完成了静态灵敏度标定实验。研究结果表明: 垫圈式压电六维力传感器的解析数学模型与数值模型之间的综合相关系数为0.988; 实验原型相对于解析数学模型和数值模型的平均载荷传递系数分别为0.73和0.75; 解析数学模型、数值模型和实验原型的综合各向同性度分别为0.71, 0.71和0.67, 3种模型对传感器的灵敏度研究结论一致。以解析数学模型为基础的正交试验可实现对该类传感器的多参数主动设计和优选。

针对四点支撑结构的压电式六维力传感器线性度差, 维间耦合严重的问题, 提出了基于径向基函数(RBF)神经网络的解耦算法。分析了耦合产生的主要原因, 建立了RBF神经网络模型。通过对六维力传感器进行标定实验获取解耦所需的实验数据, 并对实验数据进行处理。 然后采用RBF神经网络优化传感器输出系统的多维非线性解耦算法, 解耦出传感器的输入输出映射关系, 得到解耦后的传感器输出数据。对传感器解耦后的数据分析表明: 采用RBF神经网络的解耦算法得到的最大Ⅰ类误差和Ⅱ类误差分别为1.29%、1.56%。结果显示: 采用RBF神经网络的解耦算法, 能够更加有效地减小传感器的Ⅰ类误差和Ⅱ类误差, 满足了传感器两类误差指标均低于2%的要求。该算法有效地提高了传感器的测量精度, 基本解决了传感器解耦困难的难题,

提出了一种新型的基于Stewart平台的超静定并联式六维力传感器结构,并对其进行了动力学理论分析和有限元仿真研究。描述了该传感器相对于经典Stewart平台六维力传感器所具有的结构特点;利用有限元法,采用位移协调和力平衡条件建立了传感器弹性动力学理论模型,依此模型进行数值分析,绘制了固有频率与各结构参数间变化关系曲线;并利用ANSYS软件建立了传感器有限元模型,进行了振动模态分析,得到其固有频率和振型。研究内容为深入开展六维力传感器的弹性动力学分析与综合及动态优化设计奠定了基础。