Shape estimation for a TPU-based multi-material 3D printed soft pneumatic actuator using deep learning models

Hu, Y.; Tang, W.; Qu, Y.; Xu, H.; Kramarenko, Y.E.; Zou, J.

Авторы: Hu Yu, Tang Wei, Qu Yang, Xu HuXiu, Kramarenko Yu Elena, Zou Jun
Журнал: Science China Technological Sciences
Том: 67
Номер: 5
Год издания: 2024
Издательство: Zhongguo Kexue Zazhishe/Science in China Press
Местоположение издательства: China
Первая страница: 1470
Последняя страница: 1481
DOI: 10.1007/s11431-023-2619-7
Аннотация: Проприоцепция в реальном времени представляет собой серьезную проблему для мягких роботов из-за их бесконечной степени свободы и внутренней податливости. Предыдущие исследования в основном были сосредоточены на конкретных датчиках и исполнительных механизмах. До сих пор не хватает обобщаемых технологий для интеграции мягких чувствительных элементов в мягкие актуаторы и сопоставления сигналов датчиков с параметрами проприоцепции. Чтобы решить эту проблему, мы применили технологию 3D-печати из нескольких материалов для изготовления сенсорных приводов с мягким изгибом (SBA) с использованием простых и проводящих нитей из термопластичного полиуретана (ТПУ). Мы разработали датчики различной геометрической формы и исследовали их деформационную устойчивость при деформации. Чтобы решить проблему нелинейного, изменяющегося во времени поведения датчиков во время динамического моделирования, мы применили подход, основанный на данных, используя различные глубокие нейронные сети для изучения взаимосвязи между сигналами датчиков и состояниями системы. Была проведена серия экспериментов в различных сценариях срабатывания, результаты которых продемонстрировали эффективность такого подхода. Этапы измерения и прогнозирования формы могут выполняться в режиме реального времени с частотой 50 Гц на компьютере потребительского уровня. Кроме того, предлагается метод повышения надежности моделей обучения с использованием дополнения данных для обработки неожиданных сбоев датчиков. Все методы эффективны не только для оценки двумерной формы в плоскости, но и для оценки трехмерной формы вне плоскости. Целью данного исследования является представление методологии проприоцепции мягких пневматических приводов, включая моделирование производства и восприятия, которую можно распространить на других мягких роботов.
Добавил в систему: Крамаренко Елена Юльевна

	ИСТИНА	Войти в систему Регистрация
	ФНКЦ РР
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

ФНКЦ РР

Shape estimation for a TPU-based multi-material 3D printed soft pneumatic actuator using deep learning modelsстатья

Прикрепленные файлы