人形机器人六维力传感器行业报告（23页）

行业报告下载 2024年06月18日 07:45 管理员

根据坤维科技官方公众号，体现六维力/力矩传感器综合性能的关键指标有串扰、精度和准度。串扰指标用来衡量多维力传感器各测量方向间的耦合影响，可以反映测量误差水平。比较优秀的串扰指标在 1%FS 左右，2- 5%FS 比较常见。分别对六维力传感器的六个测量方向精确加载至各自的额定载荷，记录六个方向的测量结果。如载荷组 1 中，仅仅对 Fx 方向加载到额定载荷，并且假设加载方向和载荷值是非常准确的，所以 Fx 是 100%FS，其它方向是 0%FS。表格右侧 Fy、Fz、Mx、My、Mz 的测量结果就是在 Fx 作用下的串扰。因为此时 Fy、Fz、Mx、My、Mz 的理论真值都是 0。Fy、 Fz、Mx、My、Mz 测量结果就体现了 Fx 对其它五个测量方向的耦合干扰情况。多维力传感器的厂商往往选择表格中最大串扰值作为其 datasheet 中的串扰指标。但是对于六维力传感器，如果对 Fx 方向不加载，对另五个方向加载到100%FS，此时Fx的输出结果并不是其他五个方向串扰结果的叠加，此时 Fx 的输出结果往往大于产品 datasheet 中的串扰指标。根据坤维科技官方公众号，对于六维力传感器而言，标定需要同时考虑六个维度。一般来说，校准和标定的方法和内容基本相同、设备一致，都需要采用六维联合加载的方式，即三方向的力和三方向的力矩同时加载。六维联合加载标定的样本空间过于复杂，一维力传感器只需 9 个样本点来标定，六维力传感器的样本空间则包含 531441 个样本点。根据坤维科技官方公众号，采用六维力联合加载标定/检测能使传感器准度更好、串扰更低。六维力传感器在承受多个维度力的同时作用时，非线性特征显著，而六个维度的线性模型单纯叠加无法精确描述，因此多样本的六维联合加载具有三点优势：（1）交叉样本点可以使传感器的受力情况模拟更接近真实的使用情况；（2）有利于考察传感器在多维载荷同时作用下的非线性力学特性，进而有效改善传感器结构的设计；（3）基于传感器非线性力学特性做的标定，可以大幅优化解耦算法的数学模型。六维力/力矩传感器提升性能、降低误差的关键是消除维间耦合。理想的六维力传感器每个通道的输出只与本通道的加载力/力矩相关，与其他通道无关。但实际上由于弹性体的机械机构、传感器的机械加工精度、应变片粘贴技术、测量方法等原因，使得每个施加在传感器的力/力矩都会对其它输出信号产生影响，即维间耦合。只有解决维间耦合问题，才能实现六维力 /力矩的精确衡量。在平衡静/动态性能同时，消除维间耦合的解耦方法常见有两种：（1）硬件解耦：六维力/力矩传感器的结构受到其应用场合的限制，而弹性体的形式和布置将直接影响到传感器的灵敏度、刚度、线性度、动态性能、维间耦合等，传感器性能的优劣很大程度上由此决定。其中，浮动梁结构和滑移结构就是典型的机械解耦形式。（2）软件解耦：利用软件算法实现解耦。由于不同通道的输入、输出数据之间并不总是线性的，因此人工神经网络算法逐渐取代前者被广泛应用于多维力传感器的静态解耦中，其中基于 BP 神经网络的非线性解耦算法最为常见。