一种基于人力触觉感知特性的纹理粗糙度客观评价方法技术

本发明专利技术公开了一种基于人力触觉感知特性的纹理粗糙度客观评价方法，包括：获取已知粗糙度等级的标准纹理样本；利用人的主观评价实验将未知纹理样本与其进行比较，确定未知纹理样本的人主观粗糙度聚类等级；采集未知纹理样本表面接触时的交互数据，提取出客观特征参数；利用支持向量机算法对未知纹理客观特征参数进行分类训练，生成分别以纹理的客观特征参数、人主观粗糙度聚类等级为输入输出的纹理触觉粗糙度评价模型，及训练得到模型参数；提取出待评价纹理客观特征参数并输入模型，输出得到人主观粗糙度聚类等级。本发明专利技术模拟人的认知习惯，既接近人真实的粗糙度评价过程，又无需大量实验者参与，具有效率高、结果稳定性好、准确率高的特点。

【技术实现步骤摘要】
一种基于人力触觉感知特性的纹理粗糙度客观评价方法
本专利技术涉及一种基于人力触觉感知特性的纹理粗糙度客观评价方法，属于力触觉交互

技术介绍
粗糙度是物体的客观属性，受纹理周期、纹理高度、材质硬度和摩擦系数等客观参数的影响。材质的粗糙度对人的工作和生活有重要影响，根据不同的应用场合，对粗糙度的要求有很大不同。无论在工业制造业还是日常生活中都存在纹理粗糙度的评价。纹理触觉粗糙度的评价方法有主观评价过程和客观评价过程。主观评价过程一般是通过主观感知实验评定给出的，即让受试者用手触摸感知纹理样本，并与标准纹理进行对比，对纹理表面接触所产生的凹凸不平的触感进行评级打分。主观感知实验结果往往受受试者和实验环境的人为因素影响，可能存在偏差和不稳定的现象，并且这种主观感知评价方法一般需要大量的受试者进行反复实验。客观评价过程一般是通过对纹理表面的某些客观参数进行测量，然后根据国际制定的标准，将测量的参数通过查表的方式得到当前的表面的粗糙度等级，而这种方式也多局限于工业界，用于评价零件表面的加工情况。由于影响人的纹理触觉粗糙度的因素很多，如周期、高度、硬度、粘性和柔顺行等因素，这种客观的评价方法并没有考虑人的主观感受，难以将多种客观因素融合产生对人触觉感知的综合影响。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术的不足，提供一种基于人力触觉感知特性的纹理粗糙度客观评价方法，解决纹理触觉粗糙度的客观评价方法没有考虑人的主观感知，难以将多种客观因素融合产生对人触觉感知的综合影响，使得评价不具备合理评价标准的问题。本专利技术具体采用以下技术方案解决上述技术问题：一种基于人力触觉感知特性的纹理粗糙度客观评价方法，包括以下步骤：步骤1、建立纹理客观特征参数与人主观粗糙度聚类等级之间的纹理触觉粗糙度评价模型，具体为：步骤1A、获取已知粗糙度等级的标准纹理样本；利用人的主观评价实验将未知纹理样本与已知粗糙度等级的标准纹理样本进行比较，确定未知纹理样本的人主观粗糙度聚类等级；步骤1B、采集未知纹理样本表面接触时的交互数据，包括接触力大小、三维位置及三维速度，提取出该未知纹理样本的客观特征参数；步骤1C、利用支持向量机算法对提取出的未知纹理样本客观特征参数进行分类训练，生成分别以纹理的客观特征参数、人主观粗糙度聚类等级为输入和输出的纹理触觉粗糙度评价模型；及将未知纹理样本的客观特征参数和其人主观粗糙度聚类等级分别作为输入输出代入纹理触觉粗糙度评价模型中得到模型参数；步骤2、对待评价的纹理采集表面接触时的交互数据，提取出待评价的纹理的客观特征参数并将其作为输入代入步骤C获得模型参数后的纹理触觉粗糙度评价模型中，输出得到该待评价纹理的人主观粗糙度聚类等级。进一步地，作为本专利技术的一种优选技术方案：所述步骤1A中标准纹理样本的已知粗糙度等级由人体纹理感知实验获取或机器检测直接获取。进一步地，作为本专利技术的一种优选技术方案：所述步骤1B中提取的未知纹理样本的客观特征参数包括振动特征、速度位移特征、硬度特征。进一步地，作为本专利技术的一种优选技术方案：所述步骤1B中提取出未知纹理样本的振动特征，具体为：将采集的接触力大小F滤波分解为高频部分FAC和低频部分FDC，及将高频部分FAC转换为能量谱密度ESD(ω)，其转换采用公式：其中，ω表示采集的能量谱密度序列的频率；F(ω)表示为频率ω上的幅度值，且由高频部分FAC经离散傅里叶变换得到；分别计算能量谱密度ESD(ω)的总能量Et、谱中心SC、方差SV、偏差SS和峰值SK，采用如下公式：其中，N表示能量谱密度序列的长度；ω1表示频谱上第1个频率值，ωk表示频谱上第k个频率值，ωN表示频谱上第N个频率值，其中k＝1...N-1；ESD(ωk)表示为频率值ωk上的能量值；ESD(ωk+1)表示为频率ωk+1上的能量值；3表示自然数。进一步地，作为本专利技术的一种优选技术方案，所述步骤1B中提取出未知纹理样本的速度位移特征，具体为：提取滑动过程中的平均切向速度Vh，采用公式：其中，和分别为x和y方向上第i个采样点的速度值，M表示采样点总数。提取滑动过程中的切向位移Dh，采用公式：其中，和分别为x和y方向上第i个采样点的位置值，M表示采样点总数。和分别为x和y方向上第i+1个采样点的位置值；进一步地，作为本专利技术的一种优选技术方案，所述步骤1B中提取出未知纹理样本的硬度特征，具体为：通过接触力的低频部分FDC的变化量与垂直位置Pz的变化量比值计算得到硬度特征H：其中，FDC(max)和FDC(min)分别为接触力的低频部分FDC的最大值和最小值，Pz(max)和Pz(min)分别为z方向上采样点的垂直位置Pz的最大值和最小值。本专利技术采用上述技术方案，能产生如下技术效果：本专利技术的方法是基于人力触觉感知特性的纹理粗糙度客观评价方法的实现，利用机器学习建立纹理客观特征参数与人主观粗糙度聚类等级之间的客观评价模型，对待评估的纹理表面接触时的交互信息提取相应的纹理客观特征参数并代入模型，自动计算得到纹理粗糙度的聚类等级，继而实现了一种无需人主观感知，就能自动计算并模拟人的认知习惯的纹理粗糙度评价结果，评价结果更符合人体触觉感知。本方法的评价过程既接近真实的纹理触觉粗糙度评价过程，又能避免了人主观评价过程的非稳定性，且有效节约了人力和时间成本；与传统的纹理触觉主观评价方法相比，本专利技术方法模拟人的认知习惯，既接近人真实的粗糙度评价过程，又无需大量实验者参与，具有效率高、结果稳定性好、准确率高的特点。附图说明图1为本专利技术基于人力触觉感知特性的纹理粗糙度客观评价方法的流程示意图。图2为本专利技术中建立纹理触觉粗糙度评价模型的原理示意图。图3为本专利技术实施例中纹理样本示意图。图4为本专利技术中纹理表面交互数据采集示意图。具体实施方式下面结合说明书附图对本专利技术的实施方式进行描述。如图1所示，本专利技术设计了一种基于人力触觉感知特性的纹理粗糙度客观评价方法，包括以下步骤：步骤1、建立纹理客观特征参数与人主观粗糙度聚类等级之间的纹理触觉粗糙度评价模型，如图2所示，其过程具体为：步骤1A、获取已知粗糙度等级的标准纹理样本；利用人的主观评价实验将未知纹理样本与已知粗糙度等级的标准纹理样本进行比较，确定未知纹理样本的人主观粗糙度聚类等级。由于评价的纹理涉及多种客观影响因素，包括纹理周期、纹理高度、材质硬度和摩擦系数；粗糙度评价结果是多种客观影响因素对触觉粗糙度的综合影响结果。其中，所述标准纹理样本的已知粗糙度等级由人体纹理感知实验获取或机器直接检测获取，可包括根据不同粗糙值范围划分的不同粗糙度等级，在前期的预备实验中，根据人的接触感知，选出能够代表粗糙度等级的典型样本作为标准纹理样本。所述的人的主观评价实验通过将未知纹理样本与已经确定粗糙度等级的标准纹理样本进行比较，继而判断出与该纹理样本最接近的标准纹理样本，继而确定该纹理样本的粗糙度聚类等级。步骤1B、采集未知纹理样本表面接触过程中的交互数据，包括接触力时间序列F、三维位置时间序列(Px，Py，Pz)及三维速度时间序列(Vx，Vy，Vz)，提取出该未知纹理样本的客观特征参数，可以包括振动特征、速度位移特征、硬度特征。通过提取出能有效且稳定影响粗糙度感知的特征参数，提取过程要同时考虑纹理表面凹本文档来自技高网...

【技术保护点】
1.一种基于人力触觉感知特性的纹理粗糙度客观评价方法，其特征在于，包括以下步骤：步骤1、建立纹理客观特征参数与人主观粗糙度聚类等级之间的纹理触觉粗糙度评价模型，具体为：步骤1A、获取已知粗糙度等级的标准纹理样本；利用人的主观评价实验将未知纹理样本与已知粗糙度等级的标准纹理样本进行比较，确定未知纹理样本的人主观粗糙度聚类等级；步骤1B、采集未知纹理样本表面接触时的交互数据，包括接触力大小、三维位置及三维速度，提取出该未知纹理样本的客观特征参数；步骤1C、利用支持向量机算法对提取出的未知纹理样本客观特征参数进行分类训练，生成分别以纹理的客观特征参数、人主观粗糙度聚类等级为输入和输出的纹理触觉粗糙度评价模型；及将未知纹理样本的客观特征参数和其人主观粗糙度聚类等级分别作为输入输出代入纹理触觉粗糙度评价模型中得到模型参数；步骤2、对待评价的纹理采集表面接触时的交互数据，提取出待评价的纹理的客观特征参数并将其作为输入代入步骤C获得模型参数后的纹理触觉粗糙度评价模型中，输出得到该待评价纹理的人主观粗糙度聚类等级。

【技术特征摘要】
1.一种基于人力触觉感知特性的纹理粗糙度客观评价方法，其特征在于，包括以下步骤：步骤1、建立纹理客观特征参数与人主观粗糙度聚类等级之间的纹理触觉粗糙度评价模型，具体为：步骤1A、获取已知粗糙度等级的标准纹理样本；利用人的主观评价实验将未知纹理样本与已知粗糙度等级的标准纹理样本进行比较，确定未知纹理样本的人主观粗糙度聚类等级；步骤1B、采集未知纹理样本表面接触时的交互数据，包括接触力大小、三维位置及三维速度，提取出该未知纹理样本的客观特征参数；步骤1C、利用支持向量机算法对提取出的未知纹理样本客观特征参数进行分类训练，生成分别以纹理的客观特征参数、人主观粗糙度聚类等级为输入和输出的纹理触觉粗糙度评价模型；及将未知纹理样本的客观特征参数和其人主观粗糙度聚类等级分别作为输入输出代入纹理触觉粗糙度评价模型中得到模型参数；步骤2、对待评价的纹理采集表面接触时的交互数据，提取出待评价的纹理的客观特征参数并将其作为输入代入步骤C获得模型参数后的纹理触觉粗糙度评价模型中，输出得到该待评价纹理的人主观粗糙度聚类等级。2.根据权利要求1所述基于人力触觉感知特性的纹理粗糙度客观评价方法，其特征在于，所述步骤1A中标准纹理样本的已知粗糙度等级由人体纹理感知实验获取或机器直接检测获取。3.根据权利要求1所述基于人力触觉感知特性的纹理粗糙度客观评价方法，其特征在于，所述步骤1B中提取出未知纹理样本的客观特征参数包括振动特征、速度位移特征、硬度特征。4.根据权利要求3所述基于人力触觉感知特性的纹理粗糙度客观评价方法，其特征在于，所述步骤1B中提取出未知纹理样本的振动特征，具体为：将采集的接触力大小F滤...

【专利技术属性】
技术研发人员：吴涓，曹志勇，欧阳强强，邵知宇，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32