一种机械臂碰撞安全等级检测系统技术方案

本发明专利技术涉及一种机械臂碰撞安全等级检测系统，属于人机交互安全领域，包括传感器模块，包括若干阵列电路连接的混合填料的传感单元，所述传感单元依靠电阻变化将压力值转换为电压信号；数据采集模块，包括电源模块、微控制器MCU模块、运算放大器模块和输出模块；通过单片机程序和数据接收程序采集数据，所述单片机程序控制I/O口输出高低电平变化来进行选通；数据处理与决策模块，包括通过K最近邻KNN算法识别软硬度，通过概率神经网络PNN算法决策安全等级；本发明专利技术一是可以探测到大范围、高精度的碰撞力和宽量程的碰撞面积；二是使用KNN算法识别软硬度，PNN算法决策安全等级组成，大幅提高了可靠性。

【技术实现步骤摘要】
一种机械臂碰撞安全等级检测系统
本专利技术属于人机交互安全领域，涉及一种机械臂碰撞安全等级检测系统。
技术介绍
与人类共享工作空间的机器人机械手应该能够快速检测碰撞并做出安全反应，以限制物理接触造成的伤害。在没有外部感知的情况下，机器人和人之间的相对运动是不可预测的，机器人手臂上的任何位置都可能发生意外的碰撞。未来几年，5G标准的推行和使用，将使万物互联也即物联网得以真正实现。届时机器人数量和应用场景都将极速增长，人-机混合系统也会逐渐在中小型企业的广泛应用，这将大大提高了车间的加工装配效率，但周围复杂的环境对机器人的安全性带来了新的挑战，所以设计之初就必须确保具有足够的安全性。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种用于检测人机交互过程中机械臂碰撞安全等级的系统，解决人机交互过程中，现有安全等级分类的分类模糊和精度速度不能兼顾的问题。在人机交互中，当机械臂发生碰撞的碰撞面积过小时，碰撞力的大小对安全等级决策影响程度很小或者碰撞力过大时，碰撞面积对安全等级决策影响程度会比较小，因为扎伤或者大体量碰撞很容易造成严重后果。当机器和物体或者人发生接触时，速度比较快，就要求数据采集和决策也要快。为达到上述目的，本专利技术提供如下技术方案：一种机械臂碰撞安全等级检测系统，包括传感器模块，包括若干阵列电路连接的混合填料的传感单元，所述传感单元依靠电阻变化将压力值转换为电压信号；数据采集模块，包括电源模块、微控制器MCU模块、运算放大器模块和输出模块；通过单片机程序和数据接收程序采集数据，所述单片机程序控制I/O口输出高低电平变化来进行选通；数据处理与决策模块，包括通过K最近邻(KNN)算法识别软硬度，概率神经网络PNN算法决策安全等级。进一步，所述通过K最近邻KNN算法识别软硬度的具体方法为：使用反复拉伸实验设备进行模拟撞击，得到压力随时间变化的梯度特征G(F)，平衡稳态压力特征FS，然后计算出测试集点到训练集点的欧式距离，判断软硬度最近的分类；所述通过概率神经网络PNN算法决策安全等级的具体方法为：在实际中进行机械臂撞击测试，通过撞击获得的压力大小/压力面积和识别的软硬度作为输入，构建基于PNN的安全等级决策，net＝newpnn(P,T,spread)进行测试，其中P和T分别为输入向量和目标向量，spread为PNN的扩散速度。进一步，机械臂的碰撞部位设有弹性缓冲层，所述弹性缓冲层的材料为特种合成橡胶丁基橡胶，厚度为2mm。进一步，所述填料为碳纳米管、C60、石墨烯微片的混合材料，其中比例为碳纳米管不少于23％，C60不少于64％，石墨烯微片不少于13％。进一步，所述单片机程序通过4个I/O口输出高低电平变化来控制分布式压力传感器16行的电位，选通行置高电位，即3.3V，未选通行置零电位，各行控制选通的指令如下：进一步，所述数据接收程序包括串口设置、操作命令以及压力分布成像；所述串口设置用于对串口的串口号、波特率、校验位、数据位以及停止位进行设置；所述操作命令包括打开、关闭串口以及开始、停止读取和保存当前压力分布状态的数据；所述压力分布成像用于将接收到的数据进行栅格化处理，把栅格化处理之后的数据绘制成压力分布图。本专利技术的有益效果在于：本专利技术一是可以探测到大范围、高精度的碰撞力和宽量程的碰撞面积；二是使用KNN算法识别软硬度，PNN算法决策安全等级组成，大幅提高了可靠性。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：图1本专利技术实施例所述数据采集流程图；图2本专利技术实施例所述压力传感器特征分布图；图3本专利技术实施例所述安全等级决策仿真测试图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利技术的限制；为了更好地说明本专利技术的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件；在本专利技术的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利技术的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。本专利技术提供一种用于检测人机交互过程中机械臂碰撞安全等级的系统，该机械臂碰撞安全等级检测系统包括：传感器模块，所述传感器上设置有若干阵列电路连接的混合填料1的传感单元，所述传感单元依靠电阻变化将压力值转换为电压信号；如图1所示，数据采集模块，所述数据采集模块由数据采集硬件和数据采集软件组成，所述数据采集硬件由电源模块，具体型号是A2356G-3FG4、微控制器(MCU)模块，具体型号是STM32F125TY2芯片、运算放大器模块，具体型号为LM435Q和输出模块，具体型号为DH451组成；所述数据采集软件由单片机程序和数据接收程序组成，所述单片机程序控制I/O口输出高低电平变化来进行选通，所述数据接收程序由串口设置、操作命令以及压力分布成像组成；数据处理与决策模块，所述数据处理与决策模块由KNN算法识别软硬度，概率神经网络PNN算法决策安全等级组成。在人机交互过程中，本系统可以做到在高精度，大量程，快速度的机械臂工作过程中及时判断碰撞的安全等级，为后续的事故处理以及快速动作提供了有力的数据支撑。本实施例中采用新的柔性传感器，提高了传感器的灵敏度；采用特种合成橡胶丁基橡胶作为机械臂与人体接触时的缓冲层，降低了发生事故时的严重性；采用柔性聚酯薄膜，提高了传感器的柔性，方便于贴合在各种复杂的机器人表面和关节处。采用专业的电子器件，保证了数据采集的准确性和稳定性。采用了新颖的数据处理算法，提高了安全等级判断的速度和准确率。作为本实施例的优选，所述填料1为碳纳米管、C60、石墨烯微片的混合材料，其中比例为碳本文档来自技高网...

【技术保护点】
1.一种机械臂碰撞安全等级检测系统，其特征在于：包括/n传感器模块，包括若干阵列电路连接的混合填料的传感单元，所述传感单元依靠电阻变化将压力值转换为电压信号；/n数据采集模块，包括电源模块、微控制器MCU模块、运算放大器模块和输出模块；通过单片机程序和数据接收程序采集数据，所述单片机程序控制I/O口输出高低电平变化来进行选通；/n数据处理与决策模块，包括通过K最近邻KNN算法识别软硬度，通过概率神经网络PNN算法决策安全等级。/n

【技术特征摘要】
1.一种机械臂碰撞安全等级检测系统，其特征在于：包括
传感器模块，包括若干阵列电路连接的混合填料的传感单元，所述传感单元依靠电阻变化将压力值转换为电压信号；
数据采集模块，包括电源模块、微控制器MCU模块、运算放大器模块和输出模块；通过单片机程序和数据接收程序采集数据，所述单片机程序控制I/O口输出高低电平变化来进行选通；
数据处理与决策模块，包括通过K最近邻KNN算法识别软硬度，通过概率神经网络PNN算法决策安全等级。


2.根据权利要求1所述的机械臂碰撞安全等级检测系统，其特征在于：所述通过K最近邻KNN算法识别软硬度的具体方法为：使用反复拉伸实验设备进行模拟撞击，得到压力随时间变化的梯度特征G(F)，平衡稳态压力特征FS，然后计算出测试集点到训练集点的欧式距离，判断软硬度最近的分类；
所述通过概率神经网络PNN算法决策安全等级的具体方法为：在实际中进行机械臂撞击测试，通过撞击获得的压力大小/压力面积和识别的软硬度作为输入，构建基于PNN的安全等级决策，net＝newpnn(P,T,spread)进行测试，其中P和T分别为输入向量和目标向量，spread为PNN的扩散速度。
...

【专利技术属性】
技术研发人员：魏大鹏，陈羿甫，姜星池，杨俊，谢义，周凯，李晓霞，洪鑫，唐新悦，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50