阵列16（2022）100252评估用于机器人平台塔里克·阿萨夫地址：Claverton down，Bath，BA2 7AY，UKA R T I C L E I N F O数据集链接：https：//doi。或g/10。15125/BATH-01208MSC：00-0199-00保留字：人造皮肤大规模传感网格频率调制触觉传感器编码A B S T R A C T这项工作提出了一种新的架构来部署大面积人工皮肤，以增强机器人和假肢平台的空间意识。增加传感信息将提高机器人在人类周围和非结构化环境中的安全性。与生物系统不同，目前的人工平台缺乏一个完全集成的皮肤样层，这将显着提高灵活性和能力。然而，人造皮肤是有限的通过缩放许多传感器的功率和通信的技术问题。 许多当前的解决方案要么是相对低功率的，具有有限的传感器类型，例如仅接触，要么能够以需要更高功率为代价进行多种传感器类型的读数。它们的数据采集和采样率也受到用于传输它们的技术的限制。解决这些问题的方法是使用调频（FM）在一根导线上对多个信号进行编码。该解决方案被用作内部机器人通信协议。本工作描述了设计的合理性和实验验证的触觉机械感受器的频率范围内的概念。所提出的架构具有实现大面积皮肤部署的潜力。1. 介绍大多数生物都有一个“盖子”，它包裹着身体，能够提供感官信息和保护。这种覆盖物或封套可以像壳一样硬，像皮肤一样软，或者像鳞片一样中间。尽管存在着特定的差异和进化适应，但几乎所有的生物都通过这种“掩护”来收集周围环境的信息。感知危险、物体、碰撞和环境的其他物理特性的能力提供了进化优势。这与视觉和其他感官信息相结合，为生物移动和行动创造了一个有效的世界表示。 在某些情况下，生物会交换一些特征来增强一个或另一个特征（保护与敏感）。以哺乳动物为例，皮肤（无毛或有毛的皮肤）允许获得广泛的物理和化学信息，这是在动态和不断变化的非结构化环境中进化成功的关键。皮肤的顺应性和感知特征用于许多目的，包括对环境危害的弹性和保护、熟练的导航以及物体的探索和灵巧操纵。许多机械感受器和神经末梢嵌在该器官的层内。这些受体负责将物理和化学刺激转换为躯体感觉信息，分散式（例如脊髓反射中心）和/或主/集中式（例如大脑）控制系统。这些机械- anoreceptors的密度、方法和频率响应在很大程度上取决于在体内的位置、它们的特定任务和皮肤的厚度。皮肤包括具有不同机械特性和功能的许多层，机械感受器嵌入其中。主要的机械感受器是毛囊末梢（在有毛皮肤中发现）、Ruffini末梢、Pacinian小体（在有毛和无毛皮肤中发现）、Meissner所有这些传感器都很敏感皮肤上的压力（敏感度不同）、振动（高频限制在150-300 Hz范围内 这套复杂的信息对生物能力的同样，如果能够及时获得和处理类似的各种信息，机器人的能力和性能将这是如此重要，以至于在一项20年前的工作中，Lumelsky等人[4]想象了一个机器人“助手”需要什么电子邮件地址：t. bath.ac.uk。1T. 阿萨夫就职于巴斯大学电子与电气工程系https://doi.org/10.1016/j.array.2022.100252接收日期：2022年2月21日;接收日期：2022年8月2日;接受日期：2022年9月21日2022年9月26日网上发售2590-0056/© 2022作者。爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表阵列期刊主页：www.elsevier.com/locate/arrayT. Assaf阵列16（2022）1002522物体和生物，以及在意外接触的情况下保持安全和意识到损害。这项工作清楚地表明，这种“助手”的基本构建块Lumelsky等人承认，20年前的技术会让“帮助者”的大部分换句话说，打破东西，伤害动物和使用者，损坏物体或本身。为了缓解由于缺乏可行解决方案而导致的这些风险，Lumelsky等人说设计者必须这意味着通过限制机器人平台在结构化环境中运行来消除事故风险，在这种环境中，未知数被消除或限制，不必要的物体和人员被禁止接近。在过去的二十年里，由于技术和材料的进步，对这一主题的研究得到了加强，从而开发出了先进的生物启发的方法在产生新颖的触觉系统和概念方面被大量使用和有效。受指尖启发的旨在操纵或触觉应用的设备在很大程度上可用[5在人工触觉系统的不同子类别下，可以命名通常作为控制人机界面应用开发的触觉垫[13]，但限于小区域和传感器类型。最近的工作集中在软垫和触觉接口突出了通过将各种技术应用于机器人来为机器人平台提供敏感覆盖物武器[14然而，人造大规模皮肤是一个较不发达的领域。 在文献中，存在用于传感器阵列的若干解决方案，但是当寻找大量传感器（>1000 s，>10，000 s）的可扩展组合、可扩展通信架构或解决方案以降低大型阵列中的功率要求时，数量急剧减少。除了这些技术瓶颈没有得到充分解决之外，人造皮肤的进步和发展已经由于工业结构化环境中的有限兴趣和降低的优点/缺点比率而减慢。最近，随着护理机器人技术和先进假体技术的出现，行业对这些问题的兴趣增加，因此对这一研究领域产生了新的和不断增长的兴趣。2. 本工作该设想是开发覆盖有数百甚至数千个传感器的人造大面积皮肤，这些传感器能够提供人造平台（例如，机器人和假体系统）感知和保护免受环境影响。理想情况下，这个盖子将由平台的相同板载电源供电作者在[17]中介绍了该架构，并使用简单的用例验证了基本功能。然而，与天然机械感受器和神经末梢相比，该结构还应提供类似或更好的时间响应。成功实现这一愿景将有助于人工大规模皮肤部署，影响和推动机器人设计方法的变化，并缩小人工平台和空间感知之间的技术差距。这项工作提出：（i）评估一种新的电子硬件和架构的概念证明在不同的频率（10赫兹，50 Hz、100 Hz）;（ii）对引入的噪声进行评估;以及（iii）设计考虑、测试和观察。这种架构代表了第一个关键的构建块，它将潜在地实现所设想的类皮肤系统。提出的解决方案利用模拟电路策略与数字处理技术相结合之间的协同相互作用。所采用的解决方案脱离了依赖数字系统的现有解决方案中使用的主要方法 获取和传输数字或模拟传感器信息。 这种新的解决方案跨学科传输调频（FM）广播策略，并将其应用于机器人领域，而不是作为外部监控工具，而是作为集成的内部通信框架协议。通过使用6个元素来执行架构评估。这允许一定程度的复杂性来正确估计架构性能和可能的缺陷;但同时，要足够简单，以调查，观察和理解所有组件的行为。该评估的结果显示了该架构如何扩大规模，提供对电子行为的重要见解，从而可以预测所开发架构的可行性，可扩展性和功能。在该评估中，向所有六个通道提供相同的输入信号，以定义重建精度和整体性能评估的基础事实。除了在结果部分报告的降低功率需求和共线信号重构的主要成就之外;在讨论和结论部分已经确定并介绍了这一拟议架构的许多显著特征和特点。3. 背景Lucarotti等人。[18]介绍了触觉传感系统和技术的综述，从合成到生物人工系统，重点是机器人手应用。本文主要对触觉信息的传感技术和目前使用的技术进行了综述。 Dahiya等人[19]使用类似的方法对触觉皮肤系统进行了综述，其中列出了一系列最先进的类皮肤解决方案，旨在解决这项工作的核心问题。这两篇综述均确定并列出了触觉贴片中常用的多种合适的传感器技术和策略（例如压电式、电容式）。这证明了操作的触觉策略和触觉皮肤在感觉选项方面是如何密切相关的。最大的区别，这两个评论和主题分开，是触觉皮肤可扩展的关键要求，这主要取决于硬件基础设施的可扩展性。这必须考虑到处理越来越多的传感器所需的电子架构硬件、互连、功率和处理能力3.1. 触觉电子架构因此，本节重点介绍触觉架构，根据文献，旨在解决和改善触觉类皮肤系统部署的限制因素：功耗（例如微控制器、电子元件）、数据交换率和总线速度（例如，更新频率与传感器数量）、传感器布线/连接及其功率要求。在功耗方面，经常使用和参考的测量方法之一是每平方米功率（W scinm2），而在其他时候则使用单个单位功耗。这项工作提出了在没有传感器开销的单个单元方面1. 在机器人平台iCub [20系统[25]由12个电容传感器组成。这些传感器被称为taxel，被排列在三角形的贴片上。空间分辨率约为3taxel/ cm2 [26]。16个三角主机可以同时连接使用外部板的CAN总线通信（共192辆车）。通信速度基于CAN总线（控制区域网络串行总线）（可达到1 Mbps的速度的T. Assaf阵列16（2022）1002523电容-数字转换器（CDC）在大约25、50或100 Hz下为每个频率提供单独的测量。500 Hz可以通过对所有12个taxel进行空间平均来获得[20]。与这种结构相关的皮肤对接触和压力敏感。2. Ohmura等人[27]开发了一种架构，该架构由连接到传感器的多个分散式基于微控制器的板组成。所描述的架构将需要高达50 A的电流来为允许的最大数量的传感器供电。正如作者所认识到的那样，需要电源管理策略来降低此值。串行通信总线基础设施基于20 MHz的体内LAN。传感器位置、单位面积密度可以修改。 与该架构相关的皮肤对接触和压力敏感，并且其基于LED/光电检测器光变化。3. Hex-o-skin [28在单个电池单元结构内，存在专用微控制器和若干传感器，诸如温度、加速度和接近度。单个电池的总尺寸为1.4cm边缘，面积为5.1 cm2 [28]。功耗比前一个示例高得多，并且取决于操作模式。微控制器上的每个微控制器单位使用约50 mA，而提供视觉反馈的五个LED消耗高达200 mA（3.3 V）[28]。 与前面的示例类似，作者建议使用电源管理策略来减少LED使用的能量，例如仅在读取期间打开LED并使用较低的微控制器频率。通过这些节能策略，作者预计每个电池的功耗为47 mA，估计2600个触觉模块的功耗约为400 W。光电传感器具有高功率需求，如[32]所示4. 在 假 体 领 域 [33] ， Lee 等 人 提 出 了 一 种 异 步 编 码 电 子 皮 肤（ACES）。 这项工作的重点是解决布线的复杂性，传感器的数量增加。ACES可以按照神经保险的方法编码信号，将触觉事件转换成类似于动作电位的脉冲信号。用于重建触觉事件的算法和技术基于多层神经网络。所描述的架构实现了单导体传输，然而，如Lee等人所识别的，所采用的技术不能区分是否发生了感测事件的丢失。为给架构供电，ACES接收器配备了自己的电池电源，据报告，每个接收器在3.3 V时的功耗为7 mW从文献综述中提取的这四个架构示例有助于更好地了解和理解这项工作。 这些可以用作所提出的架构的比较背景4. 建议的架构设计概念很明显，从评论和国家的最先进的，可扩展性问题影响到广泛的领域，现有的解决方案是一个微妙的权衡应用程序之间的结果，复杂性，研究优先级和成本。建议的架构，在这项工作中，利用调频（FM）编码的物理质量，如电压。FM调制具有几个优点：它易于实现，可以在单个介质（例如电线，空气）上编码和传输许多信号;它可以用极低的功耗元件开发;它对外部（例如外部噪声源）和内部（例如移动平台/电线）的噪声都很鲁棒;编码信号的重建可以用简单的数学和信号处理来实现相对于本领域中更常用的其他技术（数字协议），选择FM技术的原因可以概括为四个主要步骤：1. 用于测量物理或化学量的传感器大多是模拟设备（例如压电，电容，电阻，温度，化学，加速度）。今天，这些传感器的数字版本已经存在，但基本的测量方法仍然基于相同的模拟原理。2. 如果使用模拟传感器，则优选模拟编码技术。从文献中可以明显看出，数字化和串行总线虽然功能和有效，但有内在的局限性（例如，时间、数据速率）。3. 如果使用模拟编码技术，则FM策略可以可以通过低功耗组件实现。调节级将放大电压信号或将传感器物理输出转换为电压（如果不同）。4. FM是一种可用且成熟的模拟技术，可以简单有效地将许多信号编码在单根导线/介质中，并且被证明对噪声具有弹性串行通信协议的使用需要一个接一个地多路复用和/或询问每个传感器。 这种轮询策略限制了传感器的采集频率。为了提高采集频率，串行通信协议必须具有高数据速率能力。通常，数据速率和总线复杂度越高，计算负担和功耗的复杂度就越高。串行协议必须使用地址并单独询问/接收网络中的每个节点/传感器，这可能会限制速度和频率范围。使用FM，可以通过选择适当的信道带宽来调谐传感器的频率范围。FM具有继承的寻址功能，“通过调谐”到特定传感器或传感器集群的正确载波频率。忽略瞬变（然后可以消除）FM可以在需要时传输数字电压变化（例如数字信号，甚至串行总线数据）。FM可以同时传输所有编码信号。 这意味着不需要执行多路复用，并且所有数据将同时广播到接收器。接收器可以是集中式的，或者可以使用几个接收器作为子单元来获取信号并解调它们。接收器的工作原理类似于基于软件的无线电。混合后的调频信号经接收、数字化、带通滤波和解调后重建原始信号。不同之处在于，在这种情况下，寻求每个信号的并行解码。如果并行执行，例如使用FPGA，则多个信道将被解调和下采样，为决策处理单元做好准备，因此大大减少了数据处理的计算负担4.1. 妥协为了机器人的目的，优化和调整FM技术的主要权衡和预见的问题包括：信号重构噪声;缺乏下游能力;所有信号的并行重构;以及设计定制可能更复杂。然而，所有这些妥协和潜在的问题，似乎可以接受的优势相比，由于特定的应用目标。信号重建噪声：模拟信号通常会受到噪声的影响。然而，在类似皮肤的触发事件的特定情况下，这是可以容忍的，因为可以通过差分测量、状态和信号幅度的变化来获得有价值的信息。可以执行进一步的操作和信号处理，以缓解 编码前/重建后的噪声影响。FM技术是一种经过充分巩固和验证的可靠技术。丧失下游能力：在文献综述中提出的大多数架构中，双向（上游和下游）通信是通过使用串行协议实现的。在所提出的架构中，仅存在广播信号的FM发射机，这意味着除非添加其他特征，否则不能执行下游通信。这不是一个真正的权衡，而是一个设计T. Assaf阵列16（2022）1002524相反的决定。下游通信被忽略，因为它被认为是不必要的。在机器人平台中，下游架构通常存在于从中央控制/到中央控制。触觉系统主要是（即使在天然皮肤中）向大脑发送的广播系统，并且不太可能需要向皮肤发送命令。在背景示例中呈现的架构中，下游数据主要用于寻址、定制和/或校准。简单的定制：在这种情况下，我们指的是在微控制器上使用软件/固件修改的特定优势。所提出的解决方案不具有板上的微控制器，并且因此牺牲了这种类型的定制（这在原型阶段中尤其是期望的）。这种选择的理由是，理论上，一旦皮肤就位，几乎不需要改变传感器或配置。配置能力和灵活性得到保持，但它更复杂的硬件依赖。通过更改物理硬件组件，可以更改配置（例如传感器/FM波段）。可以使用各种传感器，但必须为每个单元执行特定的物理硬件配置。例如，每个单元必须具有唯一的载波频率和/或每种类型的传感器将具有特定的调节阶段。然而，可以安全地假设，在类皮肤设备中使用的大多数传感器将属于相同类型的触觉传感器，例如电容式、压电式、光学式或电阻式。这将降低电路板定制的复杂性。一旦根据特定平台进行组装和定制，就不需要修改/重新配置皮肤。使用更少和更简单的组件是节省功耗和成本的关键，因此这种定制/配置自由度的降低是一个小缺点。信号重建：所有信号需要一次解码。这提出了一些挑战，但并不认为这是不可能的，新技术和专用硬件，如FPGA。类似的处理大量编码信号的任何其它体系结构都将面临问题。在最坏的情况下，可以采用基于事件的解码优先化（例如，使用FFT的混合FM信号频带活动分析）。5. 体系结构原型描述该架构被设计为模块化的。目前的版本主机每个电子板两个感官编码电路。每个传感器编码电路包括4个元件：信号调节（如果需要的话，传感器激励级）、压控振荡器（VCO）、无源低通滤波器（用于消除不需要的谐波）和混频器（图1）。1A）。2在第一个原型中，选择的现成VCO具有方波输出。理想情况下，如果VCO输出是纯正弦波，则可以丢弃滤波器级。 单独的FM信号被发送到混频器（外部连接），产生混合的FM信号。该混合FM信号被馈送到与软件定义无线电（SDR）加密狗非常相似的系统中，并通过软件/硬件进行处理。该信号被传递到带通滤波器（BPF），解调并最终滤波和/或下采样以获得原始信号。图1C示出了原型板。这第一次迭代已被设计和建立在一个标准的PCB基板作为概念证明。柔性PCB和不同的电路布局将在调查的下一阶段进行测试。这些电路板的设计占用空间为Fig. 1. 在左边，FM单元和解调图（A，B）。右边的图像单位（C）。图A为FM调制板上的电路元件。图B表示在Crio实时模块上运行的Crio采样硬件和LabView（NI）软件解调器。FM带宽规则。如果需要更宽的频带，这可以通过减少通道的数量来适应。可以改变频带分配以适应各个信号要求。 已选择接近频带和可用频率的下限作为谐波感应噪声的最差情况6. 材料和方法6.1. 感觉编码回路该架构的核心组件是Linear Technology的IC LTC6990，用作VCO。调节阶段专为具有固有电压输出的传感器（例如电阻、压电、温度）而设计。它是由一个基于运算放大器的电平移位器构成的，增益为1/3。GAIN和电平移位器设计用于将+7.5 V至−7.5 V转换为0-5 V范围。该GAIN可根据输入幅度进行调整，并在0至5 V范围内调整输入值，这是VCO IC的最大输入范围。 VCO以非常紧凑的设计实现FM调制（反向逻辑）。该商用IC设计用于产生方波输出。每个传感器调理电路需要一个特设的VCO集成电路频率调谐实现使用一组电阻和公式可在制造商的说明书。电平转换的基准电压源由外部提供。6.2. 数据采集与处理数据采集和解调使用国家仪器（NI）Compact-Rio（Crio 9045）和模拟采样器NI 9222 C模块以250 ksamples/s进行。选择该频率在Crio实时系统上运行解调例程，以便于开发、调试和评估。混频后的FM信号经过带通滤波，转换为正确的基频，然后使用NI模块进行下变频，生成同相和正交（I/Q）FM分量。在此操作之后，调制信号使用I/Q复数分量恢复。使用CRio实时内的等式（1）[35]执行解调18 mm ×mm。中文（简体））������−���（）������这种目前的原型设计可以理想地调制高达330个通道，与2000 Hz +500 Hz死区的频带宽度内的VCO选择的全频带范围内的每一方的nels。最小频率通道中心频带选择为8000 Hz，VCO IC选择的最大频率为1 MHz（1 MHz������������ 为������������������������������������中国������（1）������������2+������������2其中，是重构信号，是与通带带宽−7.5相关的常数缩放因子。������������在这项工作中，使用了−7.5（重新映射±7。5V配置2r���an1 0g0e0）。消极的信号=> 1330个通道）。根据卡森的说法，这是一个相当紧密的包装。用于 补偿 为 VCO 倒置 逻辑������������ 而且， ������ 是2调制的数学描述和理论支持可以在文献[34]中找到。在参考文献中，第三章讨论了调频调制。FM I/Q信号的实部和虚部。 在这项工作中，从这种处理中得到的数据被识别为“原始”重构（解调）信号。数据保存在1s帧中，并且当时在一个通道上执行T. Assaf阵列16（2022）1002525图二. FM输入混频信号（A），提取通道频带（B）和频谱分析（C，D）。 A示出了原型硬件的6个混合信号FM输出。 B示出了从混合信号中提取的每个单独的FM信道。C示出了与提取的FM重叠的整个FM信号的FFT频谱。D示出了对数标度的FM FFT频谱，以突出不期望的谐波和互调。从C中可以明显看出，这种不需要的频带的贡献在大约1/10的通道功率。7. 结果和观察结果使用3个板进行实验，总共6个FM频道。使用的频率为8 kHz、11kHz、14 kHz、17 kHz，20千赫，23千赫。所提出的结果和观察结果是通过分析所使用的解码的不同步骤而产生的。FM混合信号，带通滤波FM频道，和“原始”解调。 重建“原始"是没有任何后滤波的解调信号。我们还提出了一个比较信号与后滤波信号。这些结果探索了该架构，并提供了对已知为潜在问题的FM调制的各个关键方面的见解，特别是近距离以及评估在变化的频率范围处的信号重构是否适合于设想的人造皮肤通信策略。在下面的子章节7.1和7.3中，已经使用10 Hz的单个正弦输入信号来识别和呈现系统的输入与重构信号之间的重构保真度。第7.4小节显示了10 Hz、50 Hz和100 Hz正弦输入范围的结果。这是为了识别所选带宽内可能的频率信号/噪声的限制，以便匹配触觉响应频率。第7.5小节介绍了在实验期间对功耗架构消耗的7.1. FM和FFT混合频谱图2示出了混合FM信号（2A）的评估和每个通道的解调过程的中间步骤。图2B示出了从使用数字带通滤波器（BPF）获得的混合信号中提取每个单独的FM信道的时域。图2C和图2D分别示出了线性和对数标度的混合FM FFT频谱分析。图2C 6个通道频带可见，以指定的中心通道频率为中心。图2D突出显示了混合FM信号中存在的不期望的频率。不需要的谐波（2次和3次谐波）、自感应互调和通道间相互作用产生的其他干扰是可见的。这些噪声源是预期的，在FM调制技术文献中有很好的记载。这些噪音的强度源的功率比期望的信号功率低10倍，因此预期对重建具有边际影响如预期的，通道6（以23 kHz为中心）落入通道1的第三谐波（以8kHz为中心-以24 kHz为中心的第三谐波）内。由于滤波级，VCO的滤波方波输出的互调和不对称性引起的其他谐波和噪声是可见的（远低于感兴趣信号幅度的10倍）。混合FM信号和滤波FM波具有低幅度，因为使用了第三级无源RC滤波器，大大衰减了信号。有源滤波器将用于第二代电路板，使用低功耗运算放大器来解决这个问题。7.2. 重构噪声去除图3示出了解调的6个信号和相对于输入信号的反射误差。前三条线（A、B、C）示出了“原始"重构，并且底部三条线（D、E、F）示出了以200 Hz后滤波的解调信号。 图图3A和3D示出了重构信号的详细视图。只有通道6（fc@23 kHz）明显受到噪声的影响。图图3B和图3E示出了输入和重建重叠。相位同步已被执行，使用FFT计算相移。图中的错误。图3C和图3F示出了滤波后通道6质量的显著改善。 误差是包括两个波形（输入和重建（rec））的不准确对准、信号噪声和滤波器引入的相移的影响的组合。尽管存在这些噪声源，但总体误差幅度相当低，小于0.4 V峰峰值（p2p），小于输入信号P2P幅度。在滤波之前呈现明显的损坏和不规则误差信号的唯一通道是通道6。7.3. 重构噪声FFT分析在检测到来自通道6的噪声之后，对重构信号中的FFT分量进行了进一步的分析（“原始”重构和滤波重构两者）。图图4示出了所有6个信号的FFT频谱的各种细节。请注意，在图中 可以看到互调峰 。 4 A [标记1]。二次谐波（Fig. 4 AT. Assaf阵列16（2022）1002526图三. 原始重建和滤波重建质量的详细信息（A，D）。10 Hz的输入信号与重建信号重叠，误差作为两个信号之间的差（B，E）。错误详细信息（C，F）。误差的周期性和形状可能与对准两个波形（输入和重构）中的误差的组合有关/由其引起（rec））、滤波器引入的噪声和相移。尽管存在这些误差源，但滤波信号（F）的误差幅度非常低（0.4V p2p），因此小于信号幅度（输入信号10 V p2p）。[mark 2]）可以忽略，但清晰可见;这是VCO方波不对称的证据，由于它们非常接近低通滤波器截止频率，RC滤波器无法完全消除VCO方波不对称。信号改善在曲线ABC（“原始”）和DEF（过滤）之间是明显的7.4. 不同频率试验图图5示出在更高的频率下，波形开始变形，但仍然很容易识别。7.5. 功耗和估计的可扩展性功率需求在测试期间，工作台电源平均输出8 mA。这些测试期间的工作电压为5V。的设计兼容3.3 V，但输出范围会进一步缩小。每个单个传感调制器电路的平均电流和功耗分别为1.3 mA（8 mA/6个电路）或6.6 mW@5 V。传感器消耗必须考虑在此之上。仔细管理和选择传感器，例如使用无源/低功率有源传感器（例如压电和电阻传感器），不应明显增加功率要求。所使用的VCO具有设置为1 MHz的载波上限，其可以超频至2MHz。较高的频率会影响功耗，但根据测试结果，该VCO在2 MHz时的最大电流消耗为400 uA。然而，将频带加倍也将使可用于信号的空间加倍。如果实现更多功能（例如添加组件），功耗也可能会有所不同。T. Assaf阵列16（2022）1002527见图4。 原始重建（A、B、C）和滤波重建（D、E、F）的FFT。A、D是对数标度，以显示整个光谱。A说明感兴趣的总体范围每个频道。A、B和C（A的细节）示出了以下内容：互调频率（在3kHz处）[标记为1]以及一些残余二次谐波（16、22、28、29）。34、40、46 kHz）[标记为2]，峰值为10 Hz。D、E、F示出了在200 Hz下滤波的相同类型的视图。不再有谐波、互调和噪声明显降低。C和F表示Y轴上信号的整个幅度8. 讨论本节从8个要点讨论结果、架构考虑因素和预期性能1. 此解决方案旨在为大型阵列提供最大优势，但它也可以在小规模下工作。FM技术的大规模部署已得到证实，目前已成功用于电信领域。这项工作的一个新颖的方面是应用FM技术作为内部广播网络的机器人系统内的数据传输。该技术的跨学科转移允许FM调制和软件定义无线电（SDR）的优点在人造大规模皮肤中实现2. 任何可以输出可变电压信号（有条件或本地）的传感器都可以与该架构连接任何对感觉输入的改变将对体系结构的处理端3. 由于信号的特定应用和性质，标准无线电应用中通常需要的关于频带分离和噪声/信号比的许多考虑并不重要。由于触觉刺激的基于事件的性质，大多数通道将大部分是不活动的（携带相关信息），即使在不需要的频带上发生重叠，也不太可能发生串扰。如结果所示，噪声的幅度使得干扰可以忽略不计。这允许更紧密地封装通道。然而，在特别敏感的信号的情况下，可以计算和保留ad-hoc频带分配（FM电信中的正常做法）。设计的未来迭代将通过用4阶有源低通滤波器（例如，两个级联的二阶巴特沃兹LPF）。T. Assaf阵列16（2022）1002528图五. 10 Hz、50 Hz和100 Hz（分别为A、B、C）下输入信号的重建（原始）。该图像说明了在没有后滤波或处理的情况下的重建，三个输入频率质量向高端降低，然而解调的波可以被清楚地识别。这是因为现有的滤波器设计超过了VCO限制输出电流限制，导致方波不对称变形。4. 该设计可在单根导线上承载300多个通道，当前带宽和间距。这种架构的多个副本可以增加传感器的总数，每个都有自己的专用解调器。解调后的数据经过适当的抽取，降低了采样率，避免了冗余数据，从而提高了速度，减轻了上层控制系统的负担。5. 可以进一步利用信号的基于事件的性质来设计使用FFT频带频谱的基于注意力的解调算法。这是基于串行数字总线系统的许多现有解决方案不能实现的特征，因为串行总线需要单独地轮询每个信号/数据。在FM混合信号上使用FFT，该解决方案可以分析整体行为并检测节点是否有问题（例如，不发送vs数据丢失）。如文献综述中所示，这在单线解决方案中并不总是能得到保证。调查的下一步将是测试大量的混合FM信号，并开发并行解码电子设备/系统。6. 在评估过程中，已对功耗进行监测。每个编码电路使用约6.6mW。 在这种情况下，目前的设计可以理想地编码100个传感器输出，功率约为700 mW。此值假定传感器具有低功耗。例如，电阻传感器由于高电阻而将具有可忽略的影响。在这些架构评估中，通常不考虑处理单元的复杂性和功耗要求。这种架构的功耗测量和预测明显小于使用大量IC和微控制器专注于同一任务的大多数其他技术;有可能赶上或超过那些功率要求较低的公司。7. 在这种情况下，FM技术意味着通过有线传输，但它保持了无线兼容性。理想情况下，这种架构可以提高移动接头上的导线的寿命。例如，LED-光电探测器耦合可以避免关键接头中的导线疲劳，其中不建议使用导线连接。8. 最后，共线混合信号鉴别和解调算法相对于其他提出的算法文献中的解决方案，例如训练的神经网络，其需要高级复杂计算策略和高性能计算机器来提取数据。9. 结论本研究提出了一种基于频率调制策略的硬件架构，用于对机器人平台中的人工大面积类皮肤传感阵列部署的大量信号进行编码。 本工作成功地研究了六个通道的噪声和性能与周期信号在不同的频率。结果证明了这种新架构在低频和高频下有效工作的潜力。这项工作的意义在于它提出了开发新型人工皮肤的方法。该架构满足人工大规模皮肤可伸缩性所需的关键特征，其包括：（i）非常低的功率要求（6.6mW）来编码传感器信号，这与其他架构相比是有竞争力的;（ii）向每个通道分配不同带宽的能力;（iii）使用FM频带分配来寻址每个传感器的能力;（iv）低电路复杂度;（v）每个传感器同时传输的能力;（vi）可以使用任何类型的传感器输出变化的电压，无论是原生的或条件反射。9.1. 未来的作品在感觉编码方面，未来的工作将继续评估该技术，增加感觉板的数量和测试不同的设计。在解码方面，未来的工作将集中于开发并行处理系统，以实现能够将所有信号传输到中央单元以进行进一步处理和决策算法的独立解调系统。CRediT作者贡献声明概念化，方法论，调查，硬件，软件，数据采集，数据处理，数据可视化，写作竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作T. Assaf阵列16（2022）1002529数据可用性这项工作中使用的数据集可以在www.example.com上https://doi.org/10。15125/BATH-01208确认这项工作得到了巴斯大学校友基金赠款的支持。作者感谢AleksandrsSergejevs博士和Mr.David Chapman技术支持引用[1]Zimmerman A，Bai L，Ginty DD. 温柔的触摸受体的妈妈，马里皮肤。Science 2014;346（6212）：950-4. http://dx.doi.org/10.1126/science的网站。1254229，URLhttps://science.sciencemag.org/content/346/6212/950。[2][10]杨文龙，杨文龙，杨文龙.人类皮肤的知觉与生物力学频率响应：对触觉显示器设计的启示。 在：第一次联合欧洲触觉会议和研讨会的触觉接口的虚拟环境和 遥 操 作 系 统 。 世 界 触 觉 大 会 。 2005,第 96-101 页 。http://dx.doi.org/10.1109/WHC.2005.105网站。[3]放大图片创作者：David M. 社会互动机器人的人工皮肤和触觉传感：综述。在：触觉传感和基于触摸的人机交互的进展。机器人自动化系统2015;63：230-43. 网址：//dx.doi.org/10.1016/j.robot.2014.09.008网站， 网址http://www.sciencedirect.com/science/article/pii/S0921889014001833.[4]放 大 图 片 作 者 ： J. 敏 感 皮 肤 。 IEEE SensJ 2001;1 （ 1 ） ： 41-51.http://dx.doi.org/10.1109/JSEN.2001.923586网站。[5]放大图片作者：J.双向触觉交流的滤泡DEAs。 于： 电活性 聚合物 执行器 和设 备 ，卷9430. 国 际 光 学 与 光 子 学 学 会 ; 2015 年 ， 第 943027 页 。http://dx.doi.org/10.1117/12.2085592 ， 网 址 https://www.spiedigitallibraryorg/conference-proceedings-of-spie/9430/943027/Follicular-DEAs-for-two-way-电话：021 - 8888888传真：021 - 88888888[6]刘伟，王晓.基于DEA的人工触须在：Proc.SPIE 9056 electroactive polymeractuatorsanddevices，vol.9056中。2014，http://dx.doi.org/10.1117/12.2044763。[7]张文忠，张文忠.触摸视觉：评估一 个 柔 软 的 生 物 学 启 发 的 人 工 指 尖 实 时 主 动 触 摸 。 Sensors 2014;14 ：2561http://dx.doi.org/10.3390/s140202561[8]Fishel JA，Loeb GE.用BioTac - Com-Tuberculosis以人类的敏感度感知触觉微振动。2012年第四届IEEE RAS EMBS生物医学机器人和生物机电一体化国际会议。2012年，p.1122-7 网址：//dx.doi.org/10.1109/BioRob.2012.6290741网站。[9]李晓斌，李晓斌，李晓斌.在DLR手臂系统上通过BioTac®触觉传感进行滑动检测策略的实验比较。2014年IEEE机器人与自动化国际会议 2014，第2742-8页。http://dx.doi.org/10.1109/ICRA.2014.6907252网站。[10] KimJ， Lee M，Shim HJ，Ghaffari R，Cho HR，Son D等，用于皮肤假体的可拉 伸 硅 纳 米 电 子 器 件 。 Nature Commun 2014;5 （ 1 ） ： 1-11.http://dx.doi.org/10.1038/ncomms6747，URLhttps://www.nature.com/articles/ncomms6747.[11] 放大图片Salman M.通过实施生物启发的搅拌策略，推进基于晶须的导航。IEEEInternational Conference on Robotics and Biomimetics（IEEE机器人与仿生学国际会议）2016年，URLhttps://uwe-repository.worktribe.com/输出/922980。[12] Assaf T，Wilson ED，Anderson S，Dean P，PorrillJ， Pearson MJ. 视觉- 仿生胡须机器人触觉感知图标定 2016年IEEE机器人与自动化国际会议2016，p.967-72http://dx.doi.org/10.1109/ICRA.2016.7487228网站。[13] [10]张文辉，张文辉. Skin-on界面：一种生物驱动的方法，用于人工皮肤设计，以覆盖交互式设备。第32届ACM用户界面软件与技术研讨会论文集。美国纽约州纽约市：ACM;2019年，第307-22页http://doi.acm.org/10.1145/3332165.3347943https://doi.org/10.1145/3332165.3347943[14] Teyssier M，Parilusyan B，Roudaut A，SteimleJ.用于物理人机交互的类人人工皮肤传感器。2021年IEEE国际会议机器人和自动化.2021,p.3626-33.http://dx.doi.org/10.1109/ICRA 48506.2021.9561152。[15] Gbouna ZV，Pang G，Yang G，H
我的内容管理
展开
