浙江工业大学“六维力剑”团队：榫卯灵感催生柔性六维力传感器创新设计

潮新闻客户端 通讯员 李婧

在科技与传统的碰撞中，浙江工业大学机械工程学院的“六维力剑”团队独辟蹊径，从中国古建筑的榫卯结构中汲取灵感，力求破解柔性多维力传感器在六维力感知上的技术瓶颈。面对传统柔性传感器检测维度受限的难题，以及刚性传感器在适应性与应用上的诸多不足，团队成员潜心钻研榫卯结构的独特力学特性。他们广泛查阅古建筑文献，虚心请教相关领域专家，只为找到将榫卯智慧与传感器设计完美融合的突破口，开创柔性六维力传感器的全新设计思路，引领这一领域的创新发展。

精心设计：孜孜不倦，反复打磨

“六维力剑”团队在柔性六维力传感器的设计优化过程中精益求精，每位成员都倾注了大量心血。团队成员分工协作，经过多轮模拟与优化，最终确立了传感器独特的榫卯互锁结构。传感器的制备过程既复杂又关键，团队成员严谨把控每一个环节。敏感单元材料筛选时，他们对比了压阻、压电等多种材料的性能，最终选择了具备优异灵敏度的压敏导电片；基底材料则采用 PDMS，以其优良的生物相容性和稳定性确保传感器的可靠性。柔性电路板设计团队精心规划电路走线，以最大程度减少信号串扰；力传感层制备小组精细裁剪并封装材料，确保传感器结构稳定。装配过程中，成员们反复调试与测试，确保各部件精准契合。经过层层工序严格把关，团队最终成功制备出性能卓越、可靠性高的柔性六维力传感器，为智能触觉感知技术的突破奠定了坚实基础。

深度解耦：持之以恒，钻研算法

为提升传感器的六维力感知精度，“六维力剑”团队深入研究解耦算法，直面传统线性解耦误差较大的挑战，创新性地引入深度神经网络（DNN）算法。团队成员系统学习 Pytorch 深度学习框架，精细处理标定数据，对数据进行偏置校正与归一化处理，以提高模型的泛化能力。在搭建 DNN 模型过程中，团队多次尝试不同的隐藏层配置与激活函数，经过大量训练与优化，最终确定最优模型参数。凭借不懈努力，团队成功提升了 DNN 算法的性能，使传感器标定精度显著提高，有效降低维间耦合误差，使其在复杂力学环境下依然能够精准感知六维力，为智能触觉感知技术的发展提供了强有力的支撑。

传承创新：一篑之功，苦尽甘来

“六维力剑”团队巧妙融合科技与文化，在传统智慧中探索突破与创新。怀揣对传统文化的敬仰与对科研的执着，他们在柔性六维力传感器的设计之路上开辟了一条独具特色的创新路径。从无到有，从理论构想到实践落地，团队成员用实际行动诠释了传统文化作为科研灵感源泉的深远价值。随着智能化与国际化战略的深入推进，这项技术有望在智能感知领域发挥更大的作用，为未来智能触觉感知的发展注入新的活力。（受访者供图）

“转载请注明出处”