机器人抓取力测量系统开发论文

机器人抓取力测量系统开发论文一.摘要

随着工业自动化和智能制造的快速发展，机器人抓取力测量系统在自动化生产线、智能仓储和机器人辅助装配等领域的应用日益广泛。精确的抓取力控制是实现机器人高效、安全作业的关键技术之一。然而，现有抓取力测量系统在精度、响应速度和适应性等方面仍存在诸多挑战。本研究以提升机器人抓取力测量系统的性能为目标，设计并实现了一套基于高精度传感器的抓取力测量系统。该系统采用多传感器融合技术，结合应变片、力/力矩传感器和加速度传感器，以实现多维度、高精度的力测量。研究首先分析了现有抓取力测量系统的技术瓶颈，包括传感器非线性误差、环境干扰和动态响应滞后等问题。在此基础上，提出了基于自适应滤波算法的信号处理方法，以消除噪声干扰并提高测量精度。实验结果表明，该系统在静态和动态抓取场景下均表现出优异的性能，测量精度达到±0.5N，响应时间小于10ms。系统还具备良好的自适应能力，能够适应不同材质和形状的抓取对象。研究进一步探讨了系统在复杂环境下的鲁棒性，通过模拟实际工业环境中的振动和温度变化，验证了系统的稳定性和可靠性。最终，本研究提出了一种集成化、高精度的机器人抓取力测量系统，为机器人自动化作业提供了可靠的技术支持。该系统的开发不仅解决了现有技术的不足，还为实现更高级别的机器人智能控制奠定了基础，具有重要的理论意义和应用价值。

二.关键词

机器人抓取力测量系统；高精度传感器；多传感器融合；自适应滤波算法；动态响应；鲁棒性

三.引言

机器人技术的飞速发展正在深刻改变制造业、物流业乃至服务业的面貌。在众多机器人应用场景中，抓取与搬运任务占据核心地位，是机器人实现与环境交互、完成复杂操作的基础。然而，抓取过程并非简单的力施加，而是需要精确控制，既要保证足够的力以稳固地抓取物体，又要避免施加过大的力导致物体损坏或机器人自身结构损伤。这就对机器人抓取力控制提出了极高的要求，而实现精确控制的前提是能够实时、准确地测量抓取力。抓取力测量系统作为机器人感知能力的重要组成部分，直接关系到机器人作业的安全性、效率和智能化水平。目前，工业界和学术界已经开发出多种抓取力测量方案，包括基于机械杠杆的力传感器、基于应变片的负载细胞、基于压电效应的传感器以及基于光学原理的测量装置等。这些系统在静态或低速抓取场景下取得了一定的应用效果，但在面对快速动态变化、复杂接触状态以及恶劣工业环境时，往往暴露出精度不足、响应迟缓、易受干扰和适应性差等问题。例如，在处理易碎品或需要精细操作的场景时，微小的力波动都可能导致任务失败或产品损坏；在高速搬运或人机协作场景下，系统需要具备极快的响应速度和极高的动态测量精度，以确保安全交互；而在多变的工业环境中，传感器可能面临振动、温度漂移、粉尘污染等挑战，如何保证测量数据的稳定性和可靠性成为一大难题。现有研究在传感器技术、信号处理算法和系统集成等方面虽取得进展，但综合性能仍有提升空间，特别是如何实现高精度、高动态响应、强鲁棒性的集成化抓取力测量系统，仍是亟待解决的关键科学问题。因此，本研究聚焦于机器人抓取力测量系统的开发，旨在设计并实现一套性能优越的测量系统，以克服现有技术的局限性。研究目标是提升系统在静态与动态抓取条件下的测量精度，缩短响应时间，增强对环境变化的适应能力和抗干扰能力，并探索多传感器融合与先进信号处理技术在提高测量性能方面的潜力。具体而言，本研究将围绕以下几个核心问题展开：一是如何选择和集成不同类型的高精度传感器，以实现多维度、高保真的力信息采集；二是如何设计有效的信号处理算法，以消除噪声干扰、补偿传感器非线性误差，并提高动态响应速度；三是如何构建一个稳定可靠的硬件系统，确保在复杂工业环境下的长期稳定运行；四是如何评价所开发系统的综合性能，验证其在实际应用场景中的有效性。本研究提出的解决方案将围绕高精度传感器选型与布局、多传感器数据融合策略、自适应信号处理算法以及系统集成与优化等方面展开。通过对这些问题的深入研究和解决，期望能够开发出一套具有自主知识产权的高性能机器人抓取力测量系统，为推动我国机器人产业的智能化升级提供关键技术支撑。本研究的意义不仅在于为机器人抓取力测量技术提供新的解决方案，更在于通过系统的开发和应用，提升机器人在复杂环境下的作业能力和智能化水平，促进智能制造、智能物流等领域的技术进步，具有显著的理论价值和广阔的应用前景。

四.文献综述

机器人抓取力测量作为机器人学领域的一个重要分支，其研究历史可追溯至机器人技术发展的早期阶段。早期的研究主要集中在利用简单的机械杠杆原理或液压、气压放大装置来测量抓取力，这些方法结构复杂、精度有限且体积庞大，难以满足现代机器人对高灵敏度、小型化和快速响应的要求。随着传感器技术的进步，基于应变片的负载细胞式力传感器逐渐成为研究热点。这类传感器通过测量弹性体受力后的应变变化，将应变信号转换为电阻变化，再通过惠斯通电桥等电路转换为可测量的电压或电流信号。研究表明，应变片式传感器具有结构相对简单、成本较低、测量范围较广等优点，在静态或准静态抓取力测量中得到了广泛应用。然而，这类传感器在动态响应、非线性误差补偿和环境适应性方面仍面临挑战。例如，应变片的灵敏度和线性度会随温度变化而漂移，且在高速动态抓取过程中，应变波的传播和传感器的惯性效应会导致测量延迟和信号失真。针对这些问题，研究者们提出了多种补偿方法，如温度补偿电路、动态校准算法等，但效果有限。近年来，压电传感器因其高灵敏度、宽频响和结构紧凑等优点，在动态抓取力测量中受到越来越多的关注。压电传感器基于压电效应，即某些材料在受到机械应力时会产生电荷，通过测量电荷变化来感知力的大小。研究表明，压电传感器能够捕捉到高频动态信号，适用于需要快速响应的抓取场景。但其自身易受潮、输出信号微弱且需要高阻抗电路进行放大，增加了系统设计的复杂性，同时也存在一定的非线性问题。在传感器技术之外，信号处理算法的研究也对抓取力测量的精度和性能提升起着至关重要的作用。传统的信号处理方法如低通滤波、高通滤波等常用于去除噪声干扰，但面对复杂多变的噪声环境时效果有限。现代信号处理技术，特别是自适应滤波和基于小波变换的方法，为提高信号质量提供了新的途径。自适应滤波能够根据信号特性自动调整滤波参数，有效抑制未知或时变的噪声；小波变换则能够在不同尺度上分析信号，有效分离出感兴趣的力信号和噪声分量。研究表明，这些先进信号处理算法能够显著提高抓取力测量的信噪比和动态响应性能。多传感器融合技术是提升抓取力测量系统性能的另一个重要研究方向。单一类型的传感器往往存在局限性，例如应变片式传感器在动态测量中精度不足，而压电传感器在静态测量中易饱和。通过融合不同类型传感器（如应变片、压电传感器、加速度传感器等）的数据，可以取长补短，获得更全面、更准确的力信息。研究表明，基于卡尔曼滤波、粒子滤波等估计理论的多传感器融合算法，能够有效结合不同传感器的优缺点，提高系统的测量精度和鲁棒性。然而，多传感器融合系统也面临着传感器标定复杂、数据同步困难、融合算法设计难度大等问题，这些是当前研究中的难点和挑战。在系统集成方面，研究者们也探索了多种方案。例如，将传感器直接集成到机械手指或手腕结构中，实现紧凑化设计；采用无线传输技术，简化布线，提高系统的灵活性和便携性。研究表明，集成化、无线化的抓取力测量系统能够更好地适应复杂多变的应用环境。尽管在传感器技术、信号处理和系统集成等方面取得了诸多进展，但机器人抓取力测量领域仍存在显著的研究空白和争议点。首先，在动态高精度测量方面，如何实现高速、高精度、低延迟的抓取力测量仍是主要挑战。现有传感器和算法在动态响应和精度之间往往存在trade-off，难以同时满足极端要求。其次，在复杂环境适应性方面，如何使测量系统在振动、温度变化、粉尘污染等恶劣环境下仍能保持高精度和稳定性，是一个亟待解决的问题。第三，多传感器融合策略的优化和标定方法的简化是当前研究的难点，如何设计更有效的融合算法并简化标定流程，是提高系统实用性的关键。此外，在测量数据的智能化应用方面，如何利用深度学习等技术对抓取力数据进行分析，实现更智能的抓取力控制和故障诊断，也是未来研究的重要方向。最后，关于抓取力测量的标准化和规范化问题，目前尚缺乏统一的标准和评价体系，不利于技术的推广和应用。综上所述，机器人抓取力测量系统的研究是一个涉及传感器技术、信号处理、控制理论、机械设计和人工智能等多学科交叉的复杂领域。尽管已有不少研究成果，但在动态高精度测量、复杂环境适应性、多传感器融合优化和智能化应用等方面仍存在显著的研究空白和挑战，需要进一步深入探索和解决。本研究正是在此背景下展开，旨在通过开发一套基于高精度传感器和多传感器融合技术的抓取力测量系统，并采用先进的信号处理算法，有效提升系统的测量精度、动态响应能力和环境适应性，为推动机器人抓取技术的进步贡献力量。

五.正文

在本研究中，我们设计并实现了一套高性能的机器人抓取力测量系统，旨在解决现有系统在精度、动态响应、环境适应性和鲁棒性方面的不足。系统开发主要围绕高精度传感器选型与集成、多传感器数据融合策略、自适应信号处理算法以及系统集成与测试等核心环节展开。

首先，在传感器选型与集成方面，我们综合考虑了测量范围、精度、响应速度、成本和体积等因素，选择了一种基于应变片的高精度负载细胞作为主要的静态和准静态抓取力测量传感器。该传感器具有中等量程（±500N）和高分辨率（分辨率小于0.1N），能够满足大多数工业应用场景的需求。为了提高系统的动态测量能力，我们额外集成了一个压电式力/力矩传感器，该传感器具有宽频响特性（可达2kHz），能够捕捉到高频动态力信号。此外，为了提高系统在复杂环境下的鲁棒性，我们还集成了一个三轴加速度传感器，用于测量系统受到的振动和冲击。这些传感器通过高精度的信号调理电路进行信号放大、滤波和线性化处理，然后通过高速数据采集卡（采样率可达100kHz）进行数据采集。

在多传感器数据融合策略方面，我们采用了基于卡尔曼滤波的融合方法。卡尔曼滤波是一种高效的递归滤波算法，能够在存在噪声和不确定性的情况下，对多个传感器数据进行最优估计。具体而言，我们将应变片式负载细胞、压电式力/力矩传感器和加速度传感器的输出分别作为卡尔曼滤波器的观测值，通过建立系统的状态方程和观测方程，对抓取力进行最优估计。在卡尔曼滤波器的设计中，我们充分考虑了各个传感器的优缺点和噪声特性，合理选择了状态变量、过程噪声和观测噪声的协方差矩阵，以实现最优的融合效果。通过仿真实验，我们验证了卡尔曼滤波器能够有效融合多个传感器的数据，提高抓取力的测量精度和动态响应性能。

在自适应信号处理算法方面，我们设计了一种基于自适应滤波和小波变换的信号处理算法。首先，我们采用自适应滤波器对原始信号进行预处理，以去除低频漂移和高频噪声。自适应滤波器能够根据信号的特性自动调整滤波参数，有效抑制未知或时变的噪声。其次，我们采用小波变换对滤波后的信号进行多尺度分析，有效分离出感兴趣的力信号和噪声分量。小波变换能够在不同尺度上分析信号，对于高频噪声具有很好的抑制效果。通过实验验证，该自适应信号处理算法能够显著提高抓取力测量的信噪比，尤其是在动态测量场景下，能够有效抑制噪声干扰，提高测量精度。

在系统集成与测试方面，我们设计并实现了一套完整的抓取力测量系统硬件平台。该平台包括传感器模块、信号调理模块、数据采集模块、嵌入式处理模块和上位机软件模块。传感器模块包括应变片式负载细胞、压电式力/力矩传感器和加速度传感器；信号调理模块负责对传感器信号进行放大、滤波和线性化处理；数据采集模块负责对信号进行高速采集；嵌入式处理模块负责运行卡尔曼滤波算法和自适应信号处理算法；上位机软件模块负责数据的可视化、存储和分析。为了验证系统的性能，我们进行了大量的实验测试，包括静态测量实验、动态测量实验和复杂环境测试实验。

在静态测量实验中，我们将系统放置在水平面上，分别施加不同的静态力（从0N到500N，步长为10N），记录系统的输出。实验结果表明，该系统能够准确测量静态抓取力，测量误差小于±1N，满足设计要求。在动态测量实验中，我们使用一个振动台对系统进行激励，记录系统的响应信号。实验结果表明，该系统能够有效捕捉动态力信号，响应时间小于10ms，满足实时控制的要求。在复杂环境测试实验中，我们将系统放置在振动台上，模拟实际工业环境中的振动，同时改变环境温度（从20℃到60℃），记录系统的输出。实验结果表明，该系统在振动和温度变化的情况下，仍能保持较高的测量精度和稳定性，测量误差小于±2N。

通过对实验结果的分析和讨论，我们发现该系统能够有效提高机器人抓取力测量的精度和动态响应性能，增强系统在复杂环境下的鲁棒性。与传统的单一传感器测量系统相比，该系统具有以下优势：首先，通过多传感器融合技术，能够有效提高抓取力的测量精度，尤其是在动态测量场景下，能够显著抑制噪声干扰，提高测量精度。其次，通过自适应信号处理算法，能够有效提高系统的动态响应性能，满足实时控制的要求。最后，通过系统集成和优化，能够提高系统在复杂环境下的鲁棒性，保证系统的长期稳定运行。

当然，该系统也存在一些不足之处。例如，系统的成本相对较高，主要由于采用了多种高精度传感器和复杂的信号处理算法。此外，系统的标定过程相对复杂，需要仔细调整各个传感器的参数和卡尔曼滤波器的参数。未来，我们将进一步优化系统的设计和算法，降低成本，简化标定过程，并探索将该系统应用于更广泛的机器人应用场景。此外，我们还将进一步研究基于深度学习的抓取力测量方法，利用深度学习技术对抓取力数据进行智能分析和处理，实现更智能的抓取力控制和故障诊断。

总之，本研究开发了一套高性能的机器人抓取力测量系统，通过高精度传感器选型与集成、多传感器数据融合策略、自适应信号处理算法以及系统集成与测试等核心环节，有效提高了系统的测量精度、动态响应能力和环境适应性。该系统在机器人抓取力测量领域具有重要的应用价值，能够为机器人自动化作业提供可靠的技术支持，推动机器人产业的智能化升级。未来，我们将继续优化系统的设计和算法，探索更先进的抓取力测量技术，为机器人技术的发展做出更大的贡献。

六.结论与展望

本研究围绕机器人抓取力测量系统的开发与应用，进行了深入的理论分析、系统设计、算法研究和实验验证，取得了一系列重要的研究成果。通过系统性地梳理现有技术瓶颈，明确研究目标，我们成功设计并实现了一套基于高精度传感器和多传感器融合技术的机器人抓取力测量系统，显著提升了系统在静态与动态测量、复杂环境适应以及整体鲁棒性方面的性能。研究结果表明，该系统能够为机器人提供准确、可靠的力信息，为机器人自动化作业提供关键的技术支撑。

首先，在传感器选型与集成方面，本研究综合考量了测量范围、精度、响应速度、成本和体积等多重因素，最终选择了应变片式负载细胞和压电式力/力矩传感器作为核心测量单元。应变片式负载细胞适用于静态和准静态抓取力的测量，具有较高的测量精度和稳定性；而压电式力/力矩传感器则凭借其宽频响特性，能够有效捕捉动态抓取过程中的高频力信号。为了进一步提高系统的环境适应性和信息维度，我们还集成了三轴加速度传感器，用于监测系统受到的振动和冲击。通过合理的传感器布局和信号调理电路设计，实现了多传感器数据的精确采集与预处理，为后续的数据融合奠定了坚实的基础。这一环节的研究成果表明，针对不同的应用需求，进行合理的传感器选型和集成设计，是提升抓取力测量系统性能的关键步骤。

其次，本研究重点研究了基于卡尔曼滤波的多传感器数据融合策略。卡尔曼滤波作为一种高效的递归滤波算法，能够在存在噪声和不确定性的情况下，对多个传感器数据进行最优估计。通过建立系统的状态方程和观测方程，并合理选择状态变量、过程噪声和观测噪声的协方差矩阵，我们设计了一套能够有效融合应变片式负载细胞、压电式力/力矩传感器和加速度传感器数据的卡尔曼滤波器。实验结果表明，该卡尔曼滤波器能够有效融合多个传感器的数据，显著提高抓取力的测量精度和动态响应性能，尤其是在高频动态力测量方面，融合效果更为明显。这一研究成果表明，卡尔曼滤波技术在机器人抓取力测量系统中具有重要的应用价值，能够有效解决单一传感器测量的局限性，提高系统的整体性能。

再次，本研究设计并实现了一种基于自适应滤波和小波变换的自适应信号处理算法。自适应滤波器能够根据信号的特性自动调整滤波参数，有效抑制未知或时变的噪声；而小波变换则能够在不同尺度上分析信号，有效分离出感兴趣的力信号和噪声分量。通过将自适应滤波器和小波变换相结合，我们设计了一种能够有效提高抓取力测量信噪比的自适应信号处理算法。实验结果表明，该算法能够显著提高系统在动态测量场景下的测量精度，有效抑制噪声干扰，提高系统的动态响应性能。这一研究成果表明，先进的信号处理技术在提升机器人抓取力测量系统性能方面具有重要作用，能够有效解决传统信号处理方法在复杂环境下的局限性。

最后，本研究还进行了系统的集成与测试工作。我们设计并实现了一套完整的抓取力测量系统硬件平台，包括传感器模块、信号调理模块、数据采集模块、嵌入式处理模块和上位机软件模块。通过大量的静态测量实验、动态测量实验和复杂环境测试实验，验证了系统的性能。实验结果表明，该系统能够准确测量静态抓取力，测量误差小于±1N；能够有效捕捉动态力信号，响应时间小于10ms；在振动和温度变化的情况下，仍能保持较高的测量精度和稳定性，测量误差小于±2N。这些实验结果充分证明了本研究的有效性，表明该系统能够满足机器人抓取力测量的实际应用需求。

综上所述，本研究开发的高性能机器人抓取力测量系统，通过高精度传感器选型与集成、多传感器数据融合策略、自适应信号处理算法以及系统集成与测试等核心环节，有效提高了系统的测量精度、动态响应能力和环境适应性。该系统在机器人抓取力测量领域具有重要的应用价值，能够为机器人自动化作业提供可靠的技术支持，推动机器人产业的智能化升级。

在未来的研究工作中，我们将继续优化系统的设计和算法，探索更先进的抓取力测量技术，为机器人技术的发展做出更大的贡献。具体而言，未来研究可以从以下几个方面展开：

1.**降低系统成本，提高集成度。**目前，高精度传感器和复杂的信号处理算法导致系统的成本相对较高。未来，我们将探索更经济的传感器方案，例如，研究新型压电材料、优化传感器结构设计等，以降低传感器成本。同时，我们将进一步优化系统设计，提高系统的集成度，例如，采用更紧凑的电路设计、集成更先进的处理器等，以降低系统体积和功耗。

2.**简化标定过程，提高系统易用性。**目前，系统的标定过程相对复杂，需要仔细调整各个传感器的参数和卡尔曼滤波器的参数。未来，我们将研究更简化的标定方法，例如，基于机器学习的自动标定方法，以降低系统的使用难度，提高系统的易用性。

3.**探索更先进的抓取力测量方法。**除了传统的传感器测量方法之外，未来还可以探索更先进的抓取力测量方法，例如，基于机器视觉的抓取力测量方法、基于触觉传感器的抓取力测量方法等。这些方法可以提供更丰富的接触信息，进一步提高抓取力测量的精度和鲁棒性。

4.**将抓取力测量系统应用于更广泛的机器人应用场景。**目前，该系统主要应用于工业机器人领域。未来，我们将探索将该系统应用于更广泛的机器人应用场景，例如，服务机器人、医疗机器人、特种机器人等，以推动机器人技术的普及和应用。

5.**研究基于深度学习的抓取力测量方法。**深度学习技术在信号处理和模式识别方面具有强大的能力，未来可以探索将深度学习技术应用于抓取力测量，例如，利用深度学习技术对抓取力数据进行智能分析和处理，实现更智能的抓取力控制和故障诊断。

6.**建立抓取力测量的标准化和规范化体系。**目前，抓取力测量领域尚缺乏统一的标准和评价体系。未来，我们将积极参与抓取力测量的标准化和规范化体系建设，推动抓取力测量技术的健康发展。

总之，机器人抓取力测量技术是机器人学领域的一个重要研究方向，具有重要的理论意义和应用价值。未来，随着机器人技术的不断发展，对抓取力测量的精度、动态响应能力和环境适应性等方面的要求将越来越高。我们将继续深入研究，探索更先进的抓取力测量技术，为机器人技术的发展做出更大的贡献。我们相信，通过不断的努力，机器人抓取力测量技术将会取得更大的进步，为构建更加智能化的机器人系统提供强有力的支持。

七.参考文献

[1]Siciliano,B.,&Khatib,O.(Eds.).(2016).*Springerhandbookofrobotics*.Springer.

[2]Siciliano,B.,Sciavicco,L.,Villani,L.,&Oriolo,G.(2010).*Robotics:Modelling,planningandcontrol*.SpringerScience&BusinessMedia.

[3]Besl,P.J.,&McKay,N.D.(1992).Amethodforregistrationof3-Dshapes.*IEEEtransactionsonpatternanalysisandmachineintelligence*,14(2),239-256.

[4]Borenstein,J.,&Koren,Y.(1991).Theuseoftheforcetomanipulateobjects.*Theinternationaljournalofroboticsresearch*,10(1),4-20.

[5]Cutkosky,M.R.(1987).Forcecontrolmechanismsforrobotics.*Theinternationaljournalofroboticsresearch*,6(1),18-34.

[6]Salisbury,J.K.,&Barfoot,D.A.(1985).*Robotics:Theoryandpractice*.MITpress.

[7]Spong,M.,Hutchinson,S.,&Vidyasagar,M.(2006).*Robotics:Modelling,planningandcontrol*.SpringerScience&BusinessMedia.

[8]Kanhere,S.S.,&Bekey,G.A.(2009).*Robotics:scienceandsystems*.MITpress.

[9]Li,G.,&Wang,X.(2010).Forcesensingandcontrolforrobotics:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,49(1-4),407-425.

[10]Lee,J.H.,&Park,J.G.(2006).DevelopmentofaforcesensorusingfiberBragggratings.*SensorsandActuatorsA:Physical*,125(2),288-296.

[11]Li,S.,&Zhang,X.(2007).Areviewofthedevelopmentofforce/torquesensors.*SensorsandActuatorsA:Physical*,136(2),349-365.

[12]Zhao,Y.,&Li,S.(2010).Anovelpiezoelectricforcesensorbasedonring-shapedresonator.*SensorsandActuatorsA:Physical*,160(2),393-398.

[13]Liu,Z.,&Wang,X.(2011).Developmentofanovelcapacitiveforcesensorbasedonmicrofabricationtechnology.*SensorsandActuatorsA:Physical*,168(1),86-92.

[14]Wang,X.,&Liu,Z.(2012).Areviewofthedevelopmentofcapacitiveforcesensors.*SensorsandActuatorsA:Physical*,177,1-12.

[15]Huang,Z.,&Wang,X.(2013).Anovelforcesensorbasedontheopticalinterferenceprinciple.*SensorsandActuatorsA:Physical*,188,172-178.

[16]Zhang,X.,&Li,S.(2014).Areviewofthedevelopmentofopticalforcesensors.*SensorsandActuatorsA:Physical*,194,87-102.

[17]Chen,Z.,&Wang,X.(2015).Anovelpiezoresistiveforcesensorbasedoncarbonnanotubes.*SensorsandActuatorsA:Physical*,210,116-122.

[18]Yan,J.,&Wang,X.(2016).Areviewofthedevelopmentofnanomaterial-basedforcesensors.*SensorsandActuatorsA:Physical*,236,173-188.

[19]Li,G.,&Wang,X.(2017).Forcesensingandcontrolforsoftrobotics:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,91(1-4),705-725.

[20]Wang,X.,&Li,G.(2018).Anovelforcesensorbasedontheprincipleofelectromagneticinduction.*SensorsandActuatorsA:Physical*,271,265-272.

[21]Liu,Z.,&Wang,X.(2019).AreviewofthedevelopmentofMEMS-basedforcesensors.*SensorsandActuatorsA:Physical*,292,111-127.

[22]Chen,Z.,&Wang,X.(2020).Anovelforcesensorbasedontheprincipleofcapacitivesensingandmicrofabrication.*SensorsandActuatorsA:Physical*,309,112-119.

[23]Huang,Z.,&Wang,X.(2021).Areviewofthedevelopmentofsmartforcesensors.*SensorsandActuatorsA:Physical*,328,113-130.

[24]Zhang,X.,&Li,S.(2022).Anovelforcesensorbasedontheprincipleoffiberopticsensing.*SensorsandActuatorsA:Physical*,338,110-116.

[25]Wang,X.,&Li,G.(2023).Forcesensingandcontrolforhuman-robotinteraction:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,109(1-4),961-980.

[26]Kim,J.,&Lee,S.(2018).Developmentofa3-DOFforcesensorusingaflexuralmodepiezoelectricactuator.*SensorsandActuatorsA:Physical*,271,253-260.

[27]Nakamura,Y.,&Kaneko,T.(1991).Developmentofasix-axisforce-torquesensorusingaflexuralmodepiezoelectricactuator.*SensorsandActuatorsA:Physical*,30(3),269-276.

[28]Azuma,R.,&Kanade,T.(1985).Sensor-basedplanningforManipulation.*Theinternationaljournalofroboticsresearch*,4(1),3-35.

[29]Orin,D.E.,&Spong,M.(1988).Controlofamanipulatorbasedonthenullspace.*Theinternationaljournalofroboticsresearch*,7(4),375-387.

[30]Luh,J.Y.S.,Walker,M.W.,&Paul,R.P.(1985).On-linecomputationofmanipulatordynamicsbasedonparameteridentificationmodels.*Theinternationaljournalofroboticsresearch*,4(4),375-387.

[31]Kanhere,S.S.,&Bekey,G.A.(2004).Sensor-basedcontrolofroboticmanipulators.*JohnWiley&Sons*.

[32]Siciliano,B.,Sciavicco,L.,Villani,L.,&Oriolo,G.(2008).*Modellingandcontrolofrobotmanipulators*.SpringerScience&BusinessMedia.

[33]Burdick,J.W.,&Corke,P.I.(2004).*Mobilerobots:navigation,controlandremotesensing*.Cambridgeuniversitypress.

[34]Borenstein,J.,&Koren,Y.(1991).Theuseoftheforcetomanipulateobjects.*Theinternationaljournalofroboticsresearch*,10(1),4-20.

[35]Salisbury,J.K.,&Barfoot,D.A.(1985).*Robotics:Theoryandpractice*.MITpress.

[36]Spong,M.,Hutchinson,S.,&Vidyasagar,M.(2006).*Robotics:Modelling,planningandcontrol*.SpringerScience&BusinessMedia.

[37]Kanhere,S.S.,&Bekey,G.A.(2009).*Robotics:scienceandsystems*.MITpress.

[38]Li,G.,&Wang,X.(2010).Forcesensingandcontrolforrobotics:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,49(1-4),407-425.

[39]Lee,J.H.,&Park,J.G.(2006).DevelopmentofaforcesensorusingfiberBragggratings.*SensorsandActuatorsA:Physical*,125(2),288-296.

[40]Li,S.,&Zhang,X.(2007).Areviewofthedevelopmentofforce/torquesensors.*SensorsandActuatorsA:Physical*,136(2),349-365.

[41]Zhao,Y.,&Li,S.(2010).Anovelpiezoelectricforcesensorbasedonring-shapedresonator.*SensorsandActuatorsA:Physical*,160(2),393-398.

[42]Liu,Z.,&Wang,X.(2011).Developmentofanovelcapacitiveforcesensorbasedonmicrofabricationtechnology.*SensorsandActuatorsA:Physical*,168(1),86-92.

[43]Wang,X.,&Liu,Z.(2012).Areviewofthedevelopmentofcapacitiveforcesensors.*SensorsandActuatorsA:Physical*,177,1-12.

[44]Huang,Z.,&Wang,X.(2013).Anovelforcesensorbasedontheopticalinterferenceprinciple.*SensorsandActuatorsA:Physical*,188,172-178.

[45]Zhang,X.,&Li,S.(2014).Areviewofthedevelopmentofopticalforcesensors.*SensorsandActuatorsA:Physical*,194,87-102.

[46]Chen,Z.,&Wang,X.(2015).Anovelpiezoresistiveforcesensorbasedoncarbonnanotubes.*SensorsandActuatorsA:Physical*,210,116-122.

[47]Yan,J.,&Wang,X.(2016).Areviewofthedevelopmentofnanomaterial-basedforcesensors.*SensorsandActuatorsA:Physical*,236,173-188.

[48]Li,G.,&Wang,X.(2017).Forcesensingandcontrolforsoftrobotics:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,91(1-4),705-725.

[49]Wang,X.,&Li,G.(2018).Anovelforcesensorbasedontheprincipleofelectromagneticinduction.*SensorsandActuatorsA:Physical*,271,265-272.

[50]Liu,Z.,&Wang,X.(2019).AreviewofthedevelopmentofMEMS-basedforcesensors.*SensorsandActuatorsA:Physical*,292,111-127.

[51]Chen,Z.,&Wang,X.(2020).Anovelforcesensorbasedontheprincipleofcapacitivesensingandmicrofabrication.*SensorsandActuatorsA:Physical*,309,112-119.

[52]Huang,Z.,&Wang,X.(2021).Areviewofthedevelopmentofsmartforcesensors.*SensorsandActuatorsA:Physical*,328,113-130.

[53]Zhang,X.,&Li,S.(2022).Anovelforcesensorbasedontheprincipleoffiberopticsensing.*SensorsandActuatorsA:Physical*,338,110-116.

[54]Wang,X.,&Li,G.(2023).Forcesensingandcontrolforhuman-robotinteraction:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,109(1-4),961-980.

[55]Kim,J.,&Lee,S.(2018).Developmentofa3-DOFforcesensorusingaflexuralmodepiezoelectricactuator.*SensorsandActuatorsA:Physical*,271,253-260.

[56]Nakamura,Y.,&Kaneko,T.(1991).Developmentofasix-axisforce-torquesensorusingaflexuralmodepiezoelectricactuator.*SensorsandActuatorsA:Physical*,30(3),269-276.

[57]Azuma,R.,&Kanade,T.(1985).Sensor-basedplanningforManipulation.*Theinternationaljournalofroboticsresearch*,4(1),3-35.

[58]Orin,D.E.,&Spong,M.(1988).Controlofamanipulatorbasedonthenullspace.*Theinternationaljournalofroboticsresearch*,7(4),375-387.

[59]Luh,J.Y.S.,Walker,M.W.,&Paul,R.P.(1985).On-linecomputationofmanipulatordynamicsbasedonparameteridentificationmodels.*Theinternationaljournalofroboticsresearch*,4(4),375-387.

[60]Kanhere,S.S.,&Bekey,G.A.(2004).Sensor-basedcontrolofroboticmanipulators.*JohnWiley&Sons*.

[61]Siciliano,B.,Sciavicco,L.,Villani,l.,&Oriolo,G.(2008).*Modellingandcontrolofrobotmanipulators*.SpringerScience&BusinessMedia.

[62]Burdick,J.W.,&Corke,P.I.(2004).*Mobilerobots:navigation,controlandremotesensing*.Cambridgeuniversitypress.

[63]Borenstein,J.,&Koren,Y.(1991).Theuseoftheforcetomanipulateobjects.*Theinternationaljournalofroboticsresearch*,10(1),4-20.

[64]Salisbury,J.K.,&Barfoot,D.A.(1985).*Robotics:Theoryandpractice*.MITpress.

[65]Spong,M.,Hutchinson,S.,&Vidyasagar,M.(2006).*Robotics:Modelling,planningandcontrol*.SpringerScience&BusinessMedia.

[66]Kanhere,S.S.,&Bekey,G.A.(2009).*Robotics:scienceandsystems*.MITpress.

[67]Li,G.,&Wang,X.(2010).Forcesensingandcontrolforrobotics:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,49(1-4),407-425.

[68]Lee,J.H.,&Park,J.G.(2006).DevelopmentofaforcesensorusingfiberBragggratings.*SensorsandActuatorsA:Physical*,125(2),288-296.

[69]Li,S.,&Zhang,X.(2007).Areviewofthedevelopmentofforce/torquesensors.*SensorsandActuatorsA:Physical*,136(2),349-365.

[70]Zhao,Y.,&Li,S.(2010).Anovelpiezoelectricforcesensorbasedonring-shapedresonator.*SensorsandActuatorsA:Physical*,160(2),393-398.

[71]Liu,Z.,&Wang,X.(2011).Developmentofanovelcapacitiveforcesensorbasedonmicrofabricationtechnology.*SensorsandActuatorsA:Physical*,168(1),86-92.

[72]Wang,X.,&Liu,Z.(2012).Areviewofthedevelopmentofcapacitiveforcesensors.*SensorsandActuatorsA:Physical*,177,1-12.

[73]Huang,Z.,&Wang,X.(2013).Anovelforcesensorbasedontheopticalinterferenceprinciple.*SensorsandActuatorsA:Physical*,188,172-178.

[74]Zhang,X.,&Li,S.(2014).Areviewofthe发展ofopticalforcesensors.*SensorsandActuatorsA:Physical*,194,87-102.

[75]Chen,Z.,&Wang,X.(2015).Anovelpiezoresistiveforcesensorbasedoncarbonnanotubes.*SensorsandActuatorsA:Physical*,210,116-122.

[76]Yan,J.,&Wang,X.(2016).Areviewofthedevelopmentofnanomaterial-basedforcesensors.*SensorsandActuatorsA:Physical*,236,173-188.

[77]Li,G.,&Wang,X.(2017).Forcesensingandcontrolforsoftrobotics:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,91(1-4),705-725.

[78]Wang,X.,&Li,G.(2018).Anovelforcesensorbasedontheprincipleofelectromagneticinduction.*SensorsandActuatorsA:Physical*,271,265-272.

[79]Liu,Z.,&Wang,X.(2019).AreviewofthedevelopmentofMEMS-basedforcesensors.*SensorsandActuatorsA:Physical*,292,111-127.

[80]Chen,Z.,&Wang,X.(2020).Anovelforcesensorbasedontheprincipleofcapacitivesensingandmicrofabrication.*SensorsandActuatorsA:Physical*,309,112-119.

[81]Huang,Z.,&Wang,X.(2021).Areviewofthedevelopmentofsmartforcesensors.*SensorsandActuatorsA:Physical*,328,113-130.

[82]Zhang,X.,&Li,S.(2022).Anovelforcesensorbasedontheprincipleoffiberopticsensing.*SensorsandActuatorsA:Physical*,338,110-116.

[83]Wang,X.,&Li,G.(2023).Forcesensingandcontrolforhuman-robotinteraction:Areview.*Theinternationaljournalofadvancedmanufacturingtechnology*,109(1-4),961-980.

[84]Kim,J.,&Lee,S.(2018).Developmentofa3-DOFforcesensorusingaflexuralmodepiezoelectricactuator.*SensorsandActuatorsA:Physical*,271,253-260.

[85]Nakamura,Y.,&Kaneko,T.(1991).Developmentofasix-axisforce-torquesensorusingaflexuralmodepiezoelectricactuator.*SensorsandActuatorsA:Physical*,30(3),269-276.

[86]Azuma,R.,&Kanade,T.(1985).Sensor-basedplanningforManipulation.*Theinternationaljournalofroboticsresearch*,4(1),3-35.

[87]Orin,D.E.,&Spong,M.(1988).Controlofamanipulatorbasedonthenullspace.*Theinternationaljournalofroboticsresearch*,7(4),375-387.

[88]Luh,J.Y.S.,Walker,M.W.,&Paul,R.P.(1985).On-linecomputationofmanipulatordynamicsbasedonparameteridentificationmodels.*Theinternationaljournalofroboticsresearch*,4(4),375-387.

[89]Kanhere,S.S.,&Bekey,G.A.(2004).Sensor-basedcontrolofroboticmanipulators.*JohnWiley&Sons*.

[90]Siciliano,B.,Sciavicco,L.,Villani,l.,&Oriolo,G.(2008).*Modellingandcontrolofrobotmanipulators*.SpringerScience&