基于碳纳米材料的新型非接触式柔性静电驱动器研究

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:A_TRY
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统的刚性机器人由于自身复杂的刚性结构影响了其环境适应性,导致这类机器人的灵活性较差,难以在受限空间或复杂地形中工作。随着新型柔性驱动材料研究的深入发展,基于柔性驱动材料制成的柔性机器人逐渐成为研究热点,其具有良好的灵活性和环境适应性能,因此比较适合在受限空间或非结构化环境中实现复杂的连续运动。柔性智能驱动器作为柔性软体机器人的重要组成元件,它能够响应诸如电能、光能、化学能等多种外界刺激并将其转换为机械变形输出,这有助于实现机器人的轻量化和小型化。然而,目前柔性驱动器的制备过程复杂,且存在响应速度较慢,变形程度相对较小、运动模式单一以及可操纵性较差等缺点,这些都是柔性智能驱动器研究发展中亟需解决的问题。本论文主要从柔性驱动材料以及驱动器的制备方法、驱动器的静电驱动性能以及实现无束缚柔性机器人多模式运动等方面展开研究。本文以石墨烯,碳纳米管以及黑磷等材料作为组分,利用材料出色的电学和力学性能,经过简单且通用的制造技术制备柔性单层结构静电驱动器,该驱动器可利用接触电气化和静电感应原理,实现在静电力作用下的可控机械变形。基于这种柔性静电驱动器,成功制备了具有持续自振荡运动的柔性仿生机器人以及可以实现多种运动模式的无束缚静电驱动柔性机器人。主要的研究成果如下:1)利用真空抽滤以及化学还原的方法制备了还原氧化石墨烯(RGO)薄膜,并在此基础上,通过简单的几何形状设计,制备了RGO单层结构柔性驱动器,该驱动器具有出色的静电驱动性能。基于该RGO柔性驱动器进一步设计了一种在恒定静电场中产生持续自振荡运动的柔性仿生机器人,获得的RGO柔性仿生机器人可以实现快速的直线和圆周运动。2)采用原位生长以及化学钝化的方法制备黑磷/碳纳米管(BP-CNTs)复合薄膜;获得的BPCNTs复合薄膜能够在外界静电力的刺激下产生快速的机械响应以及大的可逆弯曲变形。研究BP-CNTs复合薄膜在变化的静电场中的运动情况,并对BP-CNTs复合薄膜的静电驱动机制以及被同种电荷吸引或排斥的双极性行为做出解释。3)基于BP-CNTs柔性复合薄膜设计制备了一种无束缚的环状柔性机器人,获得的机器人具有出色的灵活性,可操纵性以及环境适应性能,可以在静电场中实现诸如爬坡,转向以及跳跃等多模式运动。本文研究了基于石墨烯、碳纳米管以及黑磷等纳米材料的柔性驱动器在静电场中的驱动性能,实现了基于纳米材料的柔性机器人在静电场中产生持续自振荡以及多模式运动,为之后无束缚软体机器人的研究开发提供了新的思路。
其他文献
近年来,网络控制系统(Networked Control Systems,NCSs)以其成本低、维护方便、安装方便、灵活性高等优点而备受关注,且NCSs在航空航天、智能电网、故障检测系统和机器人等领域得到了广泛的应用。然而,值得注意的是,与传统控制系统的研究不同,由于在反馈回路中引入了通信网络,在NCSs的研究中出现了一些新的棘手问题,例如网络诱导延时和数据包丢失。这可能会导致性能下降,甚至使系统
电力负荷预测是通过历史数据推测未来负荷的发展趋势。进行高准确度的负荷预测可以为电力系统的规划、运行、调度提供决策参考依据,从而确保供电可靠性,提高经济效益。对山区进行电网负荷预测时存在以下问题:1)山区电网负荷数据的采集方式自动化程度低,设备老旧,通信困难,容易缺数据或产生一些异常数据;2)山区电网接入较高比例的分布式电源,其负荷容易受到各种特征因素的影响,直接按照负荷历史数据预测精度低;3)山区
表面等离激元(SPs)传感器具有灵敏度高、实时快速、制备简单等优点,广泛应用于临床医学、食品安全以及生化传感等领域。基于SPs不同模式,SPs传感器可分为表面等离激元共振(SPR)与局域表面等离激元共振(LSPR)类型。与SPR不同的是,LSPR可显示金属纳米结构(如颗粒)的局域共振模式,且具有高比表面积,为低浓度的分析物与金属纳米结构的结合提供更多的结合机会,同时,通过LSPR共振峰位的移动可检
大数据时代背景下,数据已经成为最具竞争力的资产。非结构化地质文本数据成为矿产大数据的一种重要数据源。特别是地质期刊文献更新快、数量大,表达的知识较为前沿新颖,内容表述规范,包含知识密集丰富。本文采用“语料库构建-信息抽取-知识图谱可视化表达-原型系统”的技术路线,开展面向中文文献的金矿时空属性信息抽取及知识图谱可视化表达研究,采用深度学习模型实现金矿信息提取与语义分析,利用知识图谱技术方法实现金矿
在位移变形的非接触测量领域中,电子散斑干涉测量技术作为一种全场光学测量方法,具备较高的精度。然而其相位信息提取步骤复杂,且相位提取质量容易受到噪声的影响,往往需要进行预处理,如数据增强、滤波去噪等。随着深度学习领域的飞速发展,神经网络具备很强的非线性拟合能力,可以获取训练数据中不同样本之间的映射关系,较好的网络模型可以具有较强的鲁棒性。对于许多已有模型或者其他领域无法求解的问题,可以通过深度学习实
电动助力转向(EPS)系统是辅助汽车转向和影响汽车操纵稳定性的关键装置,其性能的好坏直接影响到汽车转向的轻便性和行驶的稳定性。但由于元器件的老化和外部环境的影响,EPS系统不可避免的会出现故障,进而引发事故造成人员伤亡。因此,本文以EPS系统为研究对象,针对EPS系统可能发生的传感器故障和参数故障问题,基于键合图理论和滑模控制理论,设计两种不同的容错控制方法,以提高EPS系统的安全性和可靠性。首先
为了检测工业领域中的大尺寸光滑曲面工件,具有非接触、自动化、效率高等特点的三维扫描测量机器人逐渐得到应用。限于机器人的定位精度,常常需要利用三维视觉测量系统对三维扫描测量机器人的扫描测头进行实时跟踪和动态测量。针对传统的双目视觉跟踪系统中易出现的遮挡、丢帧问题,本文基于数字近景工业摄影测量技术搭建了多目视觉测量系统,并对目前的三维重建算法进行了研究,经改进后应用到本系统中提升了重建精度。本文主要研
医学超声成像技术是临床常用的一种辅助医疗诊断的手段,传统的B型超声成像设备体积庞大、价格不菲,随着超大规模集成电路的不断发展进步,使得将传统的B型超声成像设备便携化成为可能。在便携式超声成像系统中,常使用数量更少、尺寸更小的阵元来平衡功耗;另一方面,为实现较高的成像帧率,也会相应地减少发射事件的数量。在这些情形下,使用标准的波束形成方法会导致图像质量恶化。因此,尝试用深度学习方法对传感器获取到的有
数控机床作为“工业母机”,其加工精度与整个国家的制造业发展方向关联重大,是国家制造业能力的体现,对于国家的整体工业发展影响深远。在影响数控机床加工精度的6种误差源中,热误差在总误差中所占比例很大,对高精度数控机床来说,热误差在总误差中占比甚至可以接近七成。因此,研究减小热误差影响对提升数控机床加工精度的重要性不言而喻。对目前国内外相关研究总结可以发现,国际上研究减小热误差影响的主要方法有:结构的改
触觉传感是机器人科学研究的前沿性课题,涉及到诸多学科和众多复杂问题。通过触觉方式对物体的棱(边)、角进行识别,在机器人感知物体位置、尺寸、表面形状等空间信息、调整自身位置、姿态,从而准确识别物体乃至操作物体等动作中有重要作用。光纤光栅(FBG)传感器具有抗电磁干扰、耐潮湿、体积小、柔性好、可分布式传感等优点。将FBG传感元埋置于硫化硅橡胶中构建触觉传感器,讨论分析其分别于物体棱(边)、角、平坦表面