本发明属于柔性触觉传感，更具体地说，涉及一种基于fbg触觉传感器的形状识别系统及方法。
背景技术：
1、目前应用于机器人手指的触觉传感器主要有压阻式触觉传感器、压电式触觉传感器、电容式触觉传感器、及光纤光栅触觉传感器等。随着机器人越来越多投入到复杂的工作环境，传统的电类传感器容易受到电磁干扰的影响，而非电类传感器比如光纤布拉格光栅传感器，可以很好的避免这类问题。
2、国外对fbg触觉传感器研究较早。2008年，rene franke,frank hoffmann等人设计了一种fbg传感器来测量机器人连接处的弹性变形，从而提高其位置精度。2010年，roozbehahmadi巧妙采用了光纤微弯曲光强解调原理，解决了最小入侵的机器人外科手术中的接触力测量问题。
3、国内对fbg触觉传感器的研究虽然起步较晚，但是也取得了许多成果。
4、2016年，山东大学的宋金雪制作了一种3x3的fbg触觉阵列传感器基体，该传感器根据有限元仿真结果按照一定的空间距离排列，并使用不同的压力对每个位置进行了测试。2018年，该团队中的王俊杰利用制作的3x3的fbg触觉阵列传感器和bp神经网络算法对底面积相同但是形状不同的圆柱体和方体进行分类识别，其最佳迭代次数为56次，结果表明bp神经网络能够识别圆形和方形物体。2020年，山东大学的李睿设计并制作了适用于气管插管机器人的形状fbg传感器，基于分段重构拼接的形状重构算法对二维形状和三维形状进行了识别，结果能很好地吻合。综上，目前大部分成果没有考虑到fbg触觉阵列传感器的制作复杂程度，又或者fbg触觉传感器采取的识别算法过于复杂。
5、因此，亟需一种新的基于fbg触觉传感器的形状识别系统及方法。
技术实现思路
1、本发明的目的在于克服现有技术的问题，提供一种基于fbg触觉传感器的形状识别系统及方法。
2、为了解决上述技术问题至少之一，根据本发明的一方面，提供了一种基于fbg触觉传感器的形状识别系统，包括：fbg触觉传感器、解调仪和计算机；
3、所述fbg触觉传感器分别与所述计算机和所述解调仪相连接，所述计算机也与所述解调仪相连接；当物体放置在所述fbg触觉传感器时，物体的压力使得光栅受压后光栅周期改变从而引起中心波长变化，所述解调仪将采集到中心波长数据后实时反馈给所述计算机，所述计算机通过软件读取数据。
4、所述fbg触觉传感器外层由flexible 80a树脂材料通过3d打印制作而成，所述fbg触觉传感器内设有两通孔，两所述通孔内各埋入两根fbg。
5、根据本发明的另一方面，提供了一种基于fbg触觉传感器的形状识别方法，包括如下步骤：
6、s1、传感器模型结构分析；
7、s2、利用3d打印机制作传感器实物；
8、s3、搭建触觉识别系统；
9、s4、利用触觉识别系统采集数据；
10、s5、建立基于随机森林算法的形状识别模型；
11、s6、通过训练成功的随机森林算法，输出二维形状分类识别结果。
12、进一步的，s2的具体步骤为：s2.1，根据传感器制作参数，重新设计三维模型，传感器三维模型导入到3d打印切片软件中，导出切片模型；
13、s2.2，校准3d打印机；
14、s2.3，用酒精湿巾擦拭树脂槽和模型打印平台，将材料倒入树脂槽；
15、s2.4，打印；
16、s2.5，清洗；
17、s2.6，制作传感器实物。
18、进一步的，s3的具体步骤为：
19、搭建fbg触觉传感检测系统，fbg触觉传感检测系统包括：fbg触觉阵列传感器、压力机、解调仪和计算机；当物体放置在fbg触觉传感器时，物体产生的压力使得光栅受压后光栅周期改变从而引起中心波长变化，解调仪将采集到中心波长数据后实时反馈给计算机，计算机通过软件读取数据。
20、进一步的，s4的具体步骤为：s4.1，将物体放置于传感器上；
21、s4.2，在杯子上盖上一块铝合金板，用压力机在铝合金板上施加压力；
22、s4.3，计算机通过解调仪分别采集塑料方杯和塑料圆杯产生的中心波长数据，采集一分钟；设x为4根fbg的中心波长数据集合，f为采集频率，则一个fbg采集到60f个数据，于是x中有4×60f个数据，即
23、
24、s4.4，处理采集的中心波长数据，得到特征值；将x中的中心波长数据定义为xi,1，xi,2，·····，xi,k，其中i＝1，2，3，4，为fbg编号；k＝1,2,·····，60f；设特征值集合为z，特征值的数学表达式定义为：
25、zi,k＝xi,k-xi,0 (2)
26、每一个fbg的中心波长数据可以组成一个行向量，即zi＝[z1,1,z1,2,…,z1,60f]，而每一个行向量zi组成特征集合z，即
27、
28、其中xi,0为第i根fbg初始中心波长，在fbg连接至解调仪时即可测得。
29、进一步的，s5的具体步骤为：
30、s5.1，使用基尼指数公式评估每个特征，选择最优特征用于决策树的构建；
31、s5.2，根据选择的特征，将数据集划分为多个子集，每个子集对应于决策树的一个节点；
32、s5.3，采用递归法对每个子集使用以上步骤，构建出一棵决策树；
33、s5.4，通过集成多棵决策树，利用随机森林生成公式对样本进行分类。
34、进一步的，s6的具体步骤为：使用基尼指数公式选择最优特征用于构建决策树；根据选择的特征，将数据集划分为多个子集，每个子集对应一个节点；采用递归法对每个子集使用以上步骤，构建出一棵决策树；通过集成多棵决策树，利用随机森林生成公式对样本进行分类。
35、根据本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明的基于fbg触觉传感器的形状识别方法中的步骤。
36、根据本发明的又一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明的基于fbg触觉传感器的形状识别方法中的步骤。
37、与现有的技术相比较，本发明的上述方法的有益效果为：本发明能够较好地表达特征参数和形状类别之间的关系，基于随机森林算法模型，可以很好地识别二维形状。
1.一种基于fbg触觉传感器的形状识别系统，其特征在于，包括：fbg触觉传感器、解调仪和计算机；
2.根据权利要求1所述的系统，其特征在于，所述fbg触觉传感器外层由flexible 80a树脂材料通过3d打印制作而成，所述fbg触觉传感器内设有两通孔，两所述通孔内各埋入两根fbg。
3.一种基于fbg触觉传感器的形状识别方法，其特征在于，包括如下步骤：
4.根据权利要求3所述的方法，其特征在于，s2的具体步骤为：s2.1，根据传感器制作参数，重新设计三维模型，传感器三维模型导入到3d打印切片软件中，导出切片模型；
5.根据权利要求3所述的方法，其特征在于，s3的具体步骤为：
6.根据权利要求3所述的方法，其特征在于，s4的具体步骤为：s4.1，将物体放置于传感器上；
7.根据权利要求3所述的方法，其特征在于，s5的具体步骤为：
8.根据权利要求3所述的方法，其特征在于，s6的具体步骤为：使用基尼指数公式选择最优特征用于构建决策树；根据选择的特征，将数据集划分为多个子集，每个子集对应一个节点；采用递归法对每个子集使用以上步骤，构建出一棵决策树；通过集成多棵决策树，利用随机森林生成公式对样本进行分类。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求3～8中任一项所述的基于fbg触觉传感器的形状识别方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求3～8中任一项所述的基于fbg触觉传感器的形状识别方法中的步骤。
