有触觉的机械手视频：https://www.bilibili.com/video/BV1b38n6nEoi/

机械手灵巧手采集系统软件网盘链接：（用CMCU-05B采集器和CMCU-08A采集器，可直接连接软件使用）

链接: https://pan.baidu.com/s/1pH51zPzCOms_-wP33HoFjw?pwd=1234

提取码: 1234

前言

接触力感知能力的缺失，是目前不少灵巧操作设备普遍面临的技术现状。许多机械手在按预设轨迹执行抓取时，系统内部没有指尖接触力的实时反馈通道。面对硬度、重量、表面摩擦系数各异的物体，输出力度缺乏自适应调节的依据——抓取结果往往存在不确定性。

而从康复外骨骼到遥操作机器人，从VR力反馈手套到人形机器人灵巧手，这些手部智能应用普遍依赖两个核心信号入口：指尖所受的压力与关节弯曲的角度。这两个物理量，是手部操作数字化描述的核心参数。

本方案以薄膜压力传感器与应变片为基础器件，从零搭建了一套完整的五指力感知系统，为机械手、康复外骨骼等手部设备提供了一条低门槛、可复用的接触力感知技术路径。

一、搭建逻辑

整套手部五指采集反馈系统分为感知层、处理层、反馈层三大模块，完整覆盖信号采集、数据处理、闭环反馈全流程。

（一）感知层：给机械手（实验采用人手）手指装上仿生神经末梢

感知层是系统信号源头，分为指尖压力采集、关节弯曲采集两大硬件单元，分别对应触觉感知与姿态感知，硬件选型贴合人体手部柔性穿戴需求，不限制手指活动。

1. 指尖触觉采集（压力检测）
选型：5片 RP-C7.6-ST-LF 薄膜压力传感器
工作原理：传感器贴合于五根手指指腹，受力和电阻呈负相关关系，手指施加抓握压力越大，传感器内部接触电阻越小，依靠电阻变化还原指尖实时受力大小。

2.关节弯曲采集（角度检测）
选型：5片 350-30AA 单桥应变片(需依据手指关节选择合适的尺寸)
工作原理：应变片粘贴于一片具有回弹性的弹性元件上(可以是一片具有弹性优秀的薄膜塑料片、弹簧钢片、复合材料等)，置于每根手指的活动关节处，手指弯曲时带动弹性元件，应变片的敏感栅丝被拉伸，阻值上升；手指伸直，阻值恢复。
核心难点说明：应变片形变带来的阻值变化仅为毫欧级别，信号极其微弱，无法直接单片机采集，需要专用采集器做信号放大处理。

（二）处理层：放大微弱信号，让手部数据可视化可见

针对两种不同类型传感器的信号差异，采用双采集器分工采集方案，压力信号、角度信号独立传输，搭配上位机软件实现动态曲线可视化。

1.处理指尖触觉压力信号：CMCU-05B多通道薄膜压力采集器：

• 接线方式：5路薄膜压力传感器直接接入设备采集通道，传感器无正负极区分，接线零基础友好；

• 硬件功能：可脱机使用，可连接电脑通信，可搭配无线传输使用

• 本地显示：设备带2.0寸高清彩屏，支持g/kg/N多单位自由切换，实时显示压力值、压力曲线情况；

• 上位机通讯：支持USB/TTL串口，基于MODBUS-RTU标准协议和电脑通讯，可同步采集压力数据、进行自由标定、修改参数等设置。

2.处理手指关节弯曲信号：CMCU-08A 五通道单桥应变采集器：

• 接线模式：应变片采用1/4桥接入采集器；

• 硬件功能：放大毫伏级微弱差分信号，内置桥路算法，将应变片电信号转换处理，同时滤除环境电气噪声；

• 数据标定：原始电信号经过软件标定后，直接映射为0°-90°标准手指弯曲角度；

3.上位机软件可视化
两路数据独立传输至电脑，打开配套上位机软件，即可同时查看5路指尖压力变化曲线、5路手指关节弯曲变化曲线。可通过串口与单片机、工控设备通信，让数据由机器人主控采集处理。

（三）可扩展反馈层：搭建系统条件反射，实现触觉闭环交互

可扩展搭配继电器控制开关电路，增加硬件反馈模块，实现「手部动作采集→系统自动判断→硬件反馈响应」完整闭环。

• 触发逻辑：在采集设备上设置指尖压力阈值，当手部抓握发力超过阈值；

• 反馈方式：设备I/O口自动输出高电平信号，可搭配控制电路，加装振动马达、蜂鸣器等模块，升级为真实振动触觉反馈。

二、实验演示：

本次拍摄的实验演示视频链接：https://www.bilibili.com/video/BV1b38n6nEoi/

实验一：静止基线稳定性测试

被测者五指自然张开悬空，保持静止不动。观察数据曲线是否平稳、可视化模型手是否对应人手的弯曲动作，是否出现数据偏离或异常跳变。

实验二：比划不同手指姿

本实验验证系统对离散手势姿态的识别精度与多通道协同响应能力。具体操作：被测者完成不同手势——如"比耶""OK"，观察数据曲线、可视化模型手是否跟随着人手手势产生对应变化。该实验采集的手势"姿态指纹"可作用于手势识别算法训练或机械手离散动作指令映射。

实验三：握力球抓握与原地抛握测试

通过对比"静态握紧"与"动态抛握"两种模式，分离人手主动发力与惯性冲击带来的压力特征差异。具体操作：被测者手持握力球，先进行静态用力握持；随后进行原地抛握动作（握球→向上抛出→落回手中接住）。利用采集下来的这些数据可还原人手从"预判 → 闭合 → 缓冲 → 稳持"的完整抓握动力学过程。

实验四：操作鼠标、键盘打字测试

验证系统对高频、低幅、多指快速交替精细动作的捕捉能力。具体操作：被测者移动鼠标模拟正常操作，以正常速度在键盘上输入一段文本，模拟人机交互输入场景，采集下来的数据可用于开发"手势打字""空中虚拟键盘"等新型交互方式，也可作为手部精细运动功能评估的量化指标。

实验五：羽毛球手柄捏握测试

复现球拍类器械的持拍发力特征。具体操作：被测者以标准正手握姿持羽毛球拍柄，进行静态紧握测试，采集持拍类运动的人手发力模板，后续还可直接动态挥拍采集数据。数据可用于智能球拍的握姿矫正反馈，或驱动仿生机械手完成球拍等器械的稳定持握。

实验六：马克杯抓握测试

验证系统对日常圆柱容器的包裹式抓握感知。具体操作：被测者单手握持马克杯，采集下来的抓握压力与关节角度数据可直接用于仿生机械手日常抓握动作的建模与验证。

三、应用价值

本系统是一套基于5路指尖压力与5路关节弯曲角度同步采集的低成本、可扩展通用手部感知平台。在以下领域具备一定的应用潜力：

（一）人形机器人与具身智能

灵巧手的触觉感知能力是影响机器人抓取性能的重要因素之一。本系统采集的多指压力分布与关节角度数据，可作为抓握策略模型训练的输入，有助于机器人实现自适应力度控制，为处理不同硬度、重量的物体提供数据基础。闭环反馈机制可用于机器人末端的触觉伺服控制。

（二）医疗康复与智能假肢

康复外骨骼与智能假肢是力觉感知技术的重要应用方向。薄膜压力传感器可用于监测患者发力大小，应变片可记录关节活动范围，双信号结合有助于评估康复进度，也可为训练中的发力监测提供参考。作为假肢感知前端时，配合振动反馈模块，可为使用者提供抓握状态的触觉提示，辅助形成感知-动作闭环。

（三）虚拟现实与增强现实

VR/AR正向全感官沉浸演进，触觉力反馈是其中的核心技术环节之一。本系统可作为触觉手套的技术方案之一——以压力信号还原指尖接触力，以角度信号还原手指姿态，在虚拟空间中映射手部动作与发力。可服务于手术培训中的力觉引导、远程操控中的环境感知，以及游戏社交中的手势交互等场景。

（四）遥操作机器人

在核设施、水下、疫情响应等危险环境中，传统遥操作系统尚未集成力觉反馈通道，仅靠视觉信息难以全面感知物体材质与滑移趋势。操作者佩戴本系统手套后，手部动作与发力可被实时采集并映射至远端机器人；远端力觉信息亦可回传，有助于形成双向力觉闭环，降低操作者的认知负荷。

（五）工业智能制造与精密装配

精密电子装配中，机器人需以精确力度插入微型元件；异形件分拣中，多指协同是实现自适应抓握的关键前提之一。本系统可还原人手操作不同物体时的发力模式与姿态组合，为工业机器人示教学习提供训练数据。模块化与低成本的特点为其规模化部署提供了条件。

（六）智能人机交互与手势控制

五路压力与五路角度联合采集，可构建较高维度的“手势姿态指纹”，较单一维度方案在鲁棒性和抗干扰方面具有一定优势。可应用于智能家居手势控制、车载免视操作、聋哑人手语实时转文字等交互场景。

（七）体育运动与动作捕捉分析

本系统可建立标准握姿的“发力模板”，用于球拍类器械的握姿分析与反馈，为运动员优化发力方式、预防损伤提供参考依据。还可扩展至各类手持器械（网球拍、高尔夫球杆、乒乓球拍等）的姿态与发力分析，以及康复体育中手部功能恢复的量化评估。