基于超声谐振挤压膜效应的触觉纹理动态感知及实验研究

doi:10.3969/j.issn.1004-132X.2025.11.012

摘要/Abstract

摘要：

利用调控接触界面的滑动摩擦可以感知变化的触觉纹理特征的机制，基于挤压膜效应提出了一种超声谐振触觉动态感知装置。在挤压膜的高挤压状态下，构建挤压膜效应减摩机制理论模型，通过摩擦因数标定实验建立摩擦调控性能与实际材质纹理的映射关系。研究结果表明，该装置在频率为36.314 kHz的谐振信号激励下，电压幅值在0~200 V时可实现表面摩擦因数0.295~0.807的动态调控。利用长短期记忆（LSTM）神经网络构建时序力信号与触觉纹理预测模型，客观评估装置的触觉纹理再现性能，得到该模型预测结果的平均误差为3.33%，验证了装置具有较好的触觉纹理再现效果。

关键词: 超声振动, 挤压膜效应, 摩擦调控, 触觉再现, 长短期记忆（LSTM）神经网络

Abstract:

Using the mechanism that modulating sliding friction at the contact interfaces might perceive changing tactile texture features， an ultrasonic resonance tactile dynamic perception device was proposed based on the squeeze film effect. The theoretical model of the friction-reducing mechanism of the squeeze film effect was constructed under the high squeeze factor of the squeeze film， and the mapping relationship between the friction-regulating performance and the actual material texture was established through the friction factor calibration experiments. The results show that the device may achieve the dynamic regulation of surface friction factor is as 0.295~0.807 under the excitation of 36.314 kHz resonance signals and the voltage amplitude is as 0~200 V. A LSTM neural network was used to construct a temporal force signal and tactile texture prediction model to objectively evaluate the tactile texture reproduction performance of the device， and the average error of the model prediction results is as 3.33%， which verifies the device has a good reproduction effectiveness of tactile texture.

Key words: ultrasonic vibration, squeeze film effect, friction modulation, haptic reproduction, long short-term memory（LSTM） neural network

中图分类号:

TH113.1

陈智博, 李国平, 项四通, 魏燕定. 基于超声谐振挤压膜效应的触觉纹理动态感知及实验研究[J]. 中国机械工程, 2025, 36(11): 2574-2582.

Zhibo CHEN, Guoping LI, Sitong XIANG, Yanding WEI. Dynamic Perception and Experimental Study of Tactile Texture Based on Ultrasonic Resonance Squeeze Film Effect[J]. China Mechanical Engineering, 2025, 36(11): 2574-2582.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2025.11.012

https://www.cmemo.org.cn/CN/Y2025/V36/I11/2574

图/表 19

图1 装置结构示意图

Fig.1 Schematic diagram of device structure

图2 压电振子振动模式

Fig.2 Vibration modes of piezoelectric vibrators

表1 装置主要尺寸参数

Tab.1 Main dimensional parameters of the device

参数	数值
压电振子半径/mm	12.5
压电陶瓷层厚度/mm	2
玻璃覆层厚度/mm	2
背衬架支撑部壁厚/mm	1

图3 有限元分析结果

Fig.3 Finite element analysis results

图4 摩擦因数随激励频率和电压幅值的变化关系

Fig.4 Variation of friction factor with excitation frequency and voltage amplitude

图5 谐振频率测定系统

Fig.5 Resonant frequency measurement system

图6 扫频信号激励下的振动响应

Fig.6 Vibration response under swept signal excitation

图7 振动幅值随激励电压的变化关系

Fig.7 Vibration amplitude as a function of excitation voltage

图8 摩擦因数标定实验装置

Fig.8 Experimental setup for calibration of friction factor

图9 摩擦因数标定实验平台

Fig.9 Friction factor calibration experimental platform

图10 初始摩擦因数标定

Fig.10 Initial friction factor calibration

图11 摩擦调控实验结果

Fig.11 Results of friction modulation experiments

图12 摩擦因数随激励电压变化非线性拟合关系

Fig.12 Nonlinear fitting relationship for friction factor variation with excitation voltage

图13 六种材质表面的摩擦因数和置信区间

Fig.13 Friction factors and confidence intervals for six material surfaces

表2 六种材质纹理的控制信号参数

Tab.2 Control signal parameters for six material textures

材质纹理	激励频率/kHz	激励电压/V
打印用纸	36.314	107
磨砂玻璃		75
塑料（ABS）		129
碳纤维		179
木纹（顺纹）		98
木纹（逆纹）		84

图14 LSTM神经网络结构示意图

Fig.14 Schematic diagram of the LSTM neural network structure

图15 模型预测结果

Fig.15 Model prediction results

图16 力信号曲线

Fig.16 Force signal curve

表3 时序力信号与触觉纹理预测模型的预测结果

Tab.3 Prediction results of the temporal force signal and tactile texture prediction model

材质纹理	设定纹理值	预测纹理值	误差/%
打印用纸	1	1.0621	6.21
磨砂玻璃	2	1.9929	0.71
塑料（ABS）	3	2.9434	5.66
碳纤维	4	3.9939	0.61
木纹（顺纹）	5	4.9951	0.49
木纹（逆纹）	6	5.9368	6.32

参考文献 20

[1]	DI STEFANO N， SPENCE C. Roughness Perception： a Multisensory/Crossmodal Perspective［J］. Attention， Perception， & Psychophysics， 2022， 84（7）： 2087-2114.
[2]	TYMMS C， GARDNER E P， ZORIN D. A Quantitative Perceptual Model for Tactile Roughness［J］. ACM Transactions on Graphics， 2018， 37（5）： 1-14.
[3]	OKAMOTO S， NAGANO H， YAMADA Y. Psychophysical Dimensions of Tactile Perception of Textures［J］. IEEE Transactions on Haptics， 2013， 6（1）： 81-93.
[4]	唐玮，李聪，束云潇，等. 材料弹性对摩擦触觉感知的影响研究［J］. 机械工程学报， 2023， 59（15）： 174-184.
	TANG Wei， LI Cong， SHU Yunxiao， et al. Influence of Elastic Properties of Material on Tactile Perception［J］. Journal of Mechanical Engineering， 2023， 59（15）： 174-184.
[5]	刘陶峰，李一员，李炜，等. 确定性纹理表面特征高度对皮肤摩擦感知的影响［J］. 西南交通大学学报， 2020， 55（2）： 372-378.
	LIU Taofeng， LI Yiyuan， LI Wei， et al. Influence of Surface Feature height of Deterministic Texture on Tactile Perception of Fingertip［J］. Journal of Southwest Jiaotong University， 2020， 55（2）： 372-378.
[6]	周丽丽，姚欣茹，汤征宇，等. 触觉信息处理及其脑机制［J］. 科技导报， 2017， 35（19）： 37-43.
	ZHOU Lili， YAO Xinru， TANG Zhengyu， et al. Neural Mechanisms of Tactile Information Processing［J］. Science & Technology Review， 2017， 35（19）： 37-43.
[7]	HAYWARD V， TEREKHOV A V， WONG S C， et al. Spatio-temporal Skin Strain Distributions Evoke Low Variability Spike Responses in Cuneate Neurons［J］. Journal of the Royal Society Interface， 2014， 11（93）： 20131015.
[8]	ROMANO J M， KUCHENBECKER K J. Creating Realistic Virtual Textures from Contact Acceleration Data［J］. IEEE Transactions on Haptics， 2012， 5（2）： 109-119.
[9]	EGE E S， BALIKCI A. Transparent Localized Haptics： Utilization of PVDF Actuators on Touch Displays［J］. Actuators， 2023， 12（7）： 289.
[10]	WINFIELD L， GLASSMIRE J， COLGATE J E， et al. T-pad： Tactile Pattern Display through Variable Friction Reduction［C］∥ Second Joint EuroHaptics Conference and Symposium on Haptic Interfaces for Virtual Environment and Teleoperator Systems （WHC’ 07. Tsukuba， IEEE， 2007： 421-426.
[11]	MARCHUK N D， COLGATE J E， PESHKIN M A. Friction Measurements on a Large Area TPaD［C］∥2010 IEEE Haptics Symposium. Waltham，IEEE， 2010： 317-320.
[12]	XU H， PESHKIN M A， COLGATE J E. How the Mechanical Properties and Thickness of Glass Affect TPaD Performance［J］. IEEE Transactions on Haptics， 2020， 13（3）： 483-492.
[13]	VEZZOLI E， MESSAOUD W B， AMBERG M， et al. Physical and Perceptual Independence of Ultrasonic Vibration and Electrovibration for Friction Modulation［J］. IEEE Transactions on Haptics， 2015， 8（2）： 235-239.
[14]	王瑞锋，王亮，贾博韬，等. 新型贴片式扭振压电作动器的设计与实验研究［J］. 振动工程学报， 2021， 34（3）： 481-489.
	WANG Ruifeng， WANG Liang， JIA Botao， et al. Design and Tests of a Surface-bonded Type Torsional Piezoelectric Actuator［J］. Journal of Vibration Engineering， 2021， 34（3）： 481-489.
[15]	BAO Minhang. Analysis and Design Principles of MEMS Devices［M］. Amsterdam： Elsevier Science Ltd.， 2005.
[16]	BIET M， GIRAUD F， LEMAIRE-SEMAIL B. Squeeze Film Effect for the Design of an Ultrasonic Tactile Plate［J］. IEEE Transactions on Ultrasonics， Ferroelectrics， and Frequency Control， 2007， 54（12）： 2678-2688.
[17]	SEDNAOUI T， VEZZOLI E， DZIDEK B， et al. Friction Reduction through Ultrasonic Vibration Part 2： Experimental Evaluation of Intermittent Contact and Squeeze Film Levitation［J］. IEEE Transactions on Haptics， 2017， 10（2）： 208-216.
[18]	潘志泳，王亮，金家楣，等. 贴片式圆盘定子多自由度超声电机的设计与实验［J］. 中国机械工程， 2025， 36（1）： 38-46.
	PAN Zhiyong， WANG Liang， JIN Jiamei， et al. Design and Experiments of Bonded-type Disc Stator M-DOF Ultrasonic Motors［J］. China Mechanical Engineering， 2025， 36（1）： 38-46.
[19]	尚凡成，李传庆，詹可，等.改进LSTM神经网络在极短期波浪时序预报中的应用［J］.上海交通大学学报， 2023， 57（6）： 659-665.
	SHANG Fancheng， LI Chuanqing， ZHAN Ke， et al. Application of Improved LSTM Neural Network in Time-series Prediction of Extreme Short-term Wave［J］. Journal of Shanghai Jiao Tong University， 2023， 57（6）： 659-665.
[20]	石晴晴，张润锋，张连洪，等.基于强化学习算法的水下滑翔机路径跟踪研究［J］.中国机械工程， 2023， 34（9）： 1100-1110.
	SHI Qingqing， ZHANG Runfeng， ZHANG Lianhong， et al. Research on Underwater Gliders Path Tracking Based on Reinforcement Learning Algorithm［J］. China Mechanical Engineering， 2023， 34（9）： 1100-1110.