傳感器
返回首頁

谷歌開發出將線性諧振執行器變成觸摸傳感器

2020-11-23 來源:EEWORLD

編譯自谷歌博客,由Google研究部硬件工程師Artem Dementyev發布


隨著可穿戴設備和手持設備尺寸的減小,觸覺已成為越來越重要的反饋渠道,無論是通過無聲警報還是在按下觸摸屏上的按鈕時產生微妙的“點擊”感覺。觸摸反饋幾乎在所有可穿戴設備和移動電話中都普遍存在,通常是通過線性諧振致動器(LRA)來實現的,LRA是一種小型線性電動機,利用諧振在小包裝中提供強大的觸覺信號。但是,激活觸覺反饋所需的觸摸和壓力感測往往取決于附加的獨立硬件,這會增加系統的價格,尺寸和復雜性。    

在ACM UIST 2020上發表的“帶輸入的觸覺:線性諧振執行器中的反電動勢以實現觸摸,壓力和環境意識”一文中,我們證明了廣泛使用的LRA可以感應到各種外部信息,例如觸摸,敲擊和除了能夠傳遞有關與皮膚,物體和表面接觸的信息之外,還具有壓力傳感功能。我們使用現成的LRA通過將激勵與定制波形的短脈沖進行多路復用來實現這一目標,這些短脈沖旨在使用反電動勢電壓進行感應。我們演示了這種方法實現表達離散按鈕和振動觸覺接口的潛力,并展示了該方法如何為移動設備中的集成觸覺模塊帶來豐富的傳感機會,從而以更少的組件增加傳感能力。我們的技術可能與許多現有的LRA驅動器兼容,因為它們已經采用了反電動勢檢測來自動調整振動頻率。


image.png

不同類型的LRA


LRA中的反電動勢原理是LRA外殼內有一塊磁鐵,附著在很小的物體上,兩者均可在彈簧上自由移動。磁鐵響應于音圈引入的激勵電壓而移動。振蕩質量塊的運動產生反電動勢,它是與磁通量變化率成比例的電壓。較大的振蕩速度會產生較大的反電動勢電壓,而不動的話則不會產生零反電動勢電壓。 


image.png

LRA原理


主動式反電動勢感應


在振動過程中接觸LRA或與LRA接觸,這是因為能量耗散到了接觸物體中,從而改變了內部質量的速度。這對于在壓力下會變形的柔軟材料(例如人體)效果很好。例如,手指在接近LRA時振動會根據接觸力吸收不同量的能量而減弱。通過用少量能量驅動LRA,我們可以使用反電動勢電壓來測量此現象。由于利用反電動勢行為進行感測是一個活躍的過程,因此使這項工作成為可能的關鍵就是需要設計一個定制的,非共振的驅動器波形,該波形可以連續感測,同時將振動,聲音和功耗降至最低。


LRA上的觸摸和壓力感應


當我們從兩條LRA引線之間的浮動電壓測量反電動勢時,需要短暫斷開電動機驅動器以避免干擾。當驅動器斷開連接時,質量塊仍在LRA內部振蕩,產生振蕩的反電動勢電壓。因為商用反電動勢感應LRA驅動器不提供原始數據,所以我們設計了一個定制電路,該電路能夠拾取和產生反電動勢電壓。我們還生成了定制的驅動脈沖,以最大程度地減少振動和能耗。


image.png

用于有源感應的LRA驅動器和反電動勢測量電路的簡化示意圖


image.png

用短的驅動脈沖激勵LRA后,由于彈簧上質量的持續波動(上圖,紅線),反電動勢電壓會波動。受到手指按壓時,反電動勢信號的變化取決于所施加的壓力(中/底,綠/藍線)。


應用范圍


無論是放在桌子上,在柔軟的表面上還是手持式,用于手機的LRA的行為都相同。這可能會引起問題,因為振動的原因,電話可能會從玻璃臺上滑落或發出不必要的振動聲。理想情況下,電話上的LRA會根據其環境自動調整。我們通過直接連接到Pixel 4的LRA,然后對手機是手持,放置在柔軟的表面(泡沫)還是放在桌子上進行分類,演示了使用LRA反向電動勢技術進行感應的方法。


感知電話環境


我們還提供了一個原型,演示了如何將LRA用作便攜式電子產品中的組合輸入/輸出設備。我們連接了兩個LRA,一個位于電話左側,一個位于電話的右側。這些按鈕提供敲擊,觸摸和壓力感測。一旦檢測到觸摸,它們也可提供觸覺反饋。


按壓側面按鈕


有許多可穿戴的觸覺輔助設備,例如袖子,背心和手鐲。為了與一致力的皮膚傳輸觸覺反饋,必須采用正確的壓力; 它不能太松或太緊。當前,通常的方式是通過手動調整,這可能會導致不一致性并且缺乏可測量的反饋。我們展示了如何使用LRA反電動勢技術連續監測佩戴的手鐲設備,并提示用戶是否太緊,太松或恰到好處。  


腕帶感應


LRA的評估


LRA可以很好地用作壓力傳感器,因為它對觸摸過程中的力大小具有二次響應。我們的方法適用于我們評估的所有五種現成的LRA類型。由于典型的功耗僅為4.27 mA,因此全天提供感應只會將Pixel 4手機的電池壽命從25小時減少到24小時。通過使用低功率放大器并僅在需要時(例如,電話處于活動狀態并與用戶互動時),才采用主動感應,可以大大降低功耗。


image.png

當用手指施加壓力時,反電動勢電壓會發生變化


主動感應的挑戰在于最大程度地減少振動,因此觸摸時不會感覺到振動,并且不會發出可聽見的聲音。我們優化了主動感應,僅產生2 dB的噪音和0.45 m / s2的峰峰值加速度,與普通的8.49 m / s2相比,它幾乎不會被手指感知到并且安靜。  


未來的工作和結論


將來,我們計劃探索其他傳感技術,也許測量電流可能是另一種方法。同樣,使用機器學習可以潛在地改善感測效果,并為復雜的反電動勢模式提供更準確的分類。我們的方法可以進一步開發,以使執行器和傳感器實現閉環反饋,無論外部條件如何,執行器都可以提供相同的力。


我們相信這項工作為利用現有的硬件提供豐富的交互作用和閉環反饋觸覺執行器開辟了新的機會。


致謝


這項工作是由Artem Dementyev,Alex Olwal和Richard Lyon完成的。感謝Mathieu Le Goc和Thad Starner對本文的反饋。


進入傳感器查看更多內容>>
相關視頻
  • 直播回放: 如何使用英飛凌IGBT7設計高性能伺服驅動

  • 嵌入式系統高級C語言編程(東南大學凌明)

  • 機器學習從零到一

  • 直播回放: 與英飛凌一起探索智能門鎖背后的黑科技

  • 計算機視覺與深度學習

  • 跟我學myRIO

    相關電子頭條文章
萝卜大香蕉