In recent years, Human Machine Interface (HMI) has emerged as an essential factor for robotics and healthcare applications. HMI facilitates interactions between human and machines, by the use of graphical or mechanical aids. Systems integrated with HMI interface can not only increase the effectiveness of human work, but also ensure a safer environment. Therefore, human machine interfaces must acquire data from the real world through sensors, similar to how the nervous system acquires data information for the human body. Because of this, tactile sensors are required to possess similar characteristics to human skin and human receptors, such as small dimensions, integrability and good mechanical and sensing properties. In this way, robots can be more easily integrated into human work in difficult or repetitive environments, while for healthcare applications, and especially in prosthetics, the sensor can help restore the human sensory feedback. This thesis presents the development and characterization of a Tri-Axis Piezo-Transmittance Shear Force Sensor, fabricated using PDMS and low-cost components such as photodiodes and LEDs. Designed for HMI applications, the sensor achieves scalability with standard and miniaturized versions, integration with the human body via soft, skin-like PDMS, and high sensing performance. Light modulation through stress-sensitive structures enables detection of shear and perpendicular forces, while finite element simulations optimized the sensor design for maximum performance. Fabrication involved multilayer assembly using PDMS and PLA molds, later refined with titanium alloy molds for the miniaturized version, embedding electrical components in flexible PCBs. Experimental validation revealed excellent linearity for both standard and miniaturized sensors, sensitivity values up to 0.044 V/N for the standard and up to 1.09V/N for the miniaturized sensor, and negligible hysteresis. Drift and stability tests confirmed robustness, with minimal drift over time and consistent performance after 200 cycles. Dynamic tests showed rapid response and high accuracy. While normalized responses were unaffected by environmental factors, temperature compensation is required for non-normalized signals under rapid temperature changes. The sensors were integrated with a deep learning 1D CNN model, achieving 97.1% and 0.188N for the standard sensor in classification accuracy and regression mean squared error (MSE), and 99.6% and 0.00030N for the miniaturized sensor. A real-time application demonstrated the sensor’s potential as a game controller, using predictions to control directional and speed parameters in gameplay. Furthermore, the miniaturized sensor was applied in a robotic hand to give a real-time feedback control for danger detection and object grasping. In conclusion, the low-cost, stretchable design and strong mechanical properties position this sensor as a promising candidate for HMI technologies, with further improvements in automation, temperature compensation, and 3D force resolution expected to enhance its utility.

Recentemente, Human Machine Interfaces (HMI) sono diventati fattori essenziali in applicazioni nella robotica e sanità. L’HMI facilita le interazioni tra esseri umani e macchine attraverso l’uso di ausili grafici o meccanici. I sistemi integrati con un’interfaccia HMI non solo possono aumentare l’efficacia del lavoro umano, ma anche garantire un ambiente più sicuro. Pertanto, le Human Machine Interfaces devono acquisire dati dal mondo reale tramite sensori, in modo simile a come il sistema nervoso acquisisce informazioni per il corpo umano. Per questo motivo, i sensori tattili devono possedere caratteristiche simili alla pelle umana e ai recettori umani, come dimensioni ridotte, integrabilità e buone proprietà meccaniche e di rilevamento. In questo modo, i robot possono essere più facilmente integrati nel lavoro umano in ambienti difficili o ripetitivi, mentre per le applicazioni sanitarie, e in particolare nelle protesi, il sensore può aiutare a ripristinare il feedback sensoriale umano. Questa tesi presenta lo sviluppo e la caratterizzazione di un Tri-Axis Piezo-Transmittance Customizable Force Sensor, realizzato utilizzando PDMS e componenti a basso costo come fotodiodi e LED. Progettato per applicazioni HMI, il sensore raggiunge scalabilità con versioni standard e miniaturizzate, integrazione con il corpo umano grazie al PDMS morbido simile alla pelle e prestazioni di rilevamento elevate. La modulazione della luce attraverso strutture sensibili allo stress consente il rilevamento delle forze di taglio e perpendicolari, mentre simulazioni agli elementi finiti hanno ottimizzato il design del sensore per massimizzare le prestazioni. Il processo di fabbricazione ha coinvolto l’uso di stampi in PLA, successivamente perfezionati con stampi in lega di titanio per la versione miniaturizzata, incorporando componenti elettrici in PCB flessibili. La validazione sperimentale ha rivelato un’ottima linearità per entrambi i sensori, sia standard che miniaturizzati, valori di sensibilità fino a 0,044V/N per il sensore standard e fino a 1,09V/N per quello miniaturizzato, e un’isteresi trascurabile. I test di stabilità e deriva hanno confermato la robustezza del sistema, con una deriva minima nel tempo e prestazioni costanti dopo 200 cicli. I test dinamici hanno mostrato una risposta rapida e un’elevata precisione. Sebbene le risposte normalizzate non siano state influenzate da fattori ambientali, è necessaria una compensazione della temperatura per i segnali non normalizzati in caso di variazioni termiche rapide. I sensori sono stati integrati con un modello di deep learning basato su una rete neurale convoluzionale 1D (1D CNN), ottenendo una precisione del 97,1% e un errore quadratico medio (MSE) di 0,188N per il sensore standard nella classificazione e regressione, e 99,6% di precisione con MSE di 0,00030N per il sensore miniaturizzato. Un’applicazione in tempo reale ha dimostrato il potenziale del sensore come controller di gioco, utilizzando le previsioni per controllare i parametri di direzione e velocità nel gameplay. Inoltre, il sensore miniaturizzato è stato applicato a una mano robotica per fornire un controllo del feedback in tempo reale per il rilevamento del pericolo e la presa degli oggetti. In conclusione, il design a basso costo, elastico e con eccellenti proprietà meccaniche rende questo sensore un candidato promettente per le tecnologie HMI. Ulteriori miglioramenti nell’automazione, nella compensazione della temperatura e nella risoluzione della forza 3D potrebbero aumentare ulteriormente la sua utilità.

Tri-axis piezo-transmittance customizable force sensor

PERUZZI, FILIPPO
2023/2024

Abstract

In recent years, Human Machine Interface (HMI) has emerged as an essential factor for robotics and healthcare applications. HMI facilitates interactions between human and machines, by the use of graphical or mechanical aids. Systems integrated with HMI interface can not only increase the effectiveness of human work, but also ensure a safer environment. Therefore, human machine interfaces must acquire data from the real world through sensors, similar to how the nervous system acquires data information for the human body. Because of this, tactile sensors are required to possess similar characteristics to human skin and human receptors, such as small dimensions, integrability and good mechanical and sensing properties. In this way, robots can be more easily integrated into human work in difficult or repetitive environments, while for healthcare applications, and especially in prosthetics, the sensor can help restore the human sensory feedback. This thesis presents the development and characterization of a Tri-Axis Piezo-Transmittance Shear Force Sensor, fabricated using PDMS and low-cost components such as photodiodes and LEDs. Designed for HMI applications, the sensor achieves scalability with standard and miniaturized versions, integration with the human body via soft, skin-like PDMS, and high sensing performance. Light modulation through stress-sensitive structures enables detection of shear and perpendicular forces, while finite element simulations optimized the sensor design for maximum performance. Fabrication involved multilayer assembly using PDMS and PLA molds, later refined with titanium alloy molds for the miniaturized version, embedding electrical components in flexible PCBs. Experimental validation revealed excellent linearity for both standard and miniaturized sensors, sensitivity values up to 0.044 V/N for the standard and up to 1.09V/N for the miniaturized sensor, and negligible hysteresis. Drift and stability tests confirmed robustness, with minimal drift over time and consistent performance after 200 cycles. Dynamic tests showed rapid response and high accuracy. While normalized responses were unaffected by environmental factors, temperature compensation is required for non-normalized signals under rapid temperature changes. The sensors were integrated with a deep learning 1D CNN model, achieving 97.1% and 0.188N for the standard sensor in classification accuracy and regression mean squared error (MSE), and 99.6% and 0.00030N for the miniaturized sensor. A real-time application demonstrated the sensor’s potential as a game controller, using predictions to control directional and speed parameters in gameplay. Furthermore, the miniaturized sensor was applied in a robotic hand to give a real-time feedback control for danger detection and object grasping. In conclusion, the low-cost, stretchable design and strong mechanical properties position this sensor as a promising candidate for HMI technologies, with further improvements in automation, temperature compensation, and 3D force resolution expected to enhance its utility.
BIANCHI, LEONARDO
PARK, INKYU
ING - Scuola di Ingegneria Industriale e dell'Informazione
3-apr-2025
2023/2024
Recentemente, Human Machine Interfaces (HMI) sono diventati fattori essenziali in applicazioni nella robotica e sanità. L’HMI facilita le interazioni tra esseri umani e macchine attraverso l’uso di ausili grafici o meccanici. I sistemi integrati con un’interfaccia HMI non solo possono aumentare l’efficacia del lavoro umano, ma anche garantire un ambiente più sicuro. Pertanto, le Human Machine Interfaces devono acquisire dati dal mondo reale tramite sensori, in modo simile a come il sistema nervoso acquisisce informazioni per il corpo umano. Per questo motivo, i sensori tattili devono possedere caratteristiche simili alla pelle umana e ai recettori umani, come dimensioni ridotte, integrabilità e buone proprietà meccaniche e di rilevamento. In questo modo, i robot possono essere più facilmente integrati nel lavoro umano in ambienti difficili o ripetitivi, mentre per le applicazioni sanitarie, e in particolare nelle protesi, il sensore può aiutare a ripristinare il feedback sensoriale umano. Questa tesi presenta lo sviluppo e la caratterizzazione di un Tri-Axis Piezo-Transmittance Customizable Force Sensor, realizzato utilizzando PDMS e componenti a basso costo come fotodiodi e LED. Progettato per applicazioni HMI, il sensore raggiunge scalabilità con versioni standard e miniaturizzate, integrazione con il corpo umano grazie al PDMS morbido simile alla pelle e prestazioni di rilevamento elevate. La modulazione della luce attraverso strutture sensibili allo stress consente il rilevamento delle forze di taglio e perpendicolari, mentre simulazioni agli elementi finiti hanno ottimizzato il design del sensore per massimizzare le prestazioni. Il processo di fabbricazione ha coinvolto l’uso di stampi in PLA, successivamente perfezionati con stampi in lega di titanio per la versione miniaturizzata, incorporando componenti elettrici in PCB flessibili. La validazione sperimentale ha rivelato un’ottima linearità per entrambi i sensori, sia standard che miniaturizzati, valori di sensibilità fino a 0,044V/N per il sensore standard e fino a 1,09V/N per quello miniaturizzato, e un’isteresi trascurabile. I test di stabilità e deriva hanno confermato la robustezza del sistema, con una deriva minima nel tempo e prestazioni costanti dopo 200 cicli. I test dinamici hanno mostrato una risposta rapida e un’elevata precisione. Sebbene le risposte normalizzate non siano state influenzate da fattori ambientali, è necessaria una compensazione della temperatura per i segnali non normalizzati in caso di variazioni termiche rapide. I sensori sono stati integrati con un modello di deep learning basato su una rete neurale convoluzionale 1D (1D CNN), ottenendo una precisione del 97,1% e un errore quadratico medio (MSE) di 0,188N per il sensore standard nella classificazione e regressione, e 99,6% di precisione con MSE di 0,00030N per il sensore miniaturizzato. Un’applicazione in tempo reale ha dimostrato il potenziale del sensore come controller di gioco, utilizzando le previsioni per controllare i parametri di direzione e velocità nel gameplay. Inoltre, il sensore miniaturizzato è stato applicato a una mano robotica per fornire un controllo del feedback in tempo reale per il rilevamento del pericolo e la presa degli oggetti. In conclusione, il design a basso costo, elastico e con eccellenti proprietà meccaniche rende questo sensore un candidato promettente per le tecnologie HMI. Ulteriori miglioramenti nell’automazione, nella compensazione della temperatura e nella risoluzione della forza 3D potrebbero aumentare ulteriormente la sua utilità.
File allegati
File Dimensione Formato  
Peruzzi_Filippo_214377.pdf

solo utenti autorizzati a partire dal 02/03/2028

Descrizione: Tesi PDF
Dimensione 87.12 MB
Formato Adobe PDF
87.12 MB Adobe PDF   Visualizza/Apri
Peruzzi_Filippo_214377_Summary.pdf

solo utenti autorizzati a partire dal 02/03/2026

Descrizione: Executive summary
Dimensione 5.73 MB
Formato Adobe PDF
5.73 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/234513