为了提高柔性机器人抓握传感中掌心表面的重构精度，本文基于COMSOL仿真，在436 mm×436 mm×2 mm聚丙烯板上，采用7只经聚二甲基硅氧烷（PDMS）封装的光纤光栅（FBG）柔性传感器，选取环形布设的方式，在板末端中心与两角分别受力的情况下，使用光纤光栅解调仪采集实验中的传感器数据，并通过三次样条插值法进行连续化。设定数个平面Y与拟合圆环相交，计算过点函数获得三维曲面点集，实现了空间曲面的拟合可视化显示。在曲面末端中心受力时，板末端位移最小相对误差为0.549%，最大相对误差为8.300%，最小绝对误差为0.051 cm，最大绝对误差为1.255 cm，板末端两角受力时，板面重构末端位移最小相对误差为2.546％，最大相对误差为14.289％，最小绝对误差为0.005 cm，最大绝对误差为0.729 cm。实验结果为柔性机器人掌心抓握传感提供了应用基础。

为了进一步提高人体姿势在生物医学和运动学中的识别精度，设计了一种基于光纤布拉格光栅柔性传感器人体姿势识别的智慧鞋垫，并结合K折交叉验证支持向量回归算法提升识别精度。采用COMSOL仿真软件分析足底受力分布，确定4个关键受力点布设光纤布拉格光栅传感器，采用波分复用方式进行连接。征集25名参与者分别完成8种不同人体姿势，记录该串光纤布拉格光栅传感器200组中心波长变化量并构建数据集。引入K折交叉验证支持向量回归模型进行数据处理，经K折交叉验证自动搜索支持向量回归惩罚因子和径向基函数参数的最优值分别为0.5和8。实验结果表明K折交叉验证支持向量回归模型的相关系数为0.999 6，均方根误差和平均绝对误差分别为0.050 2、0.044 6，较SVR回归模型的均方根误差和平均绝对误差分别降低0.460 4、0.087 7，有效提高人体姿势的识别精度。

针对目前为智能仿生体柔性皮肤领域提供支持的光纤布拉格光栅传感器研究对滑觉信号特性识别手段的不足，提出了一种通过人工学习网络对基于分布式光栅传感单元所检测的滑觉速度与滑觉载荷进行预测的方法。设计了由四支光栅构成的传感阵列，采用封装技术制成柔性传感器，并搭建实验平台对滑觉信号进行采集。给出了滑觉过程对布拉格光栅波长偏移曲线的作用原理，对经验模态分解与小波分析的去噪效果进行比较，信噪比分别达到15.99与16.15。搭建了滑觉实验系统，对采集的不同速度与载荷分度的滑觉信号的特征值设定提取标准，构建滑觉样本集，引入随机森林与神经网络两个回归模型进行训练，并对比了预测效果。实验结果指出，速度特性预测中，两种模型的R²系数分别为0.9746和0.9681，平均误差分别为5.22%和4.31%；载荷特性预测中，两种模型的R²系数分别为0.9982和0.9835，平均误差分别为1.12%和3.02%。该研究方法基本实现了对滑觉样本两种特征的准确识别，在柔性仿生皮肤传感领域对滑觉信号的研究具有一定价值。