通常情况下,在人机交互过程中人体所受到的伤害大部分都是因为机械设备对人体产生的冲击效果超过了一定的人体耐受力。因此,对过程中可能会发生的碰撞进行研究,将有利于机械设备的控制以及为即将到来的紧急救援提供可靠依据,同时对后续的处理也有着积极的作用。本研究课题将阵列传感技术和神经网络相结合进行机械设备碰撞的安全等级检测。针对目前存在的响应时间、空间感知和精度等问题进行了探索和研究。尤其是在响应时间这一核心问题上,通过对传感网络、数据传输和算法识别三个部分的改进来进行解决。具体包括三个方面:硬件系统设计、通讯规则协议设计和软件系统设计。硬件系统包括阵列式柔性传感器、处理电路和上位机;通讯规则协议包括通讯接口和数据传输规则设计;软件系统包括下位单片机采集程序和上位机处理程序。对于因耐受力的不同而导致的结果偏差问题,本次研究中采用了识别碰撞物体软硬度的方法来进行解决,再通过伤害简略分类标准明确安全等级的分类。在模拟实验中使用美国联邦航空局混合III型标准男性人体模型与小型机械臂的碰撞以获取数据,并通过得到的数据构建三种不同的碰撞安全等级检测算法模型:基于改进遗传算法优化的BP神经网络、基于卷积神经网络(CNN)和基于概率神经网络的碰撞安全等级检测算法模型。对三种算法模型检测结果的准确率和识别时间进行对比分析,发现基于改进遗传算法优化的BP神经网络算法模型在碰撞安全等级检测中表现一般,并且在识别时间的表现上差强人意;基于卷积神经网络(CNN)的算法模型在碰撞安全等级的检测中的表现相较于上者无论是在准确率还是在识别时间上都更好一些;基于概率神经网络(PNN)的碰撞安全等级检测算法模型在准确率和识别时间上的表现是这三种算法模型中表现最好的,并且测模型训练容易,在构建网络训练时,算法的收敛速度较快,而且由于各层运算单元数量比较确定,易于实现,综合来看,是一种优秀的碰撞安全等级检测算法。