传感器技术在现代信息技术领域中卓有建树,是国内外认可的最具前景的高新技术优势产业。传感器技术具有测力丰富、精度高等特点,在机器人技术、飞机起落冲力检测、火箭发动机瞬态推力测量等领域得到了广泛应用。压电式六维力/力矩传感器具备动态特性突出、精度高、灵敏度高、稳定性好等优点,同时能够满足固有频率要求高的应用场合,并且是当前最具发展潜力的一种。压电式的六维力传感器一般采用多点支撑组合式测量方式,由于组装、制造、布局等多方面因素的影响,会对传感器的多维输出造成耦合。因此,开展压电式六维力传感器解耦方面的研究也显得尤为重要。本文是在国家自然科学基金项目(51205165)的资助下,开展对压电式六维力传感器解耦方面的研究,其研究内容概括为以下几个方面:第一,阐述了四点支撑结构的压电式六维力/力矩传感器力敏元器件布局及测量原理,并建立了测量模型,进行了标定加载实验,由标定加载实验的数据得出耦合误差产生的原因,同时提出了传感器耦合的评价指标。第二,在传感器的测量系统模型为线性的假设条件下,对传感器采用了均值标定矩阵和最小二乘法的静态线性解耦算法,构建了两种基于线性算法的解耦模型。同时采用加载实验的样本数据对模型求解,得到标定矩阵。进而选用非求解样本数据,针对这两种线性算法的解耦效果,分别展开了讨论和验证。第三,由于传感器的测量系统具备非线性映射特点,而采用线性静态解耦算法拥有一定的局限性。于是,在线性解耦模型的基础上,开展了BP前向反馈神经网络和RBF径向基函数神经网络的两种非线性解耦算法的研究。对两种神经网络的原理进行了简单介绍,建立了两种非线性解耦算法的模型。选择训练样本数据训练网络模型,选择非训练样本数据对训练好的模型实行了解耦效果验证与对比分析。第四,对传感器采用单一算法进行解耦时,会受到其自身的缺陷限制。而采用多种算法相互融合,能够抑制各自的缺陷,提升解耦性能。在此理论前提上,开展了基于最小二乘支持向量回归机(LSSVR)和GA遗传算法优化BP神经网络(GABP)的两种融合算法的传感器解耦研究。并建立了这两种算法的解耦模型,并对模型进行了解耦效果验证。解耦效果表明,在采用融合解耦算法后,对传感器测量性能有了显著提高。结果表明,采用多种算法相互融合的传感器解耦算法的可行性研究,是行之有效的。