随着机器人在各种领域的广泛应用,对机器人触觉传感的功能要求也在不断提高,与传统的电类触觉传感器相比,分布式光纤传感器因其连续传感、高柔性、不易受电磁干扰等优势在各个行业引起了广泛关注。其中,马赫-曾德尔干涉仪具有结构简单、高灵敏度、高实时性等优势,在机器人的触觉传感方面具有极大的应用前景。针对现有光纤触觉传感器结构复杂,易受光强干扰的局限性,本文搭建起一个结构简单、灵敏度高的马赫-曾德尔光纤传感系统对仿生机器手的触觉传感功能进行验证。此外,为了对外界扰动信号进行准确还原,我们采用经过改进的反正切解调法进行信号解调。最后,本文采用经验模态分解法和BP神经网络建立了信号识别模型对解调信号进行了分类识别实验。通过仿真与实验验证了本文提出的仿生机器手触觉传感系统方案的优势和可行性。本文首先介绍了机器手触觉传感的研究背景、光纤触觉传感器的研究现状、分布式光纤传感和解调技术以及信号识别方法的发展概况,指出了本文提出的马赫-曾德尔光纤触觉传感系统的优势。然后,对马赫-曾德尔光纤传感系统的基础理论进行了详细说明。为了解决传统反正切解调法容易产生谐波失真和相位缠绕的问题,本文通过微分自相乘和相位解卷绕算法分别对其进行改进。此外,本文通过建立BP神经网络预测模型进行信号延拓的方法以消除经验模态分解的端点效应对分解结果的影响。最后,通过Matlab平台对本文提出的改进反正切解调法和识别模型进行了仿真与实验。仿真结果表明,经过改进的反正切解调法和识别模型可有效提高信号解调和识别的准确性。实验结果显示,本文提出的信号识别方案的平均识别准确率高达97.87%。