触觉是人与外界物体直接接触时获取物体属性信息的一种感知能力,触觉传感器可以提供接触物体的属性信息,可以辅助机器人精准区分不同物体。目前,触觉信号检测系统广泛应用于人造皮肤和力触觉交互等触觉感知领域。然而,在实时获取物体属性信息,物体多信息识别方面,仍然有很多需要改进的地方。新型聚偏氟乙烯（PVDF）压电薄膜传感器具有高柔韧性、高灵敏度、结构稳定等优点,而且具有压电和热释电特性,是仿生触觉检测系统的理想元件,本文基于压电薄膜设计了灵敏度高、易于集成的多信息触觉识别系统,能够识别物体的软硬、粘弹性、热导率、粗糙度等属性信息。首先,本文总结了触觉传感器的发展现状,提出了一种基于PVDF压电薄膜触觉传感器的多信息识别系统。PVDF压电薄膜具有很高的灵敏度,能够识别微弱信号,可以作为触觉传感器的敏感单元。本文基于人手指皮肤仿生学的原理,实现了双凸点多层PVDF压电薄膜触觉传感器的结构设计。因为信号传输过程中存在阻抗匹配、噪声干扰和单片机只能识别正值信号等问题,在信号采集完成后,需要对数据进行处理。为了处理采集的信号,设计了电荷放大、低通滤波、电压抬升等信号调理电路。然后,进行了传感器对比测试实验,证明本文提出的双凸点多层PVDF压电薄膜触觉传感器的灵敏度比双凸点单层和双层PVDF压电薄膜触觉传感器的灵敏度高。使用类人手机械手敲击、触碰物体,获取物体柔软度、粘弹性及导热率等属性信息,利用信号的时域特征能够初步判断物体的软硬程度、粘弹程度以及导热情况。最后,本文基于PSO-BP算法进行了粗糙度识别实验。使用主成分分析（PCA）算法,减少数据量维数。在保证不丢失原始样本中最重要的信息的前提下,选取了几个独立的属性特征,对不同粗糙度样品进行识别,这不仅保证了算法的准确性,而且提高了算法的效率,缩短了算法的运行时间。运用PSO算法,改良BP神经网络,使优化后的BP算法收敛精度更高。结果表明,PSO-BP算法对不同粗糙度样品识别的最高准确率达到98%,平均识别准确率达到94%。本文研究了压电薄膜触觉传感器的多信息识别,为仿生机器人感知外界环境、识别物体触觉信息等方面的未来研究提供参考与借鉴,在智能机器人和假肢应用等方面具有良好的应用发展前景。