[发明专利]机械手设计方法、装置、介质及电子设备在审
申请号: | 201910713051.1 | 申请日: | 2019-08-02 |
公开(公告)号: | CN110457808A | 公开(公告)日: | 2019-11-15 |
发明(设计)人: | 李夫路;梁爽 | 申请(专利权)人: | 泰康保险集团股份有限公司 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06F17/18;G06N20/00;G06F16/27;G06F21/64 |
代理公司: | 72003 隆天知识产权代理有限公司 | 代理人: | 金鹏;章侃铱<国际申请>=<国际公布>= |
地址: | 100031北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 机械手 机器学习模型 模型参数 目标函数 约束条件 电子设备 历史反馈 历史特征 目标对象 设计信息 特征信息 信息辅助 信息训练 需求信息 构建 | ||
1.一种机械手设计方法,其特征在于,包括:
获取机器学习模型及其模型参数,所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的;
根据所述机器学习模型及其模型参数构建目标函数;
根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件;
根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。
2.根据权利要求1所述的方法,其特征在于,所述机器学习模型为线性回归模型;所述方法还包括:
构建所述线性回归模型;
根据所述历史特征信息获得所述历史机械手的历史特征向量;
将所述历史特征向量作为所述线性回归模型的自变量,将所述历史反馈信息作为所述线性回归模型的因变量,计算所述线性回归模型的模型参数。
3.根据权利要求2所述的方法,其特征在于,根据所述目标函数和所述约束条件获得所述当前机械手的设计信息,包括:
在满足所述当前特征信息的约束条件的情况下,根据所述机器学习模型的模型参数,计算使得所述线性回归模型的因变量最大的自变量的值;
根据计算获得的自变量的值确定所述当前机械手的设计信息。
4.根据权利要求1所述的方法,其特征在于,所述历史特征信息包括所述历史机械手的功能特征、材质特征、颜色特征和可操作选项特征中的任意一种或者多种。
5.根据权利要求4所述的方法,其特征在于,所述历史特征信息包括所述历史机械手的功能特征和可操作选项特征;其中,
所述机械手的功能特征包括洗澡功能、喂饭功能、辅助行走功能、按摩功能中的任意一种或者多种;
所述可操作选项特征包括力度特征和/或手指弯曲程度特征。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在区块链中存储历史机械手信息;
从所述区块链中存储的所述历史机械手信息中,获得所述历史机械手的历史特征信息及其历史反馈信息。
7.根据权利要求6所述的方法,其特征在于,所述历史机械手信息包括所述历史机械手的种类和功能说明信息、投诉信息、控制交互界面设计和说明信息、认证信息中的任意一种或者多种;所述方法还包括:
将所述目标对象对所述当前机械手的需求信息和/或所述当前机械手的设计信息存储至所述区块链。
8.一种机械手设计装置,其特征在于,包括:
模型参数获取模块,用于获取机器学习模型及其模型参数,所述机器学习模型的模型参数是利用历史机械手的历史特征信息及其历史反馈信息训练所述机器学习模型获得的;
目标函数构建模块,用于根据所述机器学习模型及其模型参数构建目标函数;
约束条件确定模块,用于根据目标对象对当前机械手的需求信息确定所述当前机械手的当前特征信息的约束条件;
设计信息获得模块,用于根据所述目标函数和所述约束条件获得所述当前机械手的设计信息。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一项所述的机械手设计方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的机械手设计方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于泰康保险集团股份有限公司,未经泰康保险集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910713051.1/1.html,转载请声明来源钻瓜专利网。