[发明专利]一种机器人逆动力学模型的建模方法及系统有效
| 申请号： | 201910948416.9 | 申请日： | 2019-10-08 |
| 公开（公告）号： | CN110705105B | 公开（公告）日： | 2022-06-10 |
| 发明（设计）人： | 邵振洲;渠瀛;陈曦;孙鹏飞;关永;施智平;王东方 | 申请（专利权）人： | 首都师范大学 |
| 主分类号： | G06F30/20 | 分类号： | G06F30/20;G06F119/14;G06N3/08 |
| 代理公司： | 北京高沃律师事务所 11569 | 代理人： | 刘凤玲 |
| 地址： | 100048 北*** | 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： | 本发明公开了一种机器人逆动力学模型的建模方法及系统，该方法包括：搭建循环神经网络，循环神经网络包括输入层、隐藏层和输出层，隐藏层包括外层和内层，外层包括外层遗忘门和外层重置门，内层包括内层遗忘门和内层重置门；利用循环神经网络训练机械臂的逆动力学模型；所述循环神经网络的输入数据为所述机械臂的运动状态，所述循环神经网络的输出数据为控制所述机械臂产生所述运动状态的扭矩，所述运动状态包括运动位置、运动速度和运动加速度；循环神经网络的隐藏层中内层输出的内层记忆单元数据更新外层的外层记忆单元数据，使时间序列的记忆信息得到更长时间的保留，从而提高了逆动力学模型输出预测扭矩的精度。 | ||
| 搜索关键词： | 一种 机器人 动力学 模型 建模 方法 系统 | ||
【主权项】：
1.一种机器人逆动力学模型的建模方法，其特征在于，所述方法包括：/n搭建循环神经网络，所述循环神经网络包括输入层、隐藏层和输出层，所述隐藏层包括外层和内层，所述外层包括外层遗忘门和外层重置门，所述内层包括内层遗忘门和内层重置门；/n确定所述循环神经网络的输入数据和输出数据，所述循环神经网络的输入数据为所述机械臂的运动状态，所述循环神经网络的输出数据为控制所述机械臂产生所述运动状态的扭矩，所述运动状态包括运动位置、运动速度和运动加速度；/n所述输入数据按照所述机械臂运动的时间输入到所述循环神经网络；从所述输入层输出的数据输入到所述隐藏层的外层；/n所述外层遗忘门根据当前时刻输入到所述外层的数据和前一时刻的外层记忆单元数据得到当前时刻的外层记忆单元数据，并将当前时刻的外层记忆单元数据输入到内层；/n所述内层遗忘门根据当前时刻输入的外层记忆单元数据和前一时刻的内层记忆单元数据得到当前时刻的内层记忆单元数据；/n所述内层重置门根据当前时刻所述内层记忆单元数据更新所述当前时刻的外层记忆单元数据；/n更新后的当前时刻的外层记忆单元数据在所述外层重置门通过跳跃连接的作用获得所述隐藏层的输出数据；所述隐藏层的输出数据在所述输出层经过线性变换后输出；/n利用均方误差训练公式对所述隐藏层的输出数据和收集的真实输出数据进行对比，得到对比误差；对所述线性变换中的参数进行调整，当所述对比误差小于设定阈值时，获得所述机械臂的逆动力学模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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首都师范大学，未经首都师范大学许可，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/patent/201910948416.9/，转载请声明来源钻瓜专利网。
