买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种基于DMP与卷积神经网络的机械臂多模态抓取任务实现方法，包括以下步骤：采集目标物体图像，构建卷积神经网络，输出目标物体的位置；选取部分目标物体的位置对机械臂进行抓取示教任务，收集机械臂末端轨迹以及人手部肌电信号；将肌电信号转化为刚度信息，并利用DMP建模，确定阻抗DMP模型参数；构建全连接神经网络并进行DMP参数训练；针对特定任务，利用全连接神经网络输出的阻抗DMP模型参数对轨迹与刚度进行建模，基于阻抗控制的方法控制机械臂依照轨迹和刚度进行任务的执行。与现有技术相比，本发明能够很好地将少量示教泛化到机械臂自主执行的特定抓取任务中。

主权项：1.一种基于DMP与卷积神经网络的机械臂多模态抓取任务实现方法，其特征在于，包括以下步骤：步骤1）采集目标物体图像，构建训练数据集，构建卷积神经网络并利用训练数据集进行训练，输出目标物体的位置；步骤2）选取部分目标物体的位置对机械臂进行抓取示教任务，收集机械臂末端轨迹以及人手部肌电信号；步骤3）将肌电信号转化为手臂末端的刚度信息，同时将刚度信息与机械臂末端轨迹分别用DMP建模，确定阻抗DMP模型参数，构建全连接神经网络的训练数据集；步骤4）构建全连接神经网络并进行训练，所述全连接神经网络的输入为目标物体的位置以及时钟信号，输出为末端轨迹和阻抗DMP模型参数；步骤5）针对特定任务，利用全连接神经网络输出的阻抗DMP模型参数对轨迹与刚度进行建模，基于阻抗控制的方法控制机械臂依照轨迹和刚度进行任务的执行；所述步骤3）中，将肌电信号转化为手臂末端的刚度信息具体为： ，其中，,分别表示人体上肢端点刚度和关节刚度；表示人体手臂雅可比矩阵的伪逆，表示手臂姿态；表示手臂关节角；表示施加在人体上肢端点的外力；基于肌电信号确定；用p表示刚度，所述人体上肢关节刚度表示为一个肌肉收缩指数和一个固有不变刚度的乘积： ，其中，肌肉收缩指数为： ，变量是基于肌电信号确定的肌肉激活指标，、为常数系数；所述步骤3）中，将刚度信息与机械臂末端轨迹分别用DMP建模的建模过程包括以下步骤：步骤3-2-1）构建单模态DMP模型： ，其中，是轨迹的初始位置，是轨迹的终止位置，是一个对角矩阵，其中向量是对角线上的分量，是非线性强迫项，是按比例的运动速度，表示相位；单模态DMP模型中的强迫项由径向基函数表示： ， ，其中，为沿轨迹相位分布的高斯函数的中心，为高斯函数的宽度，和的值是固定的，且沿相位均匀分布，是未知参数，通过回归方法习得；步骤3-2-2）为了保证基于同一任务参数的末端轨迹和阻抗同步，将单模态DMP模型修改为轨迹与阻抗同步的多模态DMP模型： ， ， ，其中第一个式子为正则系统，后两个式子表示两个转换系统，一个用于编码位置轨迹，另一个用于刚度轮廓，p代表末端刚度；步骤3-2-3）对于采集到的示教轨迹，用形式表示，其中、、分别为k时刻关节n对应的位置，速度和加速度；参考运动轨迹的建模过程，将输入的n替换为p，得到刚度轨迹DMP模型： ， ，其中，是刚度轨迹的初始位置，是刚度轨迹的终止位置，是一个对角矩阵，其中向量是对角线上的分量，是非线性强迫项；由于正则系统一致，参数，，一致；步骤3-2-4）根据示教轨迹，获得期望的强迫项： ， 为示教轨迹对应期望强迫项函数值；步骤3-2-5）利用线性回归算法，定义损失函数，计算径向基函数的参数，得到基于特定任务的期望DMP模型的参数。

全文数据：

权利要求：

百度查询： 同济大学 基于DMP与卷积神经网络的机械臂多模态抓取任务实现方法