[发明专利]一种假手感知被抓取物体信息的方法和系统

权利要求书

1.一种假手感知被抓取物体信息的方法，其特征在于，包括以下步骤：

S1、通过触觉传感器获取假手抓取物体时的多维抓取压力数据和假手摇晃物体时的多维摇晃压力数据；

S2、将多维抓取压力数据输入至DNN神经网络，得到一维质量特征数据，作为质量信息；

S3、将S2中得到的一维质量特征数据添加至多维摇晃压力数据，将多维摇晃压力数据输入至LSTM网络，得到摩擦信息；

S4、将质量信息和摩擦信息输入提前训练的数据标签，得出被抓取的物体类型。

2.根据权利要求1所述的一种假手感知被抓取物体信息的方法，其特征在于，所述DNN神经网络计算步骤如下：

A1、将输入的多维抓取压力数据经过每一层全连接层的权重矩阵计算，得到每层的输出y，具体表达式如下：

y＝x*A^T+b

其中，x表示多维抓取压力数据，A表示权重矩阵，b表示每层中神经元的偏差；

A2、在得到每层的输出后，使用Relu激活函数激活，表达式如下：

Relu(y)＝max(0，y)

x＝Relu(y)

再使用Dropout函数，表达式如下：

x＝Dropout(p＝n)

其中p表示删除系数，n的取值为0.15～0.25；将得到的x作为输入，重新回到步骤A1中进行计算，当步骤A1执行至少5次后，步骤A2中激活函数激活后的结果为一维质量特征数据。

3.根据权利要求1所述的一种假手感知被抓取物体信息的方法，其特征在于，所述提前训练的数据标签包括物体类型、物体质量和摩擦信息。

4.根据权利要求1所述的一种假手感知被抓取物体信息的方法，其特征在于，所述LSTM网络每一层的计算表达式如下：

i_t＝σ(W_iix_t+b_ii+W_hih_t-1+b_hi)#

f_t＝σ(W_ifx_t+b_if+W_hfh_t-1+b_hf)#

g_t＝tanh(W_igx_t+b_ig+W_hgh_t-1+b_hg)#

o_t＝σ(W_iox_t+b_io+W_hoh_t-1+b_ho)#

c_t＝f_t⊙c_t-1+i_t⊙g_t#

h_t＝o_t⊙tanh(c_t)#

式中，h_t表示t时刻的隐藏状态值，c_t表示t时刻的细胞状态值，x_t表示t时刻的输入，i_t，f_t，g_t，o_t分别表示输入门值、遗忘门值、细胞门值和输出门值，σ表示sigmoid激活函数，⊙表示哈达玛积的矩阵运算，W_iiW_hiW_ifW_hfW_igW_hgW_ioW_ho均表示网络系数，b_iib_hib_ifb_hfb_igb_hgb_iob_ho均表示网络偏差值；

迭代计算到LSTM网络的最后-层时，最后一层的输出门值o_t即为摩擦信息。