[发明专利]一种假手感知被抓取物体信息的方法和系统

说明书

本发明涉及一种假手感知被抓取物体信息的方法和系统，方法包括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；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；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；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。与现有技术相比，本发明使用单一触觉源获取了物体的多种信息，具有感知准确性高、成本低、效率高等优点。

技术领域

本发明涉及假手感知领域，尤其是涉及一种假手感知被抓取物体信息的方法和系统。

背景技术

人手能够完成生活中的各种抓取功能，但是由于意外事故和疾病等原因造成了患者手部的缺失，解决这一问题的办法是佩戴假手。但是，目前的假手都有着成本昂贵、适用性差，无法满足手部缺失患者的日常生活需要，特别是在假手感知被抓取物体信息方面。为了使患者感觉到被抓取物体的触觉信息，通常使用触觉传感器，比如力触觉传感器，但是现有的触觉传感器通常是单点感知源，只能获取到物体的单一信息，往往仅仅知道物体的单一信息并不能知道物体具体的类型，可能不同的物体具有相同的质量或者相同的其它参数，这会影响使用者对抓取物体的判断。而若要获取物体的多种信息，需要使用在假手上安装多种触觉传感器，这需要配备复杂的外围电路，大大增加了假手的体积，为患者带来不便。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种假手感知被抓取物体信息的方法和系统。

本发明的目的可以通过以下技术方案来实现：

一种假手感知被抓取物体信息的方法，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。

进一步地，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。

进一步地，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。

进一步地，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)#