[发明专利]一种对假肢目标空间定位精度矫正的方法

摘要

本发明公开了一种对假肢目标空间定位精度矫正的方法，它首先利用实现多自由度假肢对随机目标进行空间定位的方法对一系列目标进行初步定位，得到一系列目标点位置的集合，将该集合留作人工神经网络的训练输入样本集；然后人工借助测量工具，精确测得一系列目标实际的三维坐标值的集合，将该实际的三维坐标值集合留作人工神经网络的训练目标样本集，建立一种人工神经网络，经过充分训练后，使其输出值逼近目标的真实值；这样，当对网络输入训练输入样本集及其附近的参数时，该人工神经网络的实际输出就会逼近真实值，该人工神经网络即成多自由度上肢假肢或机器人对随机目标进行空间定位的精度矫正模型，从而对目标定位精度进行有效矫正。

主权项

一种对假肢目标空间定位精度矫正的方法，其特征在于，步骤如下：第一步、建立训练输入样本集利用实现多自由度假肢对随机目标进行空间定位的方法对某目标进行初步定位时，得到其三维的坐标值，p＝[p_x p_y p_z]^T；当在上肢假肢的操作空间内采集测量一系列目标点的三维坐标值时，得到p_i(i＝1,2…,n)的集合{P}，将该系列目标点位置与顺序进行标记、保存，将集合{P}留作人工神经网络的训练输入样本集；第二步、建立训练目标样本集人工借助测量工具精确测得某目标实际的三维坐标值，将该值表示为t＝[t_x t_y t_z]^T；对第一步的p_i(i＝1,2…,n)的集合{P}所对应的一系列目标点的三维坐标值进行精确测量，并与t＝[t_x t_y t_z]^T进行对应顺序排列，得到这些t_i(i＝1,2…,n)的集合{T}，将集合{T}留作人工神经网络的训练目标样本集，训练目标样本集的位置精度以满足上肢假肢的使用要求为标准；第三步、建立与训练人工神经网络取集合{P}作为该人工神经网络的训练输入样本集，取集合{T}作为人工神经网络的训练目标样本集，建立一种人工神经网络；训练开始，当人工神经网络的实际输出为其每一个位置点的坐标值为时，用误差{e}去训练人工神经网络，其中：$\left\{e\right\}=\left\{T\right\}-\left\{\hat{T}\right\}$经过充分训练后，使得{e}→{0}，即，网络最终能够使其输出逼近目标的真实值{T}；这样，当对网络输入训练输入样本集及其附近的参数时，该人工神经网络的实际输出就会逼近真实值，该人工神经网络即成多自由度上肢假肢或机器人对随机目标进行空间定位的精度矫正模型。