基于混合神经网络的机械臂非线性运动状态估计方法

本发明提供基于混合神经网络的机械臂非线性运动状态估计方法，涉及状态估计技术领域。方法包括：引入未知输入变量，构建机械臂非线性运动的状态空间模型并线性化，形成扩展状态模型；利用自适应扩展卡尔曼滤波方法，对状态进行先验预测与后验更新，构建估计结果数据集；通过极大似然估计技术动态校正过程噪声协方差，优化滤波性能；结合双向LSTM层、最大输出层和线性输出层构建混合神经网络，以状态真实值和估计值为输入，校正残差为输出，训练状态估计模型；实时获取机械臂状态数据，利用训练好的神经网络优化卡尔曼滤波结果，输出最终校正值。本发明提升了非线性机械臂运动状态估计的准确性和鲁棒性，适应复杂噪声及动态变化环境。