基于宽度神经网络的六维力/力矩传感器解耦系统及方法

本发明公开了一种基于宽度神经网络的六维力/力矩传感器解耦系统及方法，在数据采集与预处理单元中，通过砝码重锤式标定平台和数据采集卡，将采集到的电压信号进行零漂校正与归一化处理后，形成网络模型训练数据集；再对建立的宽度神经网络的六维力/力矩传感器解耦模型进行模型训练，采用基于重要性评分的神经元剪枝算法以及穆尔‑彭罗斯广义逆求解隐藏层到输出层的映射矩阵，获得最优模型参数；最后输入经过数据预处理后的电压信号，得到实时输出向量，执行反归一化处理后得到解耦后的六维力/力矩向量。本发明方法实现六维力/力矩传感器的精准解耦，显著降低维间耦合误差。