基于增量宽度学习的准直驱执行器高保真扭矩估计方法

本发明公开了基于增量宽度学习的准直驱执行器高保真扭矩估计方法，属于机器人执行器扭矩估计技术领域，该方法包括以下步骤：S1、采集多维状态参数，构建数据集；S2、根据S1中的数据集获得特征层和顶层权重，构建基础宽度学习模型；S3、基于S2中的基础宽度学习模型，当获取新的数据集时，使用增量学习算法更新特征层和顶层权重，获得更新后的模型；S4、将模型部署至扭矩控制系统，构建闭环控制。本发明采用上述的基于增量宽度学习的准直驱执行器高保真扭矩估计方法，能提升表征能力，保证估计精度并降低训练开销，可实时更新模型以适应动态工况，无需额外扭矩传感器即可实现高精度估计，有效支撑执行器控制。