一种线性柔性体形变状态分析方法及相关装置制造方法及图纸

本发明专利技术涉及柔性体形态技术领域，具体是涉及一种线性柔性体形变状态分析方法及相关装置。首先计算形变模型所涉及的模型参数值，得到参数值已知的形变模型；然后将作用于线性柔性体上的力作为形变模型的输入，即可输出得到线性柔性体的形变状态数据。本发明专利技术研究线性柔性体的建模和力控问题，将施加在线性柔性体上的力与物体的形变联系在一起。通过不断探索线性参数化的特征去更新未知的模型参数。然后，利用已经训练好的模型对线性柔性体进行主动形状控制。由于本发明专利技术利用到了物理先验知识和较低的计算复杂度，因此在数据处理效率上有着优势。优势。优势。

【技术实现步骤摘要】
一种线性柔性体形变状态分析方法及相关装置


[0001]本专利技术涉及柔性体形态
，具体是涉及一种线性柔性体形变状态分析方法及相关装置。

技术介绍

[0002]线性柔性体指有着无限自由度的线性物体如绳子、金属丝和电缆等。如今在很多工业和医疗应用上都有对可变形物体的操作工作。比如，在外科手术后用手术缝合线缝合皮肤组织。在结肠镜检查中，要求沿着结肠曲线控制柔性内窥镜的形状。在3C制造中，需要将不同颜色的USB线根据期望的颜色色码进行分类。
[0003]许多国内的工业应用都涉及到了对柔性体的控制，比如金属丝，软组织，食品材料等。相对于控制刚性物体而言，这种对柔性体的控制难度更高，而其中一个原因就是很难去获得可以将柔性体所受外力和物体的状态联系起来的精准的形变模型(形变模型用于根据柔性物体的受力确定其上各个点的位置)。目前主要采用数据驱动建立形变模型，数据驱动的方法是用数值表示的方式去训练和估计模型，没有考虑模型的物理本质，在数据驱动型方法的框架下，通过收集和处理大量的训练数据去获得形变模型，将针对柔性体的控制量(比如机器人末端执行器的速率)作为形变模型的输入、将线性柔性体针对该控制量产生的形变作为模型的输出。
[0004]基于数据驱动建立形变模型的具体方法有深度神经网络法和最小二乘估计法，上述基于数据驱动建立的形变模型需要大量的训练数据去训练形变模型，从而增大了分析线性柔性体形变状态的所需要的时间。
[0005]综上所述，现有技术增大了分析线性柔性体形变状态所需要的时间。
[0006]因此，现有技术还有待改进和提高。

技术实现思路

[0007]为解决上述技术问题，本专利技术提供了一种线性柔性体形变状态分析方法及相关装置，解决了现有技术计算线性柔性体形变状态的计算速度较慢以及误差较大的问题。
[0008]为实现上述目的，本专利技术采用了以下技术方案：
[0009]第一方面，本专利技术提供一种线性柔性体形变状态分析方法，其中，包括：
[0010]确定形变模型所涉及的模型参数值，得到参数值已知的所述形变模型，所述形变模型用于分析线性柔性体的各点受力之后所呈现出的形状；
[0011]将施加在线性柔性体上的力作为参数值已知的所述形变模型的输入，得到所述形变模型输出的线性柔性体上各特征点的形变状态。
[0012]在一种实现方式中，所述确定形变模型所涉及的模型参数值，得到参数值已知的所述形变模型，所述形变模型用于分析线性柔性体的各点受力之后所呈现出的形状，包括：
[0013]设置所述模型参数的估算值；
[0014]依据样本线性柔性体的样本形变状态数据和样本受力、所述模型参数的估算值，
得到预测误差，所述样本受力用于表征所述样本线性柔性体上的各点受力数据，所述样本形变状态数据用于表征所述样本线性柔性体上的各点受力之后呈现的形状；
[0015]确定所述模型参数的导数；
[0016]依据所述预测误差、所述模型参数的导数、所述样本形变状态数据，计算所述模型参数值。
[0017]在一种实现方式中，所述依据样本线性柔性体的样本形变状态数据和样本受力、所述模型参数的估算值，得到预测误差，所述样本受力用于表征所述样本线性柔性体上的各点受力数据，所述样本形变状态数据用于表征所述样本线性柔性体上的各点受力之后呈现的形状，包括：
[0018]采用所述样本形变状态数据构建回归矩阵；
[0019]根据所述回归矩阵与所述模型参数的估算值，得到所述样本线性柔性体所受到的预测力；
[0020]依据所述样本受力与所述预测力之差，得到预测误差。
[0021]在一种实现方式中，所述依据所述预测误差、所述模型参数的导数、所述样本形变状态数据，确定所述模型参数值，包括：
[0022]采用所述样本形变状态数据构建回归矩阵，所述回归矩阵内的各个元素用于表征所述样本线性柔性体上的各点的形状；
[0023]确定所述回归矩阵的广义逆矩阵；
[0024]设置与所述模型参数更新频率所对应的正定矩阵；
[0025]依据所述正定矩阵、所述广义逆矩阵、所述预测误差、所述模型参数的导数构建等式；
[0026]迭代更新所述模型参数的估算值，直至采用所述等式和迭代更新之后的所述估算值确定的所述预测误差小于设定阈值，停止迭代；
[0027]将停止迭代时的所述估算值作为模型参数值。
[0028]在一种实现方式中，所述将施加在线性柔性体上的力作为参数值已知的所述形变模型的输入，得到所述形变模型输出的线性柔性体上各特征点的形变状态，包括：
[0029]将所述线性柔性体所受到的力代入到参数值已知的所述形变模型，确定所述被测线性柔性体在各个设定维度的形变状态中的实际形变状态数据。
[0030]在一种实现方式中，还包括：
[0031]根据所述形变模型，确定特征点预测位置；
[0032]根据视觉传感器，确定特征点实际位置；
[0033]确定所述特征点预测位置与所述特征点实际位置之差的二范数，记为第一二范数；
[0034]确定节点的位移矢量的二范数，记为第二二范数；
[0035]依据所述第一二范数和所述第二二范数之比，得到所述线性柔性体上节点位移矢量的误差值，所述误差值用于表征所述参数值已知的所述形变模型分析所述被测线性柔性体的形变数据的准确程度。
[0036]第二方面，本专利技术实施例还提供一种线性柔性体形变状态分析装置，其中，所述装置包括如下组成部分：
[0037]参数值计算模块，用于确定形变模型所涉及的模型参数值，得到参数值已知的所述形变模型，所述形变模型用于分析线性柔性体的各点受力之后所呈现出的形状；
[0038]状态分析模块，用于将施加在线性柔性体上的力作为参数值已知的所述形变模型的输入，得到所述形变模型输出的线性柔性体上各特征点的形变状态。
[0039]第三方面，本专利技术实施例还提供一种终端设备，其中，所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的线性柔性体形变状态分析程序，所述处理器执行所述线性柔性体形变状态分析程序时，实现上述所述的线性柔性体形变状态分析方法的步骤。
[0040]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有线性柔性体形变状态分析程序，所述线性柔性体形变状态分析程序被处理器执行时，实现上述所述的线性柔性体形变状态分析方法的步骤。
[0041]有益效果：本专利技术首先针对各种形变模型确定模型所涉及到的各种参数值，将被测线性柔性体的受力数据代入到确定参数值的形变模型，通过计算形变模型构成的数学公式所涵盖的形变参数的值，以确定被测线性柔性体针对受力数据的实际形变状态。本专利技术在计算形变模型的各种参数值时不需要采用大量的训练数据，而是仅通过对形变模型作为一个数字公式进行迭代运算以确定形变模型准确的模型参数，从而节省了使用形变模型计算被测线性柔性体在受力情况下产生的形变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线性柔性体形变状态分析方法，其特征在于，包括：确定形变模型所涉及的模型参数值，得到参数值已知的所述形变模型，所述形变模型用于分析线性柔性体的各点受力之后所呈现出的形状；将施加在线性柔性体上的力作为参数值已知的所述形变模型的输入，得到所述形变模型输出的线性柔性体上各特征点的形变状态。2.如权利要求1所述的线性柔性体形变状态分析方法，其特征在于，所述确定形变模型所涉及的模型参数值，得到参数值已知的所述形变模型，所述形变模型用于分析线性柔性体的各点受力之后所呈现出的形状，包括：设置所述模型参数的估算值；依据样本线性柔性体的样本形变状态数据和样本受力、所述模型参数的估算值，得到预测误差，所述样本受力用于表征所述样本线性柔性体上的各点受力数据，所述样本形变状态数据用于表征所述样本线性柔性体上的各点受力之后呈现的形状；确定所述模型参数的导数；依据所述预测误差、所述模型参数的导数、所述样本形变状态数据，确定所述模型参数值。3.如权利要求2所述的线性柔性体形变状态分析方法，其特征在于，所述依据样本线性柔性体的样本形变状态数据和样本受力、所述模型参数的估算值，得到预测误差，所述样本受力用于表征所述样本线性柔性体上的各点受力数据，所述样本形变状态数据用于表征所述样本线性柔性体上的各点受力之后呈现的形状，包括：采用所述样本形变状态数据构建回归矩阵；根据所述回归矩阵与所述模型参数的估算值，得到所述样本线性柔性体所受到的预测力；依据所述样本受力与所述预测力之差，得到预测误差。4.如权利要求2所述的线性柔性体形变状态分析方法，其特征在于，所述依据所述预测误差、所述模型参数的导数、所述样本形变状态数据，确定所述模型参数值，包括：采用所述样本形变状态数据构建回归矩阵，所述回归矩阵内的各个元素用于表征所述样本线性柔性体上的各点的形状；确定所述回归矩阵的广义逆矩阵；设置与所述模型参数更新频率所对应的正定矩阵；依据所述正定矩阵、所述广义逆矩阵、所述预测误差、所述模型参数的导数构建等式；迭代更新所述模型参数的估算值，直至采用所述等式和迭...

【专利技术属性】
技术研发人员：马淦，李翔，钟瀚中，许梓淇，林梓鑫，张文伟，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：