买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院紫金山天文台申请的专利一种基于sEMG信号的仿生机械手控制方法、系统、设备和存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119175715B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411588608.0，技术领域涉及：B25J9/16；该发明授权一种基于sEMG信号的仿生机械手控制方法、系统、设备和存储介质是由赵雨辰;牛赟博;姜炫利;陈义仁;周煜杰;周显才;许行;蔡明生设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于sEMG信号的仿生机械手控制方法、系统、设备和存储介质在说明书摘要公布了：本发明公开了一种基于sEMG信号的仿生机械手控制方法、系统、设备和存储介质，属于仿生机械手的技术领域，方法包括通过构建的多模态特征融合神经网络对采集的多模态信号进行处理，以识别抓取动作；通过BP神经网络将抓取动作的识别标签转化为仿生机械手的控制信号；多模态特征融合神经网络包括输入层、特征提取层、时间序列建模层、特征融合层和输出层；特征提取层提取多模态信号的局部时序特征，时间序列建模层建模抓取动作的时序依赖性；特征融合层引入基于时间的注意力机制，自适应调整各个模态的特征权重，进而将多模态的特征融合成全局特征向量。本发明能够提高抓取动作的识别精度，从而提高仿生机械手的控制精度。

本发明授权一种基于sEMG信号的仿生机械手控制方法、系统、设备和存储介质在权利要求书中公布了：1.一种基于sEMG信号的仿生机械手控制方法，其特征在于，包括： 采集多模态信号；所述多模态信号包括：操作者手臂抓取时的sEMG信号和姿态信号，以及仿生机械手抓取时的压电信号； 通过构建的多模态特征融合神经网络对多模态信号进行处理，以识别抓取动作；所述多模态特征融合神经网络包括输入层、特征提取层、时间序列建模层、特征融合层和输出层；所述输入层接收多模态信号，所述特征提取层利用卷积神经网络提取多模态信号的局部时序特征，所述时间序列建模层通过BiLSTM网络处理提取的局部时序特征，以建模抓取动作的时序依赖性；所述特征融合层引入基于时间的注意力机制，自适应调整各个模态的特征权重，进而将多模态的特征融合成全局特征向量；所述输出层使用分类器对全局特征向量进行抓取动作的识别，并输出抓取动作的识别标签； 通过BP神经网络将抓取动作的识别标签转化为仿生机械手的控制信号； 所述特征融合层引入基于时间的注意力机制，自适应调整各个模态的特征权重，进而将多模态的特征融合成全局特征向量，过程如下： 使用训练过程中可学习的权重矩阵对各个模态的特征向量进行线性变换，并将经过线性变换后的各个模态的特征向量进行拼接，得到拼接后的特征向量； 所述对各个模态的特征向量进行线性变换，表示为： ； ； ； 其中，为sEMG信号特征向量，为对应的可学习的权重矩阵；为姿态信号特征向量，为对应的可学习的权重矩阵，为压电信号特征向量，为对应的可学习的权重矩阵；、和为映射到统一特征空间的sEMG信号特征向量、姿态信号特征向量和压电信号特征向量； 所述拼接后的特征向量：； 基于拼接后的特征向量，通过非线性激活函数，获取每个时间步的注意力得分；所述每个时间步的注意力得分为：，其中，为训练过程可学习的参数； 通过Softmax函数将每个时间步注意力得分转换为每个时间步的归一化注意力权重；所述每个时间步归一化注意力权重为：，，其中，为时间步的总数； 基于获得的每个时间步归一化注意力权重，对所有时间步下拼接后的特征向量进行加权求和，得到融合后的全局特征向量； 所述融合后的全局特征向量为： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院紫金山天文台，其通讯地址为：210023 江苏省南京市栖霞区元化路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。