JP7432201B2 - 推定装置、推定方法、プログラム、及び学習モデル生成装置 - Google Patents
推定装置、推定方法、プログラム、及び学習モデル生成装置 Download PDFInfo
- Publication number
- JP7432201B2 JP7432201B2 JP2019229782A JP2019229782A JP7432201B2 JP 7432201 B2 JP7432201 B2 JP 7432201B2 JP 2019229782 A JP2019229782 A JP 2019229782A JP 2019229782 A JP2019229782 A JP 2019229782A JP 7432201 B2 JP7432201 B2 JP 7432201B2
- Authority
- JP
- Japan
- Prior art keywords
- physical quantity
- target
- learning
- deformation
- physical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 34
- 230000008859 change Effects 0.000 claims description 26
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 230000000306 recurrent effect Effects 0.000 claims description 15
- 239000012530 fluid Substances 0.000 claims description 14
- 239000005060 rubber Substances 0.000 description 88
- 238000012545 processing Methods 0.000 description 57
- 230000008569 process Effects 0.000 description 21
- 230000006399 behavior Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 230000008878 coupling Effects 0.000 description 9
- 238000010168 coupling process Methods 0.000 description 9
- 238000005859 coupling reaction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008602 contraction Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 239000004760 aramid Substances 0.000 description 1
- 229920003235 aromatic polyamide Polymers 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000006261 foam material Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000007779 soft material Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/02—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
- G01B7/18—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge using change in resistance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Description
線形又は非線形に変形する部材における前記変形に応じて変化する種類が異なる少なくとも3つの物理量であって、時系列情報が対応付けられたターゲット物理量を含む前記少なくとも3つの物理量の複数を学習用データとして用い、前記ターゲット物理量以外の少なくとも2つの物理量を入力として、前記ターゲット物理量を出力するように学習された学習モデルに対して、前記ターゲット物理量以外の少なくとも2つの物理量に対応する推定対象の2つの物理量を入力し、前記推定対象に対応するターゲット物理量を推定する推定部
を含む推定装置である。
前記部材は、前記変形に応じて電気特性が変化し、前記少なくとも3つの物理量として、前記部材を変形させる第1物理量、前記部材の変形に応じて変化した前記電気特性を表す第2物理量、及び前記部材の変形量を表すターゲット物理量を含み、
前記学習モデルは、前記第1物理量及び前記第2物理量を入力として、前記ターゲット物理量を出力するように学習される。
前記部材は、内部が中空に形成され、かつ前記中空の内部に加圧流体が供給されて所定方向に収縮力を発生する弾性体を含み、
前記第1物理量は、前記弾性体に供給される前記加圧流体の供給状態を表す圧力値であり、
前記第2物理量は、前記弾性体の電気抵抗値であり、
前記ターゲット物理量は、前記弾性体の前記所定方向の距離である。
前記学習モデルは、再帰型ニューラルネットワークを用いて学習させることで生成されたモデルである。
前記学習モデルは、リザーバコンピューティングによるネットワークを用いて学習させることで生成されたモデルである。
前記学習モデルは、非線形に変形する部材における前記少なくとも3つの物理量を複数蓄積したリザーバを用いた物理的リザーバコンピューティングによるネットワークを用いて学習させることで生成されたモデルである。
コンピュータが
線形又は非線形に変形する部材における前記変形に応じて変化する種類が異なる少なくとも3つの物理量であって、時系列情報が対応付けられたターゲット物理量を含む前記少なくとも3つの物理量の複数を学習用データとして用い、前記ターゲット物理量以外の少なくとも2つの物理量を入力として、前記ターゲット物理量を出力するように学習された学習モデルに対して、前記ターゲット物理量以外の少なくとも2つの物理量に対応する推定対象の2つの物理量を入力し、前記推定対象に対応するターゲット物理量を推定する
推定方法である。
コンピュータを
線形又は非線形に変形する部材における前記変形に応じて変化する種類が異なる少なくとも3つの物理量であって、時系列情報が対応付けられたターゲット物理量を含む前記少なくとも3つの物理量の複数を学習用データとして用い、前記ターゲット物理量以外の少なくとも2つの物理量を入力として、前記ターゲット物理量を出力するように学習された学習モデルに対して、前記ターゲット物理量以外の少なくとも2つの物理量に対応する推定対象の2つの物理量を入力し、前記推定対象に対応するターゲット物理量を推定する推定部
として機能させるためのプログラムである。
線形又は非線形に変形する部材における前記変形に応じて変化する種類が異なる少なくとも3つの物理量であって、時系列情報が対応付けられたターゲット物理量を含む前記少なくとも3つの物理量を複数取得する取得部と、
前記取得部の取得結果に基づいて、前記ターゲット物理量以外の少なくとも2つの物理量を入力として、前記ターゲット物理量を出力するように学習された学習モデルを生成する学習モデル生成部と、
を含む学習モデル生成装置である。
なお、作用、機能が同じ働きを担う構成要素及び処理には、全図面を通して同じ符合を付与し、重複する説明を適宜省略する場合がある。また、本開示は、以下の実施形態に何ら限定されるものではなく、本開示の目的の範囲内において、適宜変更を加えて実施することができる。また、本開示では、主として非線形に変形する部材に対する物理量の推定を説明するが、線形に変形する部材に対する物理量の推定に適用可能であることは言うまでもでもない。
図1に、本開示の推定装置としての弾性体の物理量推定装置1の構成の一例を示す。
エアバッグタイプの弾性収縮体の一例(以下、ラバーアクチュエータという。)は、ゴム部材等の柔らかい弾性体で構成される管状体の外周を、有機又は無機高張力繊維、例えば芳香族ポリアミド繊維の編組み補強構造により被覆した本体21を有し、両端開口22を閉塞部材23によって封止したものである。ラバーアクチュエータは、その閉塞部材23に設けられた接続口24を介して内部空洞に加圧流体が供給されることによって膨径変形し、軸線方向に沿って収縮力が発生するようになっている。このラバーアクチュエータは、膨径変形によって、ラバーアクチュエータの長さが変化する。ただし、ラバーアクチュエータを適用対象とするのはあくまで一例に過ぎず、本開示の推定装置はラバーアクチュエータ以外の弾性収縮体又は弾性体を含む部材にも適用可能である。
図4に、ラバーアクチュエータ2における物理量を測定する測定装置7の一例を示す。
学習処理部52は、生成器54と演算器56とを含む。生成器54は、時系列入力の前後関係を考慮して出力を生成する機能を有する。
図9に示す推定処理は、コンピュータ本体100に電源投入されると、CPU102により実行される。すなわち、CPU102は、制御プログラム108Pを補助記憶装置108から読み出し、RAM104に展開して処理を実行する。
次に、第2実施形態を説明する。第2実施形態は、ラバーアクチュエータ2の長さを推定するにあたって、推定速度を向上することを考慮したものである。なお、第2実施形態は第1実施形態と略同様の構成のため、同一部分には同一符号を付して詳細な説明を省略する。
次に、第3実施形態を説明する。第3実施形態は、ラバーアクチュエータ2の長さを推定するための学習モデル51の学習効果の向上を考慮したものである。なお、第3実施形態は第1実施形態および第2実施形態と略同様の構成のため、同一部分には同一符号を付して詳細な説明を省略する。
2 ラバーアクチュエータ
3 第1入力データ
4 第2入力データ
5 推定部
6 出力データ
6A 生成出力データ
7 測定装置
51 学習モデル
52、52A、52B 学習処理部
54、54A、54B 生成器
56 演算器
70 コントローラ
75 供給部
76 電気特性検出部
77 距離センサ
78 同定部
100 コンピュータ本体
108 補助記憶装置
108D データ
108M 学習モデル
108P 制御プログラム
540 入力層
542 中間層
543 リザーバ層
544 出力層
545 物理リザーバ層
Claims (8)
- 線形又は非線形に変形する部材における前記変形に応じて変化する種類が異なる少なくとも3つの物理量であって、時系列情報が対応付けられたターゲット物理量を含む前記少なくとも3つの物理量の複数を学習用データとして用いて、前記ターゲット物理量以外の少なくとも2つの物理量を入力とし、前記ターゲット物理量を出力するように学習された学習モデルに対して、前記ターゲット物理量以外の少なくとも2つの物理量に対応する推定対象の2つの物理量を入力し、前記推定対象に対応するターゲット物理量を推定する推定部を備え、
前記部材は、前記変形に応じて電気特性が変化し、前記少なくとも3つの物理量として、前記部材を変形させる第1物理量、前記部材の変形に応じて変化した前記電気特性を表す第2物理量、及び前記部材の変形量を表すターゲット物理量を含み、
前記学習モデルは、前記第1物理量及び前記第2物理量を入力として、前記ターゲット物理量を出力するように学習される
推定装置。 - 前記部材は、内部が中空に形成され、かつ前記中空の内部に加圧流体が供給されて所定方向に収縮力を発生する弾性体を含み、
前記第1物理量は、前記弾性体に供給される前記加圧流体の供給状態を表す圧力値であり、
前記第2物理量は、前記弾性体の電気抵抗値であり、
前記ターゲット物理量は、前記弾性体の前記所定方向の距離である
請求項1に記載の推定装置。 - 前記学習モデルは、再帰型ニューラルネットワークを用いて学習させることで生成されたモデルである
請求項1又は請求項2に記載の推定装置。 - 前記学習モデルは、リザーバコンピューティングによるネットワークを用いて学習させることで生成されたモデルである
請求項1から請求項3の何れか1項に記載の推定装置。 - 前記学習モデルは、非線形に変形する部材における前記少なくとも3つの物理量を複数蓄積したリザーバを用いた物理的リザーバコンピューティングによるネットワークを用いて学習させることで生成されたモデルである
請求項1から請求項3の何れか1項に記載の推定装置。 - コンピュータが
線形又は非線形に変形する部材における前記変形に応じて変化する種類が異なる少なくとも3つの物理量であって、時系列情報が対応付けられたターゲット物理量を含む前記少なくとも3つの物理量の複数を学習用データとして用いて、前記ターゲット物理量以外の少なくとも2つの物理量を入力とし、前記ターゲット物理量を出力するように学習された学習モデルに対して、前記ターゲット物理量以外の少なくとも2つの物理量に対応する推定対象の2つの物理量を入力し、前記推定対象に対応するターゲット物理量を推定する、推定方法であって、
前記部材は、前記変形に応じて電気特性が変化し、前記少なくとも3つの物理量として、前記部材を変形させる第1物理量、前記部材の変形に応じて変化した前記電気特性を表す第2物理量、及び前記部材の変形量を表すターゲット物理量を含み、
前記学習モデルは、前記第1物理量及び前記第2物理量を入力として、前記ターゲット物理量を出力するように学習される
推定方法。 - コンピュータを
線形又は非線形に変形する部材における前記変形に応じて変化する種類が異なる少なくとも3つの物理量であって、時系列情報が対応付けられたターゲット物理量を含む前記少なくとも3つの物理量の複数を学習用データとして用いて、前記ターゲット物理量以外の少なくとも2つの物理量を入力とし、前記ターゲット物理量を出力するように学習された学習モデルに対して、前記ターゲット物理量以外の少なくとも2つの物理量に対応する推定対象の2つの物理量を入力し、前記推定対象に対応するターゲット物理量を推定する推定部として機能させるためのプログラムであって、
前記部材は、前記変形に応じて電気特性が変化し、前記少なくとも3つの物理量として、前記部材を変形させる第1物理量、前記部材の変形に応じて変化した前記電気特性を表す第2物理量、及び前記部材の変形量を表すターゲット物理量を含み、
前記学習モデルは、前記第1物理量及び前記第2物理量を入力として、前記ターゲット物理量を出力するように学習される
プログラム。 - 線形又は非線形に変形する部材における前記変形に応じて変化する種類が異なる少なくとも3つの物理量であって、時系列情報が対応付けられたターゲット物理量を含む前記少なくとも3つの物理量を複数取得する取得部と、
前記取得部の取得結果に基づいて、前記ターゲット物理量以外の少なくとも2つの物理量を入力とし、前記ターゲット物理量を出力するように学習された学習モデルを生成する学習モデル生成部と、
を備え、
前記部材は、前記変形に応じて電気特性が変化し、前記少なくとも3つの物理量として、前記部材を変形させる第1物理量、前記部材の変形に応じて変化した前記電気特性を表す第2物理量、及び前記部材の変形量を表すターゲット物理量を含み、
前記学習モデルは、前記第1物理量及び前記第2物理量を入力として、前記ターゲット物理量を出力するように学習される
学習モデル生成装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019229782A JP7432201B2 (ja) | 2019-12-19 | 2019-12-19 | 推定装置、推定方法、プログラム、及び学習モデル生成装置 |
US17/786,559 US20230017613A1 (en) | 2019-12-19 | 2020-12-08 | Estimation device, estimation method, program and learned model generation device |
PCT/JP2020/045735 WO2021124992A1 (ja) | 2019-12-19 | 2020-12-08 | 推定装置、推定方法、プログラム、及び学習モデル生成装置 |
EP20900786.3A EP4080158A4 (en) | 2019-12-19 | 2020-12-08 | ESTIMATING DEVICE, ESTIMATING METHOD, LEARNED MODEL GENERATION PROGRAM AND DEVICE |
CN202080088451.9A CN114829870B (zh) | 2019-12-19 | 2020-12-08 | 估计装置、估计方法、程序以及学习模型生成装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019229782A JP7432201B2 (ja) | 2019-12-19 | 2019-12-19 | 推定装置、推定方法、プログラム、及び学習モデル生成装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021099552A JP2021099552A (ja) | 2021-07-01 |
JP7432201B2 true JP7432201B2 (ja) | 2024-02-16 |
Family
ID=76477470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019229782A Active JP7432201B2 (ja) | 2019-12-19 | 2019-12-19 | 推定装置、推定方法、プログラム、及び学習モデル生成装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230017613A1 (ja) |
EP (1) | EP4080158A4 (ja) |
JP (1) | JP7432201B2 (ja) |
CN (1) | CN114829870B (ja) |
WO (1) | WO2021124992A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023008190A1 (ja) * | 2021-07-26 | 2023-02-02 | 株式会社ブリヂストン | 推定装置、推定方法、及び推定プログラム |
WO2023008160A1 (ja) * | 2021-07-26 | 2023-02-02 | 株式会社ブリヂストン | 推定装置、推定方法、推定プログラム、及びロボットシステム |
WO2023112369A1 (ja) * | 2021-12-14 | 2023-06-22 | 株式会社ブリヂストン | 推定装置、推定方法、及び推定プログラム |
JP2023140059A (ja) * | 2022-03-22 | 2023-10-04 | 株式会社ブリヂストン | 推定装置、推定方法、推定プログラム、及び学習モデル生成装置 |
JP2023151524A (ja) * | 2022-03-31 | 2023-10-16 | 株式会社ブリヂストン | 推定装置、推定方法、プログラム、及び学習モデル生成装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013190427A (ja) | 2012-03-12 | 2013-09-26 | Boeing Co:The | 構造変形を識別するための方法および装置 |
JP2019507411A (ja) | 2015-12-30 | 2019-03-14 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | ターゲット特性データの予測 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5240378B2 (ja) * | 1971-08-03 | 1977-10-12 | ||
KR101189078B1 (ko) * | 2010-12-17 | 2012-10-10 | 고려대학교 산학협력단 | 터치 감지 수단을 구비하는 사용자 식별 장치 및 방법 |
JP5759206B2 (ja) * | 2011-03-01 | 2015-08-05 | 東芝三菱電機産業システム株式会社 | 学習係数制御装置 |
JP5113928B2 (ja) | 2011-06-21 | 2013-01-09 | ファナック株式会社 | 射出成形機のノズルタッチ制御装置 |
CN106662952A (zh) * | 2014-08-07 | 2017-05-10 | 泰克图斯科技公司 | 用于计算设备的触觉界面 |
CN105404420B (zh) * | 2015-11-04 | 2018-03-09 | 宸鸿科技(厦门)有限公司 | 压力感测信号处理方法及其系统 |
US20170284903A1 (en) * | 2016-03-30 | 2017-10-05 | Sas Institute Inc. | Monitoring machine health using multiple sensors |
CN106443316B (zh) * | 2016-10-12 | 2023-06-09 | 国网辽宁省电力有限公司电力科学研究院 | 一种电力变压器绕组形变状态多信息检测方法及装置 |
CN109033498A (zh) * | 2018-06-05 | 2018-12-18 | 西安交通大学 | 基于传递函数特征主成分和神经网络的绕组变形识别方法 |
CN109977464B (zh) * | 2019-02-18 | 2023-11-24 | 江苏科技大学 | 一种基于bp神经网络的活塞切削加工变形量的预测方法 |
-
2019
- 2019-12-19 JP JP2019229782A patent/JP7432201B2/ja active Active
-
2020
- 2020-12-08 EP EP20900786.3A patent/EP4080158A4/en active Pending
- 2020-12-08 WO PCT/JP2020/045735 patent/WO2021124992A1/ja unknown
- 2020-12-08 CN CN202080088451.9A patent/CN114829870B/zh active Active
- 2020-12-08 US US17/786,559 patent/US20230017613A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013190427A (ja) | 2012-03-12 | 2013-09-26 | Boeing Co:The | 構造変形を識別するための方法および装置 |
JP2019507411A (ja) | 2015-12-30 | 2019-03-14 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | ターゲット特性データの予測 |
Non-Patent Citations (2)
Title |
---|
中嶋浩平 ほか,柔らかいマテリアルの変形を用いた情報処理,電気情報通信学会誌,日本,2019年02月01日,Vol.102, No.2,p.121-126 |
中嶋浩平,Exploiting the dynamics of soft materials for machine learning,応用物理学会 有機分子・バイオエレクトロニクス分科会会誌,日本,2017年02月20日,Vol. 28, No. 1,p. 21-24 |
Also Published As
Publication number | Publication date |
---|---|
CN114829870B (zh) | 2024-03-01 |
WO2021124992A1 (ja) | 2021-06-24 |
JP2021099552A (ja) | 2021-07-01 |
CN114829870A (zh) | 2022-07-29 |
US20230017613A1 (en) | 2023-01-19 |
EP4080158A4 (en) | 2023-01-25 |
EP4080158A1 (en) | 2022-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7432201B2 (ja) | 推定装置、推定方法、プログラム、及び学習モデル生成装置 | |
Atalla et al. | On model updating using neural networks | |
JP6686151B2 (ja) | モデルパラメータ値推定装置及び推定方法、プログラム、プログラムを記録した記録媒体、モデルパラメータ値推定システム | |
Ma et al. | Hybrid model based on Preisach and support vector machine for novel dual-stack piezoelectric actuator | |
WO2023189445A1 (ja) | 推定装置、推定方法、プログラム、及び学習モデル生成装置 | |
Chavez et al. | Model based in situ calibration of six axis force torque sensors | |
Tawk et al. | 3D printed soft pneumatic bending sensing chambers for bilateral and remote control of soft robotic systems | |
WO2022239749A1 (ja) | 推定装置、推定方法、プログラム、及び学習モデル生成装置 | |
WO2022131138A1 (ja) | 推定装置、推定方法、推定プログラム、及び学習モデル生成装置 | |
Holtzman et al. | Force estimation with a non-uniform pressure sensor array | |
Tan et al. | Edge-enabled adaptive shape estimation of 3d printed soft actuators with gaussian processes and unscented kalman filters | |
Zhang et al. | Finite element model updating of a truss model using incomplete modal data | |
Zhang et al. | Three-Dimensional Hysteresis Modeling of Robotic Artificial Muscles with Application to Shape Memory Alloy Actuators. | |
Cui et al. | Enabling High-fidelity Modeling of Digital Twin for Hydraulic Systems: KP-PSO Based Parameter Identification | |
Jiang et al. | Temperature compensation of an Eddy-current displacement sensor using an improved sparrow search algorithm method | |
KR102447405B1 (ko) | 유체-고체 연성 구조물의 가상센서 장치 및 그 동작 방법 | |
Dhanu Singh et al. | A fluidic-muscle driven force-controlled parallel platform for physical simulation of virtual spatial force-displacement laws | |
Wannas et al. | Nonlinear Response of Uniformly Loaded Paddle Cantilever Based upon Intelligent Techniques | |
QIU et al. | Application of force reconstruction based on an improved Tikhonov regularization scheme | |
JP2023017593A (ja) | ロボット制御装置、ロボット制御方法、ロボット制御プログラム、及びロボットシステム | |
Khalil et al. | Output Estimation and Failure Detection in Piezoelectric Actuators using Transmissibility Operators | |
Tawk et al. | Research Online | |
Ding et al. | BP and RBF neural network in decoupling research on flexible tactile sensors | |
CN117649903A (zh) | 用于智能材料器件的动态迟滞神经网络建模及预测方法 | |
Yang et al. | Approximated Modeling and Optimal Design for a Soft Pneumatic Actuator Considering the Force/Torque and System Controllability |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231024 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231221 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240126 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7432201 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |