9、深度学习预测模型与可变刚度关节的研究进展

深度学习预测模型与可变刚度关节的研究进展

在当今科技领域，深度学习预测模型和可变刚度关节技术都有着重要的研究价值。前者在网络安全的网络攻击检测方面有潜在应用，后者则在能量存储和外骨骼等领域展现出独特优势。

深度学习预测模型

研究人员探索了基于 2D - CNN、2D - ConvLSTM 及其组合的不同深度学习架构，以根据先前图像缓冲区预测序列中的下一个图像。

• 模型选择 ：基于真实图像与预测图像之间的最小差异值，同时考虑模型复杂性和实时适用性，选择了基于 2D - CNN 和 2D - ConvLSTM 层组合的最佳预测模型。
• 算法评估 ：使用来自现实世界实验装置的图像对算法进行了评估。

该模型的应用前景在于网络攻击检测。通过描述无攻击时的系统行为，引入基于真实图像和估计图像之间差异的标准，可检测潜在的网络攻击。

可变刚度关节

可变刚度关节的研究主要围绕能量存储和外骨骼应用展开。

背景与动机

智能能量分配是当今热门话题，它能提高系统效率。在机器人执行器领域，系列弹性执行器（SEA）虽能存储和再利用能量，但存储量受弹簧恒定刚度和挠度限制。可变刚度执行器（VSA）可改变执行器刚度和能量存储容量，但存在重量、尺寸和成本的权衡问题。

为解决这些问题，研究人员提出使用准被动机制，并设计了一种基于气动人工肌肉（PAM）的可变刚度关节。

系统描述

• 概述