بهدف معالجة مشكلة تراجع أداء استشعار القوة في مستشعر القوة / العزم الستة الأبعاد من نوع الضغط الكهربي الناتجة عن التداخل بين الأبعاد، تم اقتراح خوارزمية تكاملية لإلغاء الترابط (BO-CNN-BiLSTM) تجمع بين تحسين بايز (Bayesian Optimization، BO)، شبكة العصب التلافيفية (Convolutional Neural Network، CNN) وشبكة الذاكرة طويلة وقصيرة الأمد ثنائية الاتجاه (Bi-directional Long and Short-term Memory Network، BiLSTM). تقوم هذه الخوارزمية أولاً بتحسين قدرة CNN على استخراج السمات الفضائية لإشارات القوة الستة الأبعاد، ثم تستفيد من قدرات النمذجة الزمنية ثنائية الاتجاه لشبكة BiLSTM لالتقاط التبعيات الزمنية عبر الأبعاد بشكل ديناميكي، وتدمج BO لتحقيق تحسين التهيئة الفائقة التكيفي والعالمي، متجاوزة العيوب التقليدية في الوقت الحقيقي والتعميم والاتساق الفيزيائي. في الوقت نفسه، تلغي خوارزمية BO-CNN-BiLSTM الاعتماد على تجربة تعديل المعلمات اليدوي، محققة نمذجة تكيفية للخصائص غير الخطية للمستشعر. أظهرت النتائج التجريبية أن الهيكل يقلل من أكبر خطأ تداخل من النوع الأول والثاني في خرج المستشعر إلى 0.87% و 0.52% على التوالي. يمكن لخوارزمية إلغاء الترابط BO-CNN-BiLSTM تقليل التداخل بين الأبعاد في مستشعر القوة الستة الأبعاد بفعالية، مما يحسن دقة القياس ويضمن استشعار قوي عالي الموثوقية للتحكم الحركي الأنثروبومورفي والتفاعل البيئي للروبوتات الشبيهة بالإنسان.

مستشعر القوة الستة الأبعاد; إلغاء الترابط الثابت; تحسين بايز; شبكة العصب التلافيفية ثنائية الاتجاه طويلة وقصيرة الأمد