Para abordar el problema de la disminución del rendimiento de la medición de fuerza del sensor piezoeléctrico de seis grados de libertad/momento causado por el acoplamiento entre dimensiones, se propone un algoritmo integrado de desacoplamiento (BO-CNN-BiLSTM) que fusiona Optimización Bayesiana (Bayesian Optimization, BO), Red Neuronal Convolucional (Convolutional Neural Network, CNN) y Red de Memoria a Largo y Corto Plazo Bidireccional (Bi-directional Long and Short-term Memory Network, BiLSTM). El algoritmo primero mejora la capacidad de CNN para extraer características espaciales de señales de fuerza de seis dimensiones, luego utiliza la modelización temporal bidireccional de BiLSTM para captar dinámicamente las dependencias temporales entre dimensiones de la carga, e incorpora BO para lograr una optimización adaptativa global de hiperparámetros, superando efectivamente las deficiencias de los métodos tradicionales en aspectos de tiempo real, generalización y consistencia física. Al mismo tiempo, el algoritmo BO-CNN-BiLSTM elimina la dependencia de la experiencia en el ajuste manual de parámetros, logrando un modelado adaptativo de las características no lineales del sensor. Los resultados experimentales muestran que esta arquitectura reduce el error máximo de acoplamiento de tipo I y tipo II en la salida del sensor a 0.87% y 0.52%, respectivamente. El algoritmo de desacoplamiento BO-CNN-BiLSTM puede reducir eficazmente el acoplamiento entre dimensiones en sensores de fuerza de seis dimensiones, mejorar la precisión de medición y proporcionar una percepción de fuerza altamente confiable para el control del movimiento humanoide y la interacción ambiental.

sensor de fuerza de seis dimensiones; desacoplamiento estático; optimización bayesiana; red neuronal convolucional bidireccional de memoria larga y corta