物理数据融合驱动的液压马达摩擦转矩高效预测方法及装置

本发明公开了一种物理数据融合驱动的液压马达摩擦转矩高效预测方法及装置，适用于液压马达摩擦行为描述和动态摩擦转矩计算。其本质是将改进LuGre摩擦模型拆解与神经网络深度融合得到一种改进LuGre引导神经网络（MLuGre‑GNN）。所述的物理数据融合驱动的摩擦转矩预测方法兼顾了物理摩擦模型（即改进LuGre摩擦模型）和数据驱动模型（即神经网络模型）的优势，具备良好的物理可解释性和神经网络强大的局部特征重构能力。此外，所述方法可近似推广到所有适用于LuGre模型的场景，为机械系统摩擦预测提供了一种准确、便捷的新思路。