1.基于LSTM迟滞模型的机器人柔性关节补偿控制方法，其特征是，包括步骤如下：步骤1、采集柔性关节在当前时刻t的实际转矩xt，并将当前时刻t的实际转矩xt送入到LSTM迟滞模型中，得到当前时刻t的迟滞模型输出ht′；其中LSTM迟滞模型如下：步骤2、采集柔性关节在上一时刻t‑1的实际输出角度yt‑1，并将上一时刻t‑1的实际输出角度yt‑1、当前时刻t的实际转矩xt和当前时刻t的迟滞模型输出ht′一并送入RBF动态神经网络中，得到柔性关节在下一时刻t+1的预测输出角度pt+1；其中RBF动态神经网络如下：步骤3、计算柔性关节在下一时刻t+1的补偿后设定输入角度步骤4、将下一时刻t+1的补偿后设定输入角度 施加于柔性关节的驱动端，以实现对柔性关节的迟滞误差补偿控制；

式中，σ(·)表示sigmoid激活函数，tanh(·)表示tanh(·)激活函数，⊙表示逐点相乘；it表示当前时刻t输入门，ft表示当前时刻t遗忘门，ot表示当前时刻t输出门，表示当前时刻t输入单元状态，ct表示当前时刻t记忆单元输出，ct‑1表示上一时刻t‑1记忆单元输出，ht表示当前时刻t隐含层LSTM单元输出，ht‑1表示上一时刻t‑1隐含层LSTM单元输出，xt表示t时刻的输入；Wi,h表示输入门与输出的权重，Wi,x表示输入门与输入的权重，Wf,h表示遗忘门与输出的权重，Wf,x表示遗忘门与输入的权重，Wo,h表示输出门与输出的权重，Wo,x表示输出门与输入的权重，Wc,h表示输入单元状态与输出的权重，Wc,x表示输入单元状态与输入的权重，bi表示输入门偏差矩阵，bf表示遗忘门偏差矩阵，bo表示输出门偏差矩阵，bc表示当前时刻t输入单元状态偏差矩阵；

||·||表示欧几里德范数；pt+1表示柔性关节在下一时刻t+1的预测输出角度，u表示输入向量，ci表示当前t时刻第i个隐节点的中心坐标向量，σi表示当前时刻t第i个隐节点的宽度，wi表示第i个隐节点与输出层的权值；m为隐含层的节点数；

p0,t表示柔性关节在当前时刻t的理想设定输入角度，p0,t+1表示柔性关节在下一时刻t+

1的理想设定输入角度，N表示柔性关节的减速比。

2.根据权利要求1所述的基于LSTM迟滞模型的机器人柔性关节补偿控制方法，其特征是，柔性关节包括电机和谐波加速器；电机的输出端与谐波加速器的输入端连接；电机的控制端形成柔性关节的驱动端。