1.一种基于神经网络的工业机器人末端负载辨识方法，其特征在于，包括：S1.在机器人沿预设运动轨迹运动的过程中，按照预设采样周期采集所述机器人运动时所有关节的特征数据；

S2.对所述特征数据进行预处理，并将预处理后的特征数据按照一定比例划分为训练集和测试集；

S3.构建负载辨识神经网络FPCNN，使用所述训练集对所述负载辨识神经网络进行迭代训练，得到负载辨识神经网络模型；

所述负载辨识神经网络FPCNN通过傅里叶神经网络、主成分分析PCA和卷积神经网络对输入数据进行处理，具体的：对输入数据进行主成分分析PCA处理，保留特征数据中的有效特征数据；

利用傅里叶神经网络将输入数据从物理空间转换至频域，接着通过线性变换将高频信息截断，留取低频信息，最后通过傅里叶逆变换将数据转换到物理空间，对输入数据进行特征提取，与基于傅里叶变换得到的数据相加并添加激活函数relu；

所述卷积神经网络包括三个一维卷积层，三个标准化层和三个池化层；

将所述训练集输入FPCNN模型，基于设置的每一次迭代的输入样本个数、优化器学习率、训练次数和损失函数对所述卷积神经网络进行迭代训练，达到预设训练次数后保存最后一次迭代的模型，通过所述测试集进行模型测试，若测试误差值小于预设阈值，则最后一次迭代的模型为负载辨识神经网络模型，否则继续进行迭代训练；

其中，所述输入样本个数为20，所述优化器学习率设置为0.001，所优化器选用Adam优化器，所述损失函数选择均方根误差函数；

S4.使用所述测试集对所述负载辨识神经网络模型进行测试，若测试准确率达到预设阈值，则进行步骤S5，若测试误差值大于预设阈值，则重复步骤S3；

S5.通过训练好的负载辨识神经网络模型对所述机器人末端负载进行辨识，得到末端负载质量。

2.根据权利要求1所述的方法，其特征在于，所述运动轨迹的获取方法具体为：通过设置机器人的运动形式及路点位姿，规划机器人运动到期望路点的运动轨迹。

3.根据权利要求1所述的方法，其特征在于，

所述特征数据包括所述机器人运动时在各时间的关节角位移、关节角速度、关节加速度、关节电流和关节扭矩；

所述按照预设采样周期采集所述机器人运动时所有关节的特征数据具体为：按照预设采样周期T在机器人运动过程中进行关节角位移、关节角速度、关节加速度、关节电流和关节扭矩采样，则采样频率 ，采样数据如下：

；

其中t表示时间变量，q(t)表示工业机器人在各时间的关节角位移，dq(t)表示工业机器人在各时间的关节角速度，ddq(t)表示工业机器人在各时间的关节加速度， 表示工业机器人在各时间的关节电流， 表示工业机器人在各时间的关节扭矩。

4.根据权利要求1所述的方法，其特征在于，所述对所述特征数据进行预处理具体方法为：使用最大最小值标准化Min‑Max Normalization对所述特征数据进行标准化处理，如下：；

其中，x表示特征数据，min(x)表示对应某一行或某一列特征数据中的最小值，max(x) 表示对应某一行或某一列特征数据中的最大值， 表示标准化后的数据，该数值保持在[0‑

1]之间。

5.根据权利要求1所述的方法，其特征在于，所述特征数据划分的训练集和测试集的比例为8：2。

6.一种基于神经网络的工业机器人末端负载辨识系统，其特征在于，包括：数据采集模块：用于在所述机器人基于运动轨迹运动的过程中，按照预设采样周期采集所述机器人运动时所有关节的特征数据；

数据处理模块：用于对所述特征数据进行预处理，将预处理后的特征数据按照一定比例划分为训练集和测试集；

模型训练模块：用于构建负载辨识神经网络FPCNN，使用所述训练集对所述负载辨识神经网络进行迭代训练，得到负载辨识神经网络模型；

所述负载辨识神经网络FPCNN通过傅里叶神经网络、主成分分析PCA和卷积神经网络对输入数据进行处理，具体的：对输入数据进行主成分分析PCA处理，保留特征数据中的有效特征数据；

利用傅里叶神经网络将输入数据从物理空间转换至频域，接着通过线性变换将高频信息截断，留取低频信息，最后通过傅里叶逆变换将数据转换到物理空间，对输入数据进行特征提取，与基于傅里叶变换得到的数据相加并添加激活函数relu；

所述卷积神经网络包括三个一维卷积层，三个标准化层和三个池化层；

将所述训练集输入FPCNN模型，基于设置的每一次迭代的输入样本个数、优化器学习率、训练次数和损失函数对所述卷积神经网络进行迭代训练，达到预设训练次数后保存最后一次迭代的模型，通过所述测试集进行模型测试，若测试误差值小于预设阈值，则最后一次迭代的模型为负载辨识神经网络模型，否则继续进行迭代训练；

其中，所述输入样本个数为20，所述优化器学习率设置为0.001，所优化器选用Adam优化器，所述损失函数选择均方根误差函数；

模型测试模块：用于使用所述测试集对所述负载辨识神经网络模型进行测试，若测试准确率达到预设阈值，则进入负载辨识模块，若测试误差值大于预设阈值，则返回模型训练模块重复进行模型训练；

负载辨识模块：用于通过训练好的负载辨识神经网络模型对所述机器人末端负载进行辨识，得到末端负载质量。

7.一种电子设备，其特征在于，包括：

处理器；以及，

被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现如权利要求1至5任一所述的基于神经网络的工业机器人末端负载辨识方法的步骤。

8.一种存储介质，其特征在于，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现如权利要求1至5任一所述的基于神经网络的工业机器人末端负载辨识方法的步骤。