买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利一种基于模型预测控制的人形机器人避障的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118915773B 。

龙图腾网通过国家知识产权局官网在2025-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411097297.8，技术领域涉及：G05D1/43；该发明授权一种基于模型预测控制的人形机器人避障的方法是由邢傲伟;甄圣超;钟华勇;张健设计研发完成，并于2024-08-12向国家知识产权局提交的专利申请。

本一种基于模型预测控制的人形机器人避障的方法在说明书摘要公布了：本发明涉及人形机器人控制技术领域，特别涉及一种基于模型预测控制的人形机器人避障的方法。通过设置在人形机器人头部的激光扫描仪，扫描人形机器人前方道路，根据扫描结果形成坐标点云，绘制人形机器人前方道路地势图；通过设置在人形机器人髕部的深度相机，计算障碍物的高度；当障碍物高度小于人形机器人腿长时，控制人形机器人行走至障碍物前，执行倒立翻转跨越障碍物操作。本发明通过将向前倒立跨越障碍物的方式与基于模型预测算法相结合，在能完成特定环境任务的同时，提高了工作效率和稳定性，应用前景广阔。

本发明授权一种基于模型预测控制的人形机器人避障的方法在权利要求书中公布了：1.一种基于模型预测控制的人形机器人避障的方法，其特征在于，具体方法如下：通过设置在人形机器人头部的激光扫描仪，扫描人形机器人前方道路，根据扫描结果形成坐标点云，绘制人形机器人前方道路地势图；通过设置在人形机器人髕部的深度相机，计算障碍物的高度；判断障碍物高度是否大于人形机器人腿长；若是，则控制人形机器人行走至障碍物前，执行绕行障碍物操作；若否，则控制人形机器人行走至障碍物前，执行倒立翻转跨越障碍物操作；执行倒立翻转跨越障碍物操作，具体方法如下：构建人形机器人动力学模型；以基于模型预测控制算法的人形机器人控制器，完成人形机器人在倒立翻转跨动作中的姿态调节；构建人形机器人动力学模型，具体方法如下：将人形机器人简化为带弹簧和阻尼器的单质量倒立摆，运动方程为： 式中，为机器人的质量，为倒立摆的支撑点到质点的长度，即机器人在行走前处于准备姿势时从地面到质点的高度，是阻尼常数，是弹簧常数，是重力加速度，是施加在机器人上的力矩，为倒立摆的角度，对应于机器人腿部与地面垂直方向的倾斜角，是倒立摆的输出角，由机器人控制器输入； 为控制器对于质心的位移，近似为： 机器人在x方向上的零力矩点计算如下： 式中，为y方向的地面反力，为z方向地面反力；由于也是弹簧和减震器的反力矩，由弹簧和减震器的作用可以写成： 当不受干扰时，可以推导出和两式的状态空间方程： 所述人形机器人控制器，将深度相机测得的距离输入信号编码为一个神经元，在输入距离呈现之后，与输入距离最匹配的神经元被选为最优神经元；之后对最优神经元实现权值更新，在奖励函数的指导下利用输入的模式信息和需要优化的性能指标，自主找到正确的控制动作；人形机器人控制器，具体设置方法如下：定义网络结构和超参数，随机初始化输入和输出权重；在时间时呈现输入模式，并使用深度相机测量距离，选择最优神经元，它将与连接到输入节点的输入权重向量之间的距离最小化；其中为输入模式；对于最优神经元，对应的输出权值用于产生控制动作；即采用绕动版本，在最优神经元权值中加入高斯零均值随机变量，乘上与最优神经元相关的增益；从一个初始值开始，固定一个终值，随着学习阶段的进行，在这两个值之间呈线性递减；其中为输出控制信号；实际奖励函数与奖励增量一起进行评估；如果，其中为与神经元相关的平均增量；的更新规则如下： 其中，为新平均增量，为旧平均增量，为平均增量；连接到最优神经元及其相邻神经元的输入和输出权重根据以下规则更新： 其中为输入学习率，为输出学习率，输入权值，为输出权值，为神经元的邻域函数，如果表示半径为R的邻域，则在当前最优神经元周围，有： 其中代表最优神经元周围的任意神经元，建立了环绕着的半径邻域，权值在这个范围内更新；在每次学习迭代中，给出一个输出模式，选择一个最优神经元并提供输出信号，之后评估奖励并执行学习阶段，即更新，，和，在若干次迭代之后执行其他学习超参数的更新；在倒立翻转跨越障碍物操作后，人形控制器计算维持身体站立位置所需的力，之后将这些力用作控制器的输入信号，控制器提供稳定的关节扭矩；如果此时机器人结构发生变化导致重心偏移，则添加一个自适应非线性控制器MMC作为前馈误差补偿器用来调整机器人的姿态，这个自适应非线性控制器MMC提供一个额外的非线性前馈控制动作，通过雅可比矩阵变换关节扭矩后，以力的形式添加到底层的腿部关节控制器中；引入一个奖励函数： 式中为机器人的参考俯仰速度，为机器人的实际俯仰速度，为机器人的参考俯仰加速度，为机器人的实际俯仰加速度，为引入的增益，建立俯仰速度对俯仰位置误差的优先级：随着俯仰误差的减小，俯仰速度误差的相关性越大；对机器人进行控制的算法通过改进奖励函数实现输出权值的更新从而保证跨越动作完成的稳定性，奖励函数考虑了参考和机器人实际俯仰之间的误差。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。