Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨工业大学;成都川哈工机器人及智能装备产业技术研究院有限公司邵翔宇获国家专利权

哈尔滨工业大学;成都川哈工机器人及智能装备产业技术研究院有限公司邵翔宇获国家专利权

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!

龙图腾网获悉哈尔滨工业大学;成都川哈工机器人及智能装备产业技术研究院有限公司申请的专利一种融合注意力机制与受物理启发神经网络的软体机器人控制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:CN119388440B

龙图腾网通过国家知识产权局官网在2025-10-14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:202411772144.9,技术领域涉及:B25J9/16;该发明授权一种融合注意力机制与受物理启发神经网络的软体机器人控制方法是由邵翔宇;魏也棋;刘辉;朱冬;姚蔚然;周栋;吴承伟;孙光辉设计研发完成,并于2024-12-04向国家知识产权局提交的专利申请。

一种融合注意力机制与受物理启发神经网络的软体机器人控制方法在说明书摘要公布了:一种融合注意力机制与受物理启发神经网络的软体机器人控制方法,本发明涉及软体机器人动力学建模方法。本发明属于软体机器人动力学建模领域。本发明的目的是为了解决现有软体机器人控制精度低的问题。过程为:软体机器人固有性质、位置和能量作为模型的输入,质量矩阵函数、耗散矩阵函数、能量矩阵函数分别作为模型输出;基于拉格朗日函数和模型的输出预测软体机器人下一时刻的位置、速度和加速度;获得训练好的模型;将相同的软体机器人待测的固有性质、位置和能量输入训练好的模型,模型输出质量矩阵函数、耗散矩阵函数和能量矩阵函数;基于拉格朗日函数和模型的输出获得软体机器人下一时刻的位置、速度和加速度。

本发明授权一种融合注意力机制与受物理启发神经网络的软体机器人控制方法在权利要求书中公布了:1.一种融合注意力机制与受物理启发神经网络的软体机器人控制方法,其特征在于:所述方法具体过程为: 步骤一、建立软体机器人训练数据集;具体过程为: 软体机器人训练数据集包括软体机器人固有性质、软体机器人的位置和软体机器人的能量; 所述软体机器人固有性质为:软体机器人手臂段数n、软体机器人长、软体机器人宽、软体机器人高、软体机器人重量、软体机器人密度; 所述软体机器人的能量为:软体机器人的速度和软体机器人的加速度; 步骤二、构建深度学习网络模型; 软体机器人固有性质、软体机器人的位置和软体机器人的能量作为深度学习网络模型的输入,质量矩阵函数Mq;θ作为深度学习网络模型输出; 软体机器人固有性质、软体机器人的位置和软体机器人的能量作为深度学习网络模型的输入,耗散矩阵函数作为深度学习网络模型输出; 软体机器人固有性质、软体机器人的位置和软体机器人的能量作为深度学习网络模型的输入,能量矩阵函数Uq,u;θ作为深度学习网络模型输出; 基于拉格朗日函数和深度学习网络模型输出的质量矩阵函数Mq;θ、耗散矩阵函数能量矩阵函数Uq,u;θ,获得预测的软体机器人下一时刻的位置、速度和加速度; 将获得的预测的软体机器人下一时刻的加速度和加速度真值的差作为交叉熵损失函数的误差项,计算交叉熵损失函数,直至损失函数收敛获得训练好的深度学习网络模型; 其中,θM表示质量矩阵函数的学习参数,θD表示耗散矩阵函数的学习参数,θU表示能量矩阵函数的学习参数;q表示机器人位置向量,表示机器人速度向量,表示机器人加速度向量;u表示控制; 步骤三、将与步骤一相同的软体机器人待测的固有性质、位置和能量输入训练好的深度学习网络模型,训练好的深度学习网络模型输出质量矩阵函数Mq;θM、耗散矩阵函数和能量矩阵函数Uq,u;θU; 基于拉格朗日函数和深度学习网络模型输出的质量矩阵函数Mq;θM、耗散矩阵函数能量矩阵函数Uq,u;θU,获得软体机器人下一时刻的位置、速度和加速度。

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哈尔滨工业大学;成都川哈工机器人及智能装备产业技术研究院有限公司,其通讯地址为:150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。