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 > 中国科学院长春光学精密机械与物理研究所朱明超获国家专利权

中国科学院长春光学精密机械与物理研究所朱明超获国家专利权

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!

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利一种机械臂动力学参数的辨识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:CN119115942B

龙图腾网通过国家知识产权局官网在2025-11-07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:202411353443.9,技术领域涉及:B25J9/16;该发明授权一种机械臂动力学参数的辨识方法是由朱明超;周宇飞;李中灿;张显科;冯昂昂;吴洪睿;赵卫设计研发完成,并于2024-09-26向国家知识产权局提交的专利申请。

一种机械臂动力学参数的辨识方法在说明书摘要公布了:本发明涉及机械臂控制技术领域,具体提供一种机械臂动力学参数的辨识方法,该方法依据关节摩擦力矩的初始值辨识分段非线性摩擦模型的摩擦参数,并计算关节摩擦力矩的计算值,依据关节摩擦力矩的计算值计算惯性总力矩的计算值,依据惯性总力矩的计算值辨识半线性化动力学模型的惯性参数,根据辨识的惯性参数更新半线性化动力学模型并重新计算惯性总力矩的更新值,依据惯性总力矩的更新值计算关节摩擦力矩的更新值,用关节摩擦力矩的更新值替代关节摩擦力矩的初始值重新进行摩擦参数辨识,循环迭代直至误差收敛至预定阈值内。本发明辨识方法采用半线性化动力学模型并对模型进行补偿,辨识的参数更贴合实际,提高动力学模型的可靠性和准确性。

本发明授权一种机械臂动力学参数的辨识方法在权利要求书中公布了:1.一种机械臂动力学参数的辨识方法,其特征在于,包括: S1:依据机械臂关节速度的方向,建立机械臂的分段关节非线性摩擦模型: 其中,表示机械臂的任意一个关节,表示机械臂关节总数,表示关节速度为正时的粘滞摩擦力,表示关节速度为负时的粘滞摩擦力,表示关节速度为正时的库伦摩擦力,表示关节速度为负时的库伦摩擦力,表示关节速度为正时关节摩擦力的偏置项,表示关节速度为负时关节摩擦力的偏置项,表示机械臂第个关节的关节速度,表示关节速度为正时,关节的非线性摩擦参数,表示关节速度为负时,关节的非线性摩擦参数,表示关节的摩擦力,表示机械臂的关节摩擦力矩,表示符号函数; S2:结合分段关节非线性摩擦模型,通过迭代的半线性化动力学辨识算法建立机械臂的半线性化动力学模型: ; 其中,表示机械臂的总关节力矩,表示机械臂的惯性总力矩,表示无摩擦项的回归矩阵的子集,表示无摩擦参数的动力学最小参数集向量,表示非线性,表示线性,表示机械臂的惯性力矩,表示机械臂的科氏力力矩,表示机械臂的重力力矩; S3:按照预定轨迹对机械臂的每一个关节进行独立驱动,计算每个关节的关节摩擦力矩的初始值; S4:依据关节摩擦力矩的初始值,进行如下迭代: 将关节摩擦力矩的初始值代入摩擦参数辨识方程,利用内点法辨识分段关节非线性摩擦模型的摩擦参数,摩擦参数辨识方程为: ; 其中,表示关节摩擦力矩的初始值 依据辨识的摩擦参数,更新分段非线性摩擦模型,依据更新后的分段非线性摩擦模型计算关节摩擦力矩的计算值; 依据如下力矩关系式和关节摩擦力矩的计算值,计算机械臂的惯性总力矩的计算值: ; 其中,表示机械臂的总关节力矩; 依据所述惯性总力矩的计算值,利用加权最小二乘算法辨识所述半线性化动力学模型的惯性参数,惯性参数辨识方程为: ; 其中,表示目标函数, 依据所述惯性参数,更新半线性化动力学模型; 判断机械臂力矩的均方根误差和摩擦参数的更新量是否均收敛到预定阈值内: 若是,则结束辨识流程; 若否,则依据更新后的半线性化动力学模型,重新计算机械臂的惯性总力矩的更新值,并通过所述力矩关系式,依据所述惯性总力矩的更新值,再次计算关节摩擦力矩的更新值,用所述关节摩擦力矩的更新值替代步骤S4中的关节摩擦力矩的初始值,重复执行步骤S4。

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中国科学院长春光学精密机械与物理研究所,其通讯地址为:130033 吉林省长春市经济技术开发区东南湖大路3888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。