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！

龙图腾网获悉南京林业大学申请的专利用于轨道客车侧墙板的全覆盖腻子喷涂路径规划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：CN119159587B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411577512.4，技术领域涉及：B25J9/16；该发明授权用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法是由霍林涛;夏海飞;杨雨图;刘英;吴斌;卢轶;韩程;杨策;张哲设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法在说明书摘要公布了：本发明公开了一种用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法，包括：获取轨道客车侧墙板的三维点云数据，提取基面信息并构建栅格地图，每一个栅格处都放置一个神经元；设置喷涂机器人末端执行器的虚拟点位和起始前进方向；对生物激励神经网络算法的移动控制方程中的转向参数项进行优化，利用已遍历区域的拓扑神经元建立反馈调节系数，基于改进生物激励神经网络完成待喷涂区域的全覆盖路径规划；在喷涂机器人末端执行器移动中，通过区域分解检测算法实时检测区域间的连通性，并根据风险规避机制选择移动最优点，以降低喷涂机器人末端执行器陷入死区的概率；本发明满足了现有轨道车辆的腻子喷涂工艺要求，生成的喷涂路径连贯有序且重复率低。

本发明授权用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法在权利要求书中公布了：1.一种用于轨道客车侧墙板的全覆盖腻子喷涂路径规划方法，其特征在于，包括： 步骤1：获取轨道客车侧墙板的三维点云数据，提取基面信息并构建栅格地图，每一个栅格处都放置一个神经元并进行初始化； 步骤2、引入反馈调节系数和基于顺序位的转向函数，改进路径点选取函数，进而构建路径最优点的决策策略，根据路径最优点的决策策略得到机器人末端执行器下一时刻可能移动的栅格单元； 步骤3、采用序列重复值编码技术检测栅格地图中未覆盖栅格单元的连通性； 步骤4、根据步骤3得到的结果判定栅格地图中未覆盖栅格区域是否连通；若不连通，执行步骤4.2至4.3，根据建立的区域分解风险规避机制获取机器人末端执行器下一时刻实际移动的栅格单元；若连通，直接将步骤2计算得到的机器人末端执行器下一时刻可能移动的栅格单元作为机器人末端执行器下一时刻实际移动的栅格单元； 4.2、将步骤2.4计算得到的喷枪下一时刻可能移动的栅格单元，即栅格单元的表征性质设置为-1，即为障碍物； 4.3、获取前一时刻喷枪位置为中心的4邻域神经元，且将4邻域神经元中表征性质为0的栅格单元组成神经元集合； 如果集合不为空集，记录位置的神经元活性值为，利用公式3更新栅格地图中的所有神经元活性值，通过公式12计算得到下一时刻喷枪可能移动的栅格单元,将记录下的神经元活性值赋值给位置处的神经元，将位置作为喷枪下一时刻实际移动的栅格单元，并添加到路径集合，栅格单元的表征性质设置为1，即为已覆盖栅格，栅格单元的表征性质设置为0，即为未覆盖栅格； 如果集合为空集，则将步骤2.4计算得到的喷枪下一时刻可能移动的栅格单元作为喷枪下一时刻实际移动的栅格单元，并添加到路径集合，并将栅格单元的表征性质设置为1，即为已覆盖栅格； 步骤5、基于步骤1-4的改进生物激励神经网络的全覆盖喷涂路径规划算法进行喷涂路径规划； 步骤6、当机器人末端执行器陷入死区时，暂停执行基于改进生物激励神经网络的全覆盖喷涂路径规划算法，采用生物激励神经网络的点对点路径规划算法进行逃逸，直至机器人末端执行器达到未喷涂区域； 步骤7、继续执行步骤5所述的基于改进生物激励神经网络的全覆盖喷涂路径规划算法，直到栅格地图中不存在未覆盖栅格单元，生成规划路径； 所述的步骤1具体包括： 1.1、采用线激光三维扫描仪器采集待喷涂车体，获取车体表面点云数据后，依据车体空间几何信息展平点云数据获得新的点云数据； 1.2、确定喷枪雾幅直径和涂层搭接宽度，将涂层搭接宽度设置为，两条平行喷涂路径的喷点间隔宽度； 1.3、构建车体的全局喷涂工作地图，地图由离散化的栅格单元组成，栅格地图中的每个栅格尺寸保持一致，栅格地图尺寸为： ； 其中，表示点云数据沿轴的最大值，表示点云数据沿轴的最小值，表示点云数据沿轴的最大值，表示点云数据沿轴的最小值，表示轴方向上的栅格数量，表示轴方向上的栅格数量； 1.4、栅格地图中的每一个栅格单元都表征着车体表面；车窗、车门以及车体缺陷区域均作为不喷涂区域，不喷涂区域的栅格单元的表征性质设置为-1，即为障碍物；待喷涂区域的栅格单元的表征性质设置为0，即为未覆盖栅格，已被路径规划的栅格单元的表征性质设置为1，即为已覆盖栅格； 1.5、机器人末端执行器为喷枪，规定喷枪在每个栅格单元上的路径移动需要花费1个单位时间，确定喷枪在栅格地图中的进入位置和初始移动方向： ； 其中，表示t时刻喷枪所在的栅格单元，，，，表示初始时刻喷枪所在的栅格单元，为下一时刻喷枪所在的栅格单元，此时，栅格单元的表征性质和栅格单元的表征性质均设置为，即为已覆盖栅格； 1.6、将栅格单元作为独立的神经元，每一个神经元与相邻神经元存在拓扑连接关系； 1.7、每一个神经元的活性值变化用分流公式表示： ； 其中，表示第i个神经元的活性值，表示第i个神经元周围邻域神经元中的第j个神经元的活性值，为非负常数，表示衰减率，表示神经元活性值上限，表示神经元活性值下限；其中表示为抑制性激励，表示为兴奋性激励；表示第i个神经元的外部输入，由环境信息决定，定义为： ； 其中，表示第i个神经元对应的栅格单元的表征性质； 函数和是线性阈值函数，分别定义为和；，表示第个神经元与第个神经元之间的欧式距离，E为一个常数值，，每一个神经元只计算区间范围内的神经元，被定义为感受野；为： ； 其中，为衰减系数； 1.8、设置栅格地图中所有神经元活性值为0，利用公式3更新一次栅格地图中全部栅格单元的神经元活性值； 所述的步骤2具体包括： 2.1、限定喷枪只能进行横向和纵向移动，同时缩小神经元感受野大小，将邻域神经元的判断个数修改为4个； 2.2、引入反馈调节系数，计算式如下： ； 其中，表示第个神经元与第个神经元之间的欧氏距离，其中神经元，是一个正常数，用于控制反馈强度，是以第j个神经元对应的栅格单元为中心的八邻域神经元集合，表示第j个神经元的活性值；表示第j个神经元周围邻域神经元中的第s个神经元的活性值；表示第s个神经元对应的栅格单元的表征性质； 2.3、当两个神经元的周围环境信息相同时，会计算出相同的活性值，导致无法判断最优点位；依据喷枪的起始移动方向，设计基于顺序位的转向函数： 其中，为非负常数；为第个神经元在当前神经元邻域集合中的顺序编号，其定义为： ； 其中，由决定，且两向量垂直，表示第个神经元与第个神经元之间的向量；将系数和代入到路径点选取函数中，最终得到路径最优点的决策公式： ； 2.4、基于公式12计算得到喷枪下一时刻可能移动的栅格单元。

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南京林业大学，其通讯地址为：210037 江苏省南京市玄武区龙蟠路159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。