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！

龙图腾网获悉西安航天赛能自动化科技有限公司申请的专利基于DSP的神经网络算法的AGV路径跟踪与优化方法、计算机存储介质及设备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：CN119846949B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202411716256.2，技术领域涉及：G05B13/04；该发明授权基于DSP的神经网络算法的AGV路径跟踪与优化方法、计算机存储介质及设备是由王海斌;王晓凡;徐志鹏;刘晓罗;马银鸿设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于DSP的神经网络算法的AGV路径跟踪与优化方法、计算机存储介质及设备在说明书摘要公布了：本发明涉及一种路径优化方法，具体涉及一种基于DSP的神经网络算法的AGV路径跟踪与优化方法、计算机存储介质及设备，目的是解决现有AGV的路径规划算法存在易受到环境的干扰、收敛速度慢且易陷入局部最优的困境的问题。本发明包括以下步骤：1建立AGV的运动状态数学模型；2建立AGV的伺服控制系统数学模型；3构建神经网络并进行学习，获得神经网络训练结果；4根据神经网络训练结果，优化AGV的运动状态数学模型和AGV的伺服控制系统数学模型，进行仿真测试。

本发明授权基于DSP的神经网络算法的AGV路径跟踪与优化方法、计算机存储介质及设备在权利要求书中公布了：1.一种基于DSP的神经网络算法的AGV路径跟踪与优化方法，其特征在于，包括以下步骤： 步骤1、建立AGV的运动状态数学模型，获得t时刻时AGV在二维平面内的运动状态方程和t+Δt时刻时AGV在二维平面内的运动状态方程，根据t时刻时AGV在二维平面内的运动状态方程和t+Δt时刻时AGV在二维平面内的运动状态方程计算出AGV相对于目标点的观测方程Z； 步骤2、建立AGV的伺服控制系统数学模型，获得伺服控制系统的总传递函数Gs； 步骤3、根据AGV相对于目标点的观测方程Z和伺服控制系统的总传递函数Gs，构建神经网络并进行学习，直至误差达到预设要求或学习次数达到预设要求，获得神经网络训练结果； 步骤3.1、初始化神经网络，所述神经网络包括依次设置的输入层31、隐含层32和输出层33，设定输入层权值集合{ωit}、隐含层权值集合{ωij}和输出层权值集合{ωik}，以及输入层阈值集合{θt}、隐含层阈值集合{θj}和00输出层阈值集合{θk}，定义学习次数N＝0，预设误差e，最大学习次数N1；其中i、j、t、k均表示不同层神经元的位置信息，ω下标的第一个字母表示神经网络的层数，ω下标的第二个字母表示神经元的序号；每一层神经网络有且只有一个阈值，表示不同层的连接关系； 步骤3.2、计算隐含层32神经元的输入值和输出值；所述隐含层32的激活函数为其中yj为隐含层32的输出值，xj为隐含层32的输入变量，m为记录次数； 步骤3.3、根据AGV相对于目标点的观测方程Z和伺服控制系统的总传递函数Gs，计算输出层33神经元的输入值和输出值；所述输出层33的激活函数表示为其中yk为输出层33的输出值，gk为输出层33的输入变量；fx＝tanx，β为整数； 步骤3.4、计算隐含层32和输出层33中各神经元的一般化误差和然后令N＝N+1； 和的具体计算公式为： 其中，为输出层33神经元的输入变量，为输入层31神经元的输入变量，为隐含层32神经元的输入变量； 为期望输出值，为实际输出值；为输出误差值， z为数据记录变量，ωzk、ωzt、ωzj和sz均为输入变量；a、b、n均为记录次数，其值为系统自动取值； 步骤3.5、判断N的值，若N≥N1，则执行步骤3.7，若NN1，则将和分别与e进行比较，若和均小于e，则执行步骤3.7，若和至少一个大于等于e，则执行步骤3.6； 步骤3.6、利用步骤3.4得到的和对权值ωit、ωij和ωtk，以及阈值θt、θj和θk进行更新，然后返回步骤3.2；具体计算公式为： 其中η和α均为学习速率，0η1,0α1；p为记录次数，其值为系统自动取值；Δω为前后两次权值变化值，△θ为前后两次阈值变化值；和分别为隐含层32、输出层33以及输入层31神经元的输入变量； 步骤3.7、获得神经网络训练结果，即优化后的输入层权值集合{ωit}、隐含层权值集合{ωij}、输出层权值集合{ωtk}、输入层阈值集合{θt}、隐含层阈值集合{θj}和输出层阈值集合{θk}； 步骤4、在计算机软件中调用步骤3得到的神经网络训练结果，对AGV相对于目标点的观测方程Z和伺服控制系统的总传递函数Gs进行优化，得到优化后的AGV相对于目标点的观测方程Z1和优化后的伺服控制系统的总传递函数G1s，然后调用步骤3得到的神经网络训练结果，根据Z1和G1s，进行仿真测试，得到测试结果，若测试结果不满足预设要求，则利用Z1和G1s更新Z和Gs，返回步骤3，重新构建神经网络进行训练；若测试结果满足预设要求，则完成AGV的路径规划。

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西安航天赛能自动化科技有限公司，其通讯地址为：710199 陕西省西安市国家民用航天产业基地航天中路367号1号厂房A2-16室；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。