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！

龙图腾网获悉中国矿业大学申请的专利基于深度学习和模糊算法的机械臂轨迹优化方法及系统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：CN121061886B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511554850.0，技术领域涉及：B25J9/16；该发明授权基于深度学习和模糊算法的机械臂轨迹优化方法及系统是由马草原;何嘉宇;潘宇洋;刘禹成;李文宁;郑哲;李刚;段煜坤;曹鑫宇;谢英男;李炎翼;周楷洋;谢雨舟;孙正阳;陈钰;高招;盛富江设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本基于深度学习和模糊算法的机械臂轨迹优化方法及系统在说明书摘要公布了：本申请涉及智能机器臂控制技术领域，公开了一种基于深度学习和模糊算法的机械臂轨迹优化方法及系统，方法包括：建立机械臂的运动学模型，并确定机械臂的工作空间，进行高密度随机采样，生成机械臂末端可达区域的三维点云图；构建路径规划模型，设计状态空间与动作空间，构建奖励函数；对末端路径点序列进行时间‑冲击双目标优化，并构建平滑的关节轨迹，在满足速度与加速度约束的前提下，实现轨迹执行时间最短与关节冲击最小化的平衡；对轨迹进行跟踪控制，实时估计并补偿外部扰动与未建模动态，设计参数自适应律，提升系统在复杂环境下的轨迹跟踪精度。本申请提升了带电作业机械臂在复杂环境下的自主性、精准性与抗干扰能力。

本发明授权基于深度学习和模糊算法的机械臂轨迹优化方法及系统在权利要求书中公布了：1.一种基于深度学习和模糊算法的机械臂轨迹优化方法，其特征在于，所述基于深度学习和模糊算法的机械臂轨迹优化方法包括： 步骤S1：构建六自由度机械臂的运动学模型，并基于所述运动学模型确定机械臂的工作空间，结合蒙特卡洛方法对所述机械臂的工作空间进行高密度随机采样，生成机械臂末端可达区域的三维点云图； 步骤S2：基于所述机械臂的工作空间和末端可达区域的三维点云图，采用深度强化学习算法构建路径规划模型，采用马尔可夫决策过程框架设计状态空间与动作空间，结合所述状态空间和所述动作空间构建奖励函数，通过改进的深度Q网络算法生成无碰撞的最优路径，并输出末端路径点序列； 所述状态空间包括机械臂关节角度、末端位姿、目标点坐标及障碍物坐标，引入末端与障碍边界的相对方向向量、当前路径曲率趋势和目标点梯度中的任意一种；所述动作空间包括机械臂关节角度增量离散化或末端位移方向划分，其中，所述关节角度增量离散化将每个关节角度变化范围划分为固定增量步长，所述末端位移方向划分将机械臂末端沿x、y、z三个方向的运动进行离散化； 步骤S3：基于改进粒子群优化算法对所述末端路径点序列进行时间-冲击双目标优化，并采用4-5-4混合多项式插值方法构建平滑的关节轨迹，在满足速度与加速度约束的前提下，实现轨迹执行时间最短与关节冲击最小化的平衡；时间-冲击双目标优化通过加权融合总运行时间与加速度冲击积分构建统一目标函数，表达式为：；其中，F表示统一目标函数，T为总运行时间，J为冲击积分，α表示时间权重系数，，β表示冲击权重系数，满足α+β=1； 步骤S4：采用自适应模糊滑模控制策略对所述轨迹进行跟踪控制，结合非线性干扰观测器与模糊逼近系统，实时估计并补偿外部扰动与未建模动态，通过李雅普诺夫稳定性分析设计参数自适应律，提升机械臂轨迹优化系统在复杂环境下的轨迹跟踪精度；自适应模糊滑模控制器的滑模面定义为：；其中，s表示自适应模糊滑模控制器的滑模面，表示正实数常数，e为轨迹跟踪误差，用于调节机械臂轨迹优化系统的收敛速率和滑模带宽。

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矿业大学，其通讯地址为：221116 江苏省徐州市大学路1号中国矿业大学南湖校区；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。