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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京深谋科技有限公司蔡海获国家专利权

北京深谋科技有限公司蔡海获国家专利权

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!

龙图腾网获悉北京深谋科技有限公司申请的专利一种关节型工业机器人动力学参数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:CN116551686B

龙图腾网通过国家知识产权局官网在2026-03-27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:202310558669.1,技术领域涉及:B25J9/16;该发明授权一种关节型工业机器人动力学参数辨识方法是由蔡海;郑如萍;唐在启设计研发完成,并于2023-05-17向国家知识产权局提交的专利申请。

一种关节型工业机器人动力学参数辨识方法在说明书摘要公布了:本发明公开了一种具有非线性粘滞摩擦的工业机器人动力学辨识方法,涉及到机器人动力学建模与控制领域。该方法在机器人建模中,考虑粘滞摩擦非线性项,区别于传统库仑粘滞摩擦模型,其内容包括机器人摩擦模型构建、激励轨迹模型选取、参数优化以及动力学参数求解。在激励轨迹选取优化中,选取五阶傅里叶级数和五次多项式相结合的轨迹模型,采用带惩罚函数的遗传算法对激励轨迹进行参数优化;在求解过程中,基于内点法进行迭代拟合,获取机器人完整动力学参数。本发明所考虑摩擦模型具有更高的建模精度,同时克服了起始和终止位置系统抖动的问题,提高了机器人动力学参数辨识的效率和精度,可用于机器人移动搬运、抛光打磨及重载液压等工业场景。

本发明授权一种关节型工业机器人动力学参数辨识方法在权利要求书中公布了:1.一种关节型工业机器人动力学参数辨识方法,其特征在于,包括如下步骤: S1,对于关节型工业机器人,考虑存在的非线性粘滞摩擦项,建立关节摩擦模型,对第j关节,其关节摩擦模型为: ; ; 其中,为库仑摩擦力,为粘滞摩擦力系数,为正反向摩擦力不对称性偏置,为形成粘滞摩擦的非线性指数参数;、均为关节摩擦模型中摩擦参数所对应的系数; 利用矩阵变换,将所建立的动力学模型转化为回归矩阵与最小惯性参数向量的乘积,得到包含待辨识动力学参数的最小惯性参数集,动力学模型线性化处理后表示为: ; 其中,,为工业机器人动力学参数辨识矩阵线性无关列组成的回归矩阵,为第r次采样的机器人各个关节角度、角速度、角加速的值,表示引入的随机误差,服从均值为0的正态分布; S2,以五次多项式代替傅里叶级数常数项,采用如下激励轨迹模型: ; 其中,表示时刻第关节的位置,为傅里叶级数基频,为谐波的编号,为五次多项式的第项,和为傅里叶级数系数,为常数项系数; 驱动机器人运动,使机器人按照激励轨迹运行时起始时刻和终止时刻不发生抖动; S3,利用遗传算法求解带约束非线性优化问题,选取最小化观测矩阵条件数为优化目标,,选取自适应惩罚函数: ; 其中,为惩罚因子,为经验常数,为个体满足非线性约束和线性约束的个数,为待辨识参数矩阵,以激励轨迹参数为个体; 通过初始化种群设置初始群体、最大进化代数、交叉概率、遗传变异概率,计算群体每个个体的适应程度,以最小化个体评价函数即为优化条件,选择最大进化代数内的最优个体作为激励轨迹参数的优化解,即最优激励轨迹参数;其中,是决策变量,即激励轨迹模型表达式中的未知系数,是所设计的遗传算法中的自适应惩罚函数;利用遗传算法求解最优激励轨迹参数,以使激励轨迹充分激励机器人; S4,采集机器人的关节角度、角速度及力矩数据,根据优化后的激励轨迹对采集的数据进行滤波处理,用最小二乘辨识获取机器人动力学参数,计算估计摩擦项;用内点法进行迭代拟合,得到非线性粘性摩擦参数,根据机器人动力学参数,得到估计的摩擦力: ; 利用所建立的关节摩擦力模型,对估计的摩擦力采用内点法求解并进行迭代拟合,将线性回归分析得到的、、以及上一次的作为问题的起始解,利用迭代法进行指数参数优化,直到收敛到全局最优解,得到粘滞摩擦的非线性指数参数,选用内点法迭代求解动力学参数。

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北京深谋科技有限公司,其通讯地址为:100081 北京市朝阳区化工路59号院4号楼1至14层101内05层160;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。