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！

龙图腾网恭喜桂林电子科技大学申请的专利前馈补偿与变阻尼建模相融合的力阻抗控制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：CN115229798B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202211004966.3，技术领域涉及：B25J9/16；该发明授权前馈补偿与变阻尼建模相融合的力阻抗控制方法是由党选举;林智武;原翰玫;李晓;伍锡如;张向文;张斌;季运佳;邹水中设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本前馈补偿与变阻尼建模相融合的力阻抗控制方法在说明书摘要公布了：本发明公开一种前馈补偿与变阻尼建模相融合的力阻抗控制方法，在位置阻抗控制框架下，将自适应前馈PI补偿与深度神经网络变阻尼模型融合，其中自适应PI控制通过前馈控制，有效补偿参考位置信息，降低力稳态误差；深度神经网络变阻尼模型在线实时调整阻尼系数，以动态适应未知的接触环境，实现接触力的有效控制。

本发明授权前馈补偿与变阻尼建模相融合的力阻抗控制方法在权利要求书中公布了：1.前馈补偿与变阻尼建模相融合的力阻抗控制方法，其特征是，包括步骤如下：步骤1、通过力传感器采集机器人的接触力Fe，并根据设定的期望力Fr与采集的接触力Fe得到力偏差ΔF，其中ΔF＝Fr-Fe；步骤2、构建深度神经网络变阻尼模型，该深度神经网络变阻尼模型由输入层、隐含层、卷积层和输出层构成，深度神经网络变阻尼模型的输入为力偏差的绝对值|ΔF|，输出为阻尼系数Bd；上述所构建的深度神经网络变阻尼模型为：输入层的输入为：|ΔF|隐含层的激活函数为： 卷积层的卷积结果为： 输出层的输出为： 步骤3、将力偏差的绝对值|ΔF|送入到步骤2所构建的深度神经网络变阻尼模型中对网络参数进行学习，得到阻尼系数Bd；步骤4、利用机器人与环境的阻抗模型计算位置误差Δx；其中机器人与环境的阻抗模型为： 步骤5、在初始参考位置xr0的基础上，利用前馈PI在线补偿当前参考位置xr，即：xr＝xr0+kpΔF+ki∫ΔFdt步骤6、根据步骤4所得到的位置误差Δx与步骤5得到的当前参考位置xr得到机器人的位置控制量xc，其中xc＝xr+Δx；步骤7、通过位置传感器采集机器人的实际位置x，并对步骤6所得的位置控制量xc与采集的实际位置x的偏差进行PID控制后，得到机器人的控制扭矩去对机器人进行位置控制，达到控制力的目的；式中，|ΔF|表示力偏差的绝对值；hi表示隐含层的第i个神经元的激活函数，ci和bi分别表示隐含层的第i个神经元激活函数的高度和宽度；aj表示卷积层第j个神经元的卷积结果，Bj表示卷积层的第j个神经元的偏置；表示隐含层与卷积层的共享权值向量，hj表示隐含层的第j个神经元的激活函数，hj+1表示隐含层的第j+1个神经元的激活函数，hj+2表示隐含层的第j+2个神经元的激活函数；wj表示卷积层第j个神经元到输出层的权值，Bd表示阻尼系数；i＝1,2,…,I，I是隐含层神经元的个数；j＝1,2,…,J，J是卷积层神经元的个数；ΔF表示力偏差；Md表示质量系数，Kd表示刚度系数；Δx表示位置误差，和分别表示位置误差Δx的一次微分和二次微分；xr表示当前参考位置，xr0表示初始参考位置，kp表示比例参数，ki表示积分参数。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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”。