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！

龙图腾网恭喜四川大学申请的专利基于环境位置及刚度影响的机器人接触力稳定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：CN119141552B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202411565123.X，技术领域涉及：B25J9/16；该发明授权基于环境位置及刚度影响的机器人接触力稳定控制方法是由胡晓兵;李航;王谢谢;张雪健;曾福川;袁春强设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本基于环境位置及刚度影响的机器人接触力稳定控制方法在说明书摘要公布了：本发明公开了一种基于环境位置及刚度影响的机器人接触力稳定控制方法，包括如下步骤：步骤1：采集机器人执行末端与加工目标之间的接触力并通过训练好的极限学习机预测出环境刚度；步骤2：采用迭代学习控制估计环境位置以及计算出环境位置估计误差，并对机械臂进行补偿；步骤3：采用MDPSO算法对阻抗参数m、b、k、以及学习系数kp、kp、kd进行优化；本发明能在高精密加工制造中考虑到不同的影响因素，满足加工制造的需求。

本发明授权基于环境位置及刚度影响的机器人接触力稳定控制方法在权利要求书中公布了：1.一种基于环境位置及刚度影响的机器人接触力稳定控制方法，其特征在于，包括如下步骤：步骤1：采集机器人执行末端与加工目标之间的接触力并通过训练好的极限学习机预测出环境刚度；所述极限学习机是通过如下步骤训练的：首先，构建初始极限学习机模型，所述极限学习机模型包括输入层、带有q个节点的隐藏层和输出层；其次，构建训练样本集，控制机器人运动使其执行末端与加工目标接触，获取单一方向上的接触力和位移数据di，通过相邻两组数据计算出当前接触力下的环境刚度构建训练样本集为{fei,kei|i＝1,2,…,n}；最后，采用构建的训练样本集训练初始极限学习机模型生成训练好的极限学习机；步骤2：利用估计的环境位置得到机械臂的估计理想轨迹ke为环境刚度，为估计的环境位置，fd是期望的接触力；计算出理想轨迹与估计理想轨迹之间的误差将理想轨迹与估计理想轨迹之间的误差带入阻抗模型中获得环境位置估计误差m、b、k为阻抗参数；基于迭代学习控制建立机械臂模型： 式中，k为迭代次数，第k+1次的输出等于第k次输出加上误差补偿项，kp、ki、kd为学习系数，τ为0～t之间的某个时刻的积分，ef为力误差，为力误差的微分；设定采样周期和当前的迭代次数，离散化机械臂模型获得最终环境位置估计误差；采用最终环境位置估计误差对机械臂末端位置进行补偿，使机械臂按照补偿后的轨迹进行运动，实现稳定的力控制；步骤3：采用MDPSO算法对阻抗参数m、b、k、以及学习系数kp、ki、kd进行优化；具体包括如下步骤：首先，随机生成初始粒子群，每个粒子N是初始种群中的粒子数；其次，建立适应度函数；适应度函数ef是接触力误差，ex是位置误差，Tmax是运行时间；然后，采用当前个体极值Pbest、当前全局最优值Gbest、响应速度最优个体Pv、稳态误差最优个体Pss、超调量最优个体Pos和振荡最优个体Po更新粒子，得到粒子的更新率；接着，对惯性权重进行动态变化，[a,b]为变化区间，It和Itmax分别代表当前迭代次数和最大迭代次数；wi为惯性权重的初始值；最后，采用变异操作来增强全局搜索能力；每次迭代后，根据γ＝选择粒子进行突变操作，计算得到的γ小于设定值的时对更新率进行变异操作； 其中，为变异操作后的更新率，λ为变异系数，ζ是一个介于0和1之间的随机数，用于确定突变方向，Ub为变异上限，Lb为变异下限。

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四川大学，其通讯地址为：610000 四川省成都市武侯区一环路南一段24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”。