Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
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
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 珠海一微半导体股份有限公司;哈尔滨工业大学王珂获国家专利权

珠海一微半导体股份有限公司;哈尔滨工业大学王珂获国家专利权

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!

龙图腾网获悉珠海一微半导体股份有限公司;哈尔滨工业大学申请的专利一种机器人受冲击检测方法、芯片及机器人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:CN117283606B

龙图腾网通过国家知识产权局官网在2025-06-06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:202311269768.4,技术领域涉及:B25J19/00;该发明授权一种机器人受冲击检测方法、芯片及机器人是由王珂;周和文;包敏杰;戴崑;许润泽;肖刚军设计研发完成,并于2023-09-28向国家知识产权局提交的专利申请。

一种机器人受冲击检测方法、芯片及机器人在说明书摘要公布了:本申请公开一种机器人受冲击检测方法、芯片及机器人,机器人受冲击检测方法包括:获取观测速度值和观测速度方向,获取当前时刻的预测速度值和当前时刻的预测速度方向;计算观测速度值与预测速度值之间的差值绝对值得到当前速度变化对应的欧式距离;计算观测速度方向与预测速度方向之间的夹角的余弦值得到当前速度变化对应的余弦距离;当前速度变化对应的欧式距离大于预设欧式距离阈值且当前速度变化对应的余弦距离小于预设余弦距离阈值时,利用目标冲击感知网络模型进行分类处理,得到机器人当前时刻受冲击的第一预测概率与第二预测概率;机器人当前时刻受冲击的第一预测概率大于机器人当前时刻受冲击的第二预测概率时,确定机器人受到冲击。

本发明授权一种机器人受冲击检测方法、芯片及机器人在权利要求书中公布了:1.一种机器人受冲击检测方法,其特征在于,机器人受冲击检测方法包括:步骤A、获取观测速度值和观测速度方向,再基于卡尔曼滤波算法获取当前时刻的预测速度值和当前时刻的预测速度方向;步骤B、计算观测速度值与当前时刻的预测速度值之间的差值绝对值,得到当前速度变化对应的欧式距离;计算观测速度方向与当前时刻的预测速度方向之间的夹角的余弦值,得到当前速度变化对应的余弦距离;步骤C、若当前速度变化对应的欧式距离大于预设欧式距离阈值,且当前速度变化对应的余弦距离小于预设余弦距离阈值,则利用目标冲击感知网络模型对待感知测量值序列进行分类处理,得到机器人当前时刻受冲击的第一预测概率与机器人当前时刻受冲击的第二预测概率;其中,待感知测量值序列是来源于机器人的感测装置采集的数据;机器人的感测装置包括惯性测量单元和旋转编码器;步骤D、若机器人当前时刻受冲击的第一预测概率大于机器人当前时刻受冲击的第二预测概率,则确定机器人受到冲击;所述目标冲击感知网络模型的构建方法包括:步骤1、利用滑动窗口从机器人的感测装置采集的原始数据中提取出待感知测量值序列;步骤2、将待感知测量值序列沿着对应维度的通道连接,生成输入特征;步骤3、控制所述输入特征在预先构建的冲击感知神经网络内进行多层卷积操作和一层池化操作,得到待分类特征;其中,预先构建的冲击感知神经网络包括多个卷积层和一个池化层;步骤4、利用softmax算法对步骤3所述的待分类特征进行分类处理,得到第一受冲击预测概率和第二受冲击预测概率;步骤5、基于损失函数,使用第一受冲击预测概率和第二受冲击预测概率计算损失值;并对所述冲击感知神经网络进行权重更新,再将权重更新后的所述冲击感知神经网络更新为所述冲击感知神经网络;其中,损失函数是二元交叉熵,第一受冲击预测概率和第二受冲击预测概率在损失函数中分别是两个分类的预测结果;当前执行步骤5中所需更新的权重是卷积层的权重;步骤6、重复执行步骤2至步骤5,直至最新计算出的损失值小于预设损失阈值,将最新执行的步骤5中得到的权重更新后的所述冲击感知神经网络标记为所述目标冲击感知网络模型,并确定最新执行的步骤5中得到的权重更新后的所述冲击感知神经网络是已训练的冲击感知神经网络;在所述步骤C中,所述利用目标冲击感知网络模型对待感知测量值序列进行分类处理,得到所述机器人当前时刻受冲击的第一预测概率与所述机器人当前时刻受冲击的第二预测概率的方法包括:步骤C1、利用滑动窗口从机器人的感测装置采集的原始数据中提取出待感知测量值序列;步骤C2、将所述待感知测量值序列输入所述目标冲击感知网络模型,生成输入特征;步骤C3、控制所述输入特征依次在多个卷积层内进行卷积操作,得到判别特征;再控制所述判别特征在池化层内进行平均池化处理,得到目标分类特征;其中,所述目标冲击感知网络模型包括多个卷积层和一个池化层;步骤C4、利用softmax算法对所述目标分类特征进行分类处理,得到所述机器人当前时刻受冲击的第一预测概率与所述机器人当前时刻受冲击的第二预测概率;其中,机器人当前时刻受冲击的第一预测概率是待感知测量值序列被分类为机器人当前受冲击状态下所提取的测量值序列的概率;机器人当前时刻受冲击的第二预测概率是待感知测量值序列被分类为机器人当前不受冲击状态下所提取的测量值序列的概率。

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珠海一微半导体股份有限公司;哈尔滨工业大学,其通讯地址为:519000 广东省珠海市横琴新区环岛东路3000号2706;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。