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！

龙图腾网获悉华东交通大学;江西鑫通机械制造有限公司;江西沃思德凿岩液压有限公司申请的专利基于神经网络的大变形柔性杆件机器人运动学建模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：CN119681882B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202411959220.7，技术领域涉及：B25J9/16；该发明授权基于神经网络的大变形柔性杆件机器人运动学建模方法是由刘颖;崔子健;罗锋;黄良;丁孺琦;李小祥;徐聪聪;李嘉明;田翔设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于神经网络的大变形柔性杆件机器人运动学建模方法在说明书摘要公布了：本发明提出了基于神经网络的大变形柔性杆件机器人运动学建模方法。首先，针对该机器人的运动特性，对系统的参数进行敏感性分析，以识别影响较为显著的关键性参数；根据敏感性分析的结论，建立基于神经网络算法的大变形柔性杆件机器人的正逆运动学，即通过仿真数据集对网络进行初步训练来精确预测机器人运动学；鉴于仿真模型与实际应用存在差异，采用迁移学习技术优化网络参数，利用多目相机系统采集实际机器人末端位姿数据，并使用这些数据微调网络参数，以提高模型的准确性；最后结合视觉伺服控制技术，精确地确定目标操作点，引导机器人准确到达预定位置执行任务。本发明不仅精确、高效，将极大地提高分析效率，而且模型的泛化能力显著。

本发明授权基于神经网络的大变形柔性杆件机器人运动学建模方法在权利要求书中公布了：1.基于神经网络的大变形柔性杆件机器人运动学建模方法，具体包括以下五个主要步骤： 步骤1：大变形柔性杆件机器人敏感性分析； 在对大变形柔性杆件机器人进行运动学建模之前，需按照以下对系统参数进行敏感性分析：此步骤旨在评估各系统参数对机器人的运动学特性是否存在显著影响，从而确定在构建神经网络时所需的输入节点；首先，大变形柔性杆件机器人的运动特性显著受柔性梁长度L1和L2变化的影响，因此，这两个系统参数可以被直接纳入输入节点，无需进行额外的分析；除此之外，大变形柔性杆件机器人在进行仿真实验过程中，需要设置柔性杆件的杨氏模量E、泊松比μ、以及柔性梁横截面的高a和宽b，因此需要逐一对参数{E，μ，a，b}进行探究；具体过程为：以任意一组参数作为基准组，即E＝E1，μ＝μ1，a＝a1，b＝b1，通过驱动大变形柔性杆件L1和L2，获取动平台的空间位姿，即X，Y和θ；随后通过控制变量的方法改变参数数值，并驱动大变形柔性杆件获取动平台的空间位姿与基准组位姿进行对比；将差异量作为评价指标，量化各参数对系统运动特性的影响程度，将敏感性高的参数纳入神经网络模型的输入节点； 步骤2：基于神经网络的大变形柔性杆件机器人正运动学建模； 进行敏感性分析后，可以确定对大变形柔性杆件机器人运动学影响较为显著的系统参数；之后构建基于神经网络的大变形柔性杆件机器人正运动学模型： 在构建大变形柔性杆件机器人正运动学模型时，通常已知大变形柔性杆件L1和L2的长度，求解机器人末端动平台的位姿，即： [X,Y,θ]T＝fL1，L2,E，μ,a,b1 其中f为大变形柔性杆件机器人正运动学模型；X，Y为动平台末端的位置；θ为动平台末端的姿态；根据公式1可知动平台的末端位姿同时也受柔性杆件结构和材料的影响，根据公式1可确定输出神经元个数；在网络搭建过程中，需设计隐含层的层数与对应层神经元的个数，以实现对大变形柔性杆件机器人正运动学神经网络的建立；为了优化网络，首先在仿真软件中设置柔性梁的弹性模量E、泊松比μ以及柔性梁横截面的高a和宽b在内的参数，通过驱动大变形柔性杆件L1和L2，获取动平台末端的空间位姿数据，即X，Y和θ；为了消除特征值范围过大带来的权重不平衡和数值计算问题，提高模型的训练稳定性和收敛速度，对输入神经元的参数进行归一化： 其中x为原始数据，为归一化后的数值；xmin是数据集中的最小值；xmax是数据集中的最大值；为了消除数据排序可能带来的规律性干扰，进一步随机化数据顺序，以确保模型具有较强的泛化能力；与此同时，为增强模型的非线性映射能力，在隐藏层之间引入激活函数，以提高网络回归的非线性能力；在完成模型的构建后，需设计对应的损失函数，即： Loss1＝α1X-X′2+α2Y-Y′2+α3θ-θ′23 其中Loss1为预测值与实际值之间的误差，α1、α2和α3分别为误差系数，X，Y和θ为实际值，X′，Y′和θ′为预测值；对于网络的输出神经元，采用反归一化以获取其预测值： y′＝y′ymax-ymin+ymin4 其中y′为反归一化的预测值，y′为网络的输出值，ymin为数据集中的最小值，ymax为数据集中的最大值；将数据输入至网络中，经过多次训练后可实现对网络参数的优化； 步骤3：基于神经网络的大变形柔性杆件机器人逆运动学建模； 构建基于神经网络的大变形柔性杆件机器人正运动学模型后，构建基于神经网络的大变形柔性杆件机器人逆运动学模型： 大变形柔性杆件机器人逆运动学为已知机器人末端动平台的位置，求解驱动杆件L1和L2的长度，即： [L1，L2]T＝f-1X,Y,E,μ,a,b5 其中f-1为大变形柔性杆件机器人逆运动学模型；确定显著性参数，即可确定输入神经元的个数，根据公式5可确定输出神经元个数；在网络搭建过程中，需设计隐含层的层数与对应层神经元的个数，以实现对大变形柔性杆件机器人逆运动学神经网络的建立；为了优化网络，将仿真获取的数据对网络进行参数优化；同样为了消除特征值范围过大带来的权重不平衡和数值计算问题，提高模型的训练稳定性和收敛速度，参考公式2对输入神经元的参数进行归一化；为了消除数据排序可能带来的规律性干扰，进一步随机化数据顺序，以确保模型具有较强的泛化能力；与此同时，为增强模型的非线性映射能力，在隐藏层之间引入激活函数，以提高网络回归的非线性能力；在完成模型的构建后，需设计对应的损失函数，即： Loss2＝β1L1-L′12+β2L2-L′226 其中Loss2为预测值与实际值之间的误差，β1、β2分别为误差系数，L1和L2为实际值，L′1和L′2为预测值；对于网络的输出神经元，参考公式4采用反归一化以获取其预测值；将数据输入至网络中，经过多次训练后可实现对网络参数的优化； 步骤4：基于迁移学习的大变形柔性杆件机器人运动学模型优化； 步骤5：基于视觉伺服的大变形柔性杆件机器人精准目标定位。

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华东交通大学;江西鑫通机械制造有限公司;江西沃思德凿岩液压有限公司，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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”。