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！

龙图腾网获悉中国矿业大学申请的专利基于数字孪生技术的机械臂逆运动学求解及轨迹规划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：CN119458357B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411828395.4，技术领域涉及：B25J9/16；该发明授权基于数字孪生技术的机械臂逆运动学求解及轨迹规划方法是由杨春雨;李志鑫;胡子扬;曲焱烁;周林娜;赵建国;熊梦辉设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本基于数字孪生技术的机械臂逆运动学求解及轨迹规划方法在说明书摘要公布了：本发明公开了基于数字孪生技术的机械臂逆运动学求解及轨迹规划方法，包括构建数字孪生平台，实现虚实交互；具体包括搭建虚拟环境和构建虚实交互通信；基于SAC算法进行强化学习训练，构建机械臂逆解求解模型；具体包括状态空间设计、动作空间设计、通过奖励函数和课程学习策略逐步优化逆运动学求解模型、模型导出以及模型集成；采用多项式插值规划机械臂运动轨迹，生成平滑轨迹。本方法基于强化学习的逆运动学求解方法能够快速适应不同的目标任务，并通过高效的奖励函数设计实现最优解，能够解决传统方法求解耗时长以及适应性差的问题。

本发明授权基于数字孪生技术的机械臂逆运动学求解及轨迹规划方法在权利要求书中公布了：1.基于数字孪生技术的机械臂逆运动学求解及轨迹规划方法，其特征在于，包括以下步骤： S1、构建数字孪生平台，实现虚实交互；具体包括搭建虚拟环境和构建虚实交互通信； S2、基于SAC算法进行强化学习训练，构建机械臂逆解求解模型；具体包括状态空间设计、动作空间设计、通过奖励函数和课程学习策略逐步优化逆运动学求解模型、模型导出以及模型集成； S3、采用多项式插值规划机械臂运动轨迹，生成平滑轨迹； 步骤S2具体为： S21、状态空间设计：基于Unity平台的ML-Agents工具包构建强化学习环境，定义机械臂的状态空间；其中，状态空间包括： 末端执行器的当前位姿x,y,z,roll,pitch,yaw，用于表征机械臂的控制精度；各关节当前角度θ1，…θn,n取决于机械臂自由度；在每周期开始时在工作空间内随机初始一个目标位置xtarget,ytarget,ztarget，作为逆运动学求解的核心任务目标； S22、动作空间设计：利用ML-Agents的ContinuousAction机制，将机械臂各关节的角度θ1，…θn作为连续动作空间的输出，并设置动作范围为-180°,180°，确保动作符合关节的运动学约束条件； S23、通过奖励函数和课程学习策略逐步优化逆运动学求解模型：在任务执行过程中，实时计算末端执行器与目标点之间的欧几里得距离d，并基于距离设计奖励函数：具体奖励设置如下公式： 总奖励如2式所述 其中，Rt为第t步的奖励值，T为周期执行步数，d0和d1分别代表目标误差范围的最小边界和最大边界，且满足d0＜d1；当d≤d0时，结束周期； 具体为： 当d≤d0时，认为机械臂与目标位置的距离已足够小，此时Rt＝100，表示任务已成功完成； 当d0＜d≤d1时，机械臂位于目标位置的缓冲带范围内，奖励值根据d的变化线性递减，具体为以鼓励机械臂向目标靠近； 当d＞d0时，认为机械臂距离目标过远，奖励值为Rt＝-0.01，以反映任务不理想，继续训练； 此外引入课程学习策略： 初始阶段设置较大的目标误差范围，以降低任务复杂度并加快模型对基础控制策略的学习；较大的目标误差范围为d1＝50mm，d0＝20mm； 随着训练进展，逐步缩小目标误差范围，增加任务难度并强化模型的精细化控制能力；缩小目标误差范围为d1＝20mm，d0＝10mm； 最终阶段将目标误差范围缩小至工业级精度，以实现高精度逆运动学求解；工业级精度为d1＝5mm，d0＝1mm； S24、模型导出；利用ML-Agents的模型保存与导出功能，将训练完成的强化学习模型导出为ONNX格式； S25、模型集成：将导出的ONNX格式的模型集成到Unity中，通过Barracuda插件加载模型。

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中国矿业大学，其通讯地址为：221000 江苏省徐州市铜山区大学路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”。

以上内容由龙图腾AI智能生成。