Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
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 积分商城 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 > 哈尔滨工业大学齐彬获国家专利权

哈尔滨工业大学齐彬获国家专利权

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!

龙图腾网获悉哈尔滨工业大学申请的专利一种基于椭球等高分布的机器人关节状态估计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:CN118664602B

龙图腾网通过国家知识产权局官网在2025-10-03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:202410983893.X,技术领域涉及:B25J9/16;该发明授权一种基于椭球等高分布的机器人关节状态估计方法是由齐彬;付宜利;任秉银;张松源设计研发完成,并于2024-07-22向国家知识产权局提交的专利申请。

一种基于椭球等高分布的机器人关节状态估计方法在说明书摘要公布了:本发明涉及机器人领域,尤其涉及一种基于椭球等高分布的机器人关节状态估计方法,本发明提出的基于椭球等高分布的机器人关节状态估计方法,在重尾过程噪声情况下,对比现有估计方法具有估计准确,求解快速,鲁棒性高等特点,满足机器人领域对实时性和准确性的需求。本发明提出的基于椭球等高分布的机器人关节状态估计方法,在变分贝叶斯求解方法下,无需提供椭球等高分布尺度参数的先验分布,通过合理的近似求解尺度参数的期望。本发明提出的基于椭球等高分布的机器人关节状态估计方法,基于位置测量值实现对速度和加速度的快速准确估计,也可以扩展为基于位置和速度测量值的应用中,具有良好的扩展性。

本发明授权一种基于椭球等高分布的机器人关节状态估计方法在权利要求书中公布了:1.一种基于椭球等高分布的机器人关节状态估计方法,其特征在于,包括以下步骤: S1、构建交互式IMM滤波器;所述交互式IMM滤波器包括M1个滤波器; S2、采用传感器采集当前时间步k时的机器人关节位置数据,并根据时间步k时的机器人关节位置数据得到当前时间步k时的观测向量zk; S3、获取上一时间步k‑1时IMM滤波器中M1个滤波器的模型概率、后验概率密度函数、后验状态均值以及后验协方差矩阵;所述后验状态均值包括:关节位置、速度、加速度; S4、根据S3得到的上一时间步k‑1时IMM滤波器中M1个滤波器的模型概率、后验概率密度函数、后验状态均值以及后验协方差矩阵计算得到当前时间步k时M1个滤波器的初始概率密度函数;并根据M1个滤波器的初始概率密度函数得到M1个滤波器的初始状态均值以及初始协方差矩阵; S5、将S2获得的当前时间步k的观测向量zk以及S4得到的当前时间步k时M1个滤波器初始状态均值以及初始协方差矩阵输入交互式IMM滤波器,并行运行M1个滤波器,得到当前时间步k时的M1个滤波器的测量似然概率密度函数、后验状态均值以及后验协方差矩阵; S6、根据S5得到的M1个滤波器的测量似然概率密度函数更新当前时间步k时的模型概率; S7、根据S6更新得到的M1个滤波器在时间步k时的模型概率,以及S5获得的当前时间步k时的M1个滤波器的后验状态均值以及后验协方差矩阵计算得到当前时间步k时的融合估计结果; 所述S1中构建交互式IMM滤波器中第m1∈M1个滤波器的具体过程为: S1.1:构建机器人关节系统离散时间状态空间模型;具体过程为: S1.1.1:构建机器人关节系统动态方程与测量方程; S1.1.2:构建计算预测值公式; S1.1.3:根据得到的机器人关节系统动态方程与测量方程和预测值,构建分层高斯形式椭球等高分布先验概率密度函数pxk|z1:k‑1,ξk; S1.1.4:构建椭球等高分布特征矩阵的概率密度函数pΣk; S1.1.5:构建似然概率密度函数pzk|xk;构建联合后验概率密度函数pxk,Σk,ξk|z1:k; S1.1.6:将分层高斯形式椭球等高分布先验概率密度函数pxk|z1:k‑1,ξk,椭球等高分布特征矩阵的概率密度函数pΣk和似然概率密度函数pzk|xk组合成机器人关节系统的离散时间状态空间模型; S1.2:根据S1.1得到的机器人关节系统离散时间状态空间模型构建待估计参数Θ,根据待估计参数Θ构建第m1个滤波器; S1.3:设定时间步0时第m1个滤波器的初始状态均值以及初始协方差矩阵和初始模型概率,以及IMM滤波器中的模型转移矩阵; 所述S1.1.3中根据得到的机器人关节系统动态方程与测量方程和预测值,构建分层高斯形式椭球等高分布先验概率密度函数pxk|z1:k‑1,ξk具体过程为: S1.1.3.1:确定先验概率密度函数pxk|z1:k‑1服从的椭球等高分布形式,并将先验概率密度函数pxk|z1:k‑1建模为椭球等高分布; S1.1.3.2:将椭球等高分布先验概率密度函数pxk|z1:k‑1改写做分层高斯形式椭球等高分布先验概率密度函数pxk|z1:k‑1,ξk;ξk表示椭球等高分布的尺度参数。

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哈尔滨工业大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区西大直街92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。

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。