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！

龙图腾网获悉西北工业大学申请的专利一种考虑安全约束的空间绳系机器人释放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：CN119937296B 。

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：202510103593.2，技术领域涉及：G05B13/02；该发明授权一种考虑安全约束的空间绳系机器人释放方法是由黄攀峰;金澳;张帆;文思捷;刘亚;沈刚辉设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本一种考虑安全约束的空间绳系机器人释放方法在说明书摘要公布了：本申请公开了本申请实施例提出的一种考虑安全约束的空间绳系机器人释放方法、装置、介质和设备，通过将空间绳系机器人与空间碎片的避碰问题分解为离线训练部分和在线执行部分。在离线阶段，首先使用控制压缩映射理论推导出跟踪控制器需满足的条件，并使用神经网络寻找满足该条件的控制器；随后基于优化方法构建出轨迹规划器。在线阶段，当空间绳系机器人检测到空间碎片的时候，轨迹规划器生成出一条满足安全约束的参考轨迹，随后跟踪控制器跟踪这条参考轨迹，使得空间绳系机器人在释放过程中不会与空间碎片发生碰撞，实现空间绳系机器人的安全释放。

本发明授权一种考虑安全约束的空间绳系机器人释放方法在权利要求书中公布了：1.一种考虑安全约束的空间绳系机器人释放方法，其特征在于，包括： 获取空间绳系机器人的初始状态值和初始控制值； 在离线阶段，根据控制压缩映射理论确定所述空间绳系机器人的跟踪控制器需要满足的控制器约束条件，并基于深度神经网络构建满足所述控制器约束条件的所述跟踪控制器，所述跟踪控制器用于跟踪任意轨迹； 其中，所述控制器包括实对称矩阵和控制器增益，所述基于深度神经网络构建满足所述控制器约束条件的所述跟踪控制器包括： 基于第一深度神经网络确定正定的实对称矩阵； 基于第二深度神经网络确定控制器增益其中，所述实对称矩阵的表达式和所述控制器增益的表达式分别为： 式中，是激活函数，为所述第一深度神经网络的参数，为所述第二深度神经网络的参数，为参考状态变量，x为状态变量； 基于所述控制器约束条件的表达式确定所述跟踪控制器的损失函数； 基于所述跟踪控制器的损失函数训练所述第一深度神经网络和所述第二深度神经网络得到满足所述控制器约束条件的所述跟踪控制器； 根据所述跟踪控制器的控制变量和状态变量确定轨迹规划器的性能指标函数，其中，所述控制变量满足所述跟踪控制器的控制约束条件，所述状态变量满足所述跟踪控制器的状态约束条件和安全约束条件； 所述空间绳系机器人包括依次连接的平台、空间系绳和末端机动单元，所述根据所述跟踪控制器的控制变量和状态变量确定轨迹规划器的性能指标函数包括： 获取安全约束的表达式，所述安全约束的表达式为： 上式中，表示末端机动单元到圆心的距离，表示空间系绳到圆心的距离，表示安全域的大小； 基于如下表达式确定轨迹规划器的优化问题： 上式中，为性能指标函数，和分别表示所述空间绳系机器人的初始状态和最终状态，xt和ut分别表示状态变量和控制变量，表示所述空间绳系机器人的状态约束，表示所述空间绳系机器人的控制约束，t0和tf分别表示初始时间和最终时间，其中，，，，，，； 为轨道坐标系和空间绳系机器人体坐标系之间的面内角，表示归一化空间系绳长度，表示的导数， 表示的导数，u1和u2分别表示控制器输入； 在线阶段，检测所述空间绳系机器人周围的空间碎片，基于所述空间碎片的位置更新所述安全约束条件，并基于所述安全约束条件、所述控制变量和所述状态变量求解所述性能指标函数，生成参考轨迹； 根据所述参考轨迹、所述初始状态值和所述初始控制值确定所述跟踪控制器的跟踪轨迹，并基于所述跟踪轨迹释放空间绳系机器人。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。