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！

龙图腾网获悉桂林电子科技大学;南宁桂电电子科技研究院有限公司申请的专利一种爬树机器人关节轨迹优化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：CN119414871B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411506362.8，技术领域涉及：G05D1/49；该发明授权一种爬树机器人关节轨迹优化方法是由周祖鹏;刘旭锋设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种爬树机器人关节轨迹优化方法在说明书摘要公布了：本发明涉及一种爬树机器人关节轨迹优化方法，旨在解决传统算法在机器人关节轨迹优化中初始种群分布不均、易陷入局部最优等问题。首先，将机器人运动轨迹映射到关节空间，并建立轨迹规划的优化，并使其满足运动过程中的各项物理约束。随后，通过引入改进的Tent混队映射初始种群策略，增强种群的多样性和全局搜索能力；同时，结合自适应全局引导策略，动态挑选优异个体，避免算法陷入局部最优；最后，在算法后期融合折射学习策略，增加局部搜索的随机性，提高解的精度和稳定性。

本发明授权一种爬树机器人关节轨迹优化方法在权利要求书中公布了：1.一种爬树机器人关节轨迹优化方法，其特征在于，包括以下步骤： 步骤S1.建立机器人关节轨迹优化模型；将机器人运动轨迹映射到关节空间，将机器人轨迹规划问题转化为关节运动的优化问题建立其优化模型；利用伯恩斯坦函数构成机器人各关节运动加速度模型，将伯恩斯坦函数的系数作为优化问题的决定向量，以最小化最大加速度为优化目标； 步骤S2.建立改进的蝴蝶优化算法；在传统蝴蝶优化算法的基础上，引入改进的Tent混队映射策略初始化种群；同时，结合自适应全局引导策略更新蝴蝶位置；最后，在算法后期融合折射学习策略更新种群策略；具体的步骤S2如下： 步骤S21.定义算法参数：定义蝴蝶种群大小为N，最大迭代次数为Tm以及优化问题的维度为d；刺激强度I、感觉因子c、幂指数a和切换概率P； 步骤S22.初始化种群：利用改进的Tent混沌映射策略生成初始种群，公式如下： 若Xit0.7，则Xit+1＝Xit0.7； 若Xit≥0.7，则Xit+1＝1-Xit0.3 其中，Xit为t时刻第i个蝴蝶个体的位置，i＝1,2,3,…N； 根据式μ＝cI^a，计算蝴蝶香味； 步骤S23.在蝴蝶算法的全局勘探阶段，采用自适应全局引导机制更每个蝴蝶的位置，公式如下： Xit+1＝Xit+S*Xbetst-Xit+γ*rand-0.5*μ S＝Smin+Smax-Smin{1+exp^[-δ*fbest-fi]} 其中，S是自适应步长，γ＝0.5是扰动因子，rand是一个在[0,1]之间的随机数，Xbets为当前全局最优解；fbest为全局最优适应度值，fi为个体的适应度值，δ＝0.25为调整系数，Smax，Smin为步长的上下限，^符号代表乘方； 步骤S24.在蝴蝶优化算法的局部开发阶段，采用折射学习策略对每个蝴蝶的位置进行更新，更新公式如下： Xit+1＝Xit+η*Xrt-Xit η＝ηmin+ηmax-ηmin*tTm 其中，η为折射系数，ηmax，ηmin分别为最大折射系数和最小折射系数；Xr为随机选取的参考个体位置；t为当前迭代次数，Tm为最大迭代次数； 步骤S25.若优适应度fi小于当前最优适应度fbest，则更新当前最优适应度和当前最优位置； 步骤S26.根据下式，更新感觉因子 ct+1＝ct+0.025ct*Tm； 步骤S3.改进的蝴蝶优化算法在机器人关节轨迹优化中的应用；将关节运动优化问题的决策向量等价为改进蝴蝶优化算法中蝴蝶的位置向量；决策向量中变量的个数等于位置向量的维数；最优决策向量对应算法中最优位置向量；优化问题中的最大加速度对应算法中的适应度；最小的最大加速度对应为最优适应度；利用改进蝴蝶优化算法对机器人关节轨迹进行优化。

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桂林电子科技大学;南宁桂电电子科技研究院有限公司，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路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。