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！

龙图腾网获悉杭州新剑机电传动股份有限公司申请的专利基于神经网络动量观测器的柔性关节机器人末端力检测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：CN119748454B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510037354.1，技术领域涉及：B25J9/16；该发明授权基于神经网络动量观测器的柔性关节机器人末端力检测方法是由单新平;严作海设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本基于神经网络动量观测器的柔性关节机器人末端力检测方法在说明书摘要公布了：本发明公开了一种基于神经网络动量观测器的柔性关节机器人末端力检测方法，包括：对柔性关节机器人建立动力学数学建模；建立机器人系统无约束自由运动下的动量方程；结合机器人系统的不确定性，构建包含系统不确定性的机器人与环境交互过程中的动量方程；确定无约束自由运动下的动量观测器估计扰动力矩；基于神经网络方法逼近机器人系统的扰动力矩动力学模型；确定基于神经网络的动量观测器，估计机器人与环境接触时的外部力矩。本发明的基于神经网络动量观测器的柔性关节机器人末端力检测方法，结合了系统动力学模型与神经网络技术，提升了末端力检测的精度，还增强了机器人在与环境交互时的适应性和安全性。

本发明授权基于神经网络动量观测器的柔性关节机器人末端力检测方法在权利要求书中公布了：1.一种基于神经网络动量观测器的柔性关节机器人末端力检测方法，其特征在于，包括： S1：对柔性关节机器人建立动力学数学建模； S2：基于系统动力学模型，建立机器人系统无约束自由运动下的动量方程； S3：结合机器人系统的不确定性，建立机器人与环境交互时的系统动力学模型，构建包含系统不确定性的机器人与环境交互过程中的动量方程； S4：确定无约束自由运动下的动量观测器估计扰动力矩； S5：基于神经网络方法逼近机器人系统的扰动力矩动力学模型； S6：确定基于神经网络的动量观测器，估计机器人与环境接触时的外部力矩； 在所述步骤S1中，考虑关节电机侧和连杆侧的粘性摩擦项且忽略机器人与环境交互的外力，柔性关节机器人的动力学模型可以表示为： 其中， τJ＝Ksq-θ3 τJ∈R6表示通过关节传递的弹性力，q∈R6和θ∈R6分别表示连接端和电机端的关节位置，和分别表示连接端和电机端的摩擦项，τm∈R6表示电机的扭矩信号，Ks∈R6×6和Ds∈R6×6是正对角矩阵，表示关节的刚度系数和阻尼系数，Mq∈R6×6表示质量矩阵，表示科氏力矩阵，Gq∈R6表示重力向量，Iθ∈R6×6为电机侧惯量矩阵； 从矩阵为斜对称矩阵的性质中，可以得出： 假设Mq、Gq和的参数是已知的，但由于机械结构误差，这些参数可能不精确，将其视为参数扰动；具体的摩擦力模型也是未知的，将摩擦力与参数扰动对系统的影响，同样视为系统扰动力矩，那么机器人的连杆侧模型可以重新表示为： 其中τδ∈R6表示系统扰动力矩； 环境力可以表示为： Fe＝Kexe-x＝J-Tqτex10 其中xe是环境的位置向量，Ke∈R6×6表示环境的正对角刚度矩阵，Fe∈R6表示外部力向量，可以通过动量观测器来估计； 考虑到系统扰动力矩和外部力矩，机器人的连杆侧模型可以描述为： 其中τex∈R6等于JTqFe∈R6，Fe∈R6是外部力，根据公式4和10，可得的时间导数为： 在所述步骤S4中，基于方程11，在机器人无约束自由运动状态下，其动量观测器定义为： 其中，rδtc∈R6是当前时间tc下rδt的观测结果，rδ0＝0，KI∈R6×6是一个正对角矩阵，ptc表示在时间tc≥0机器人的广义动量； 在所述步骤S5中，采用神经网络方法来逼近系统的扰动动态，并将观测到的扰动力矩作为训练神经网络的目标，τδ的逼近结果可以表示为： 其中，是使用神经网络方法估计的值，可以表示为： 其中，fNN·表示神经网络的映射，表示一个很小的可接受误差，其满足其中是预定义的很小的常数。

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杭州新剑机电传动股份有限公司，其通讯地址为：310000 浙江省杭州市临安区青山湖街道滨河路17号1幢17层；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。