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部落迁徙算法的空间机器人基座抗扰动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：CN118493374B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202410400905.1，技术领域涉及：B25J9/16；该发明授权一种基于部落迁徙算法的空间机器人基座抗扰动方法是由吴立刚;邵翔宇;张少杰;王浩屹;张嘉行;谭睿宇;孙光辉设计研发完成，并于2024-04-03向国家知识产权局提交的专利申请。

本一种基于部落迁徙算法的空间机器人基座抗扰动方法在说明书摘要公布了：一种基于部落迁徙算法的空间机器人基座抗扰动方法，本发明涉及空间机器人基座抗扰动方法。本发明的目的是为了解决现有自由漂浮空间机器人在机械臂关节运动过程中造成的基座偏移问题。过程为：一、根据自由漂浮空间机器人基座和机械臂的运动关系方程，定义基座姿态扰动过程幅度和基座姿态扰动最终幅度，基于基座姿态扰动过程幅度和基座姿态扰动最终幅度构建自由漂浮空间机器人基座姿态扰动目标函数；二、选用七次正弦多项式的方法对自由漂浮空间机器人的第i个机械臂关节角度轨迹进行参数化，将七次正弦多项式转换为仅由两个未知参数表示的多项式；三、得出使基座姿态扰动目标函数值最小的机械臂关节角度。本发明属于空间机器人控制领域。

本发明授权一种基于部落迁徙算法的空间机器人基座抗扰动方法在权利要求书中公布了：1.一种基于部落迁徙算法的空间机器人基座抗扰动方法，其特征在于：所述方法具体过程为： 步骤一、根据自由漂浮空间机器人基座和机械臂的运动关系方程，定义基座姿态扰动过程幅度和基座姿态扰动最终幅度，基于基座姿态扰动过程幅度和基座姿态扰动最终幅度构建自由漂浮空间机器人基座姿态扰动目标函数； 步骤二、选用七次正弦多项式的方法对自由漂浮空间机器人的第个机械臂关节角度轨迹进行参数化，将七次正弦多项式转换为仅由两个未知参数表示的多项式； 步骤三、利用部落迁徙算法优化多项式中的两个未知参数以降低基座姿态扰动目标函数数值，得出使基座姿态扰动目标函数值最小的机械臂关节角度； 所述步骤一中根据自由漂浮空间机器人基座和机械臂的运动关系方程，定义基座姿态扰动过程幅度和基座姿态扰动最终幅度，基于基座姿态扰动过程幅度和基座姿态扰动最终幅度构建自由漂浮空间机器人的基座姿态扰动目标函数；具体过程为： 步骤一一、自由漂浮空间机器人基座和机械臂的运动关系方程的表达式为： 其中，为自由漂浮空间机器人基座的线速度，为自由漂浮空间机器人基座的角速度，为机器人总质量，为三阶单位矩阵，为基座的质心指向自由漂浮空间机器人质心的矢量表示，为的反对称矩阵；是自由漂浮空间机器人的关节的角速度矩阵，为描述基座和各个机械臂关节运动关系的雅克比矩阵； 、、为系数矩阵； 步骤一二、假设自由漂浮空间机器人初始角动量为零； 在运动过程中，基座会一直受到瞬间扰动，定义的空间机器人基座姿态扰动函数为： 其中，表示时刻自由漂浮空间机器人的基座角速度； 为雅克比矩阵中第四行到第六行的矩阵； 表示时刻自由漂浮空间机器人的机械臂关节的角速度矩阵； 步骤一三、定义基座姿态扰动过程幅度和基座姿态扰动最终幅度，基于基座姿态扰动过程幅度和基座姿态扰动最终幅度构建自由漂浮空间机器人的基座姿态扰动目标函数； 步骤一四、基于自由漂浮空间机器人的基座姿态扰动目标函数，将自由漂浮空间机器人的基座姿态扰动最小的轨迹规划问题表示成如下求解非线性约束优化问题； 所述系数矩阵表达式为： 其中，为自由漂浮空间机器人第个刚体的惯量矩阵，为自由漂浮空间机器人第个刚体的质量，为惯性坐标系原点到自由漂浮空间机器人第个刚体质心的矢量表示，为基座质心指向自由漂浮空间机器人第个刚体质心的矢量表示； 所述系数矩阵表达式为： 其中，是自由漂浮空间机器人第个刚体质心指向基座质心的矢量表示； 为的反对称矩阵； 为与旋转运动相关的雅克比矩阵的分量，即关节角速度对应的雅克比矩阵，； 为与线性运动相关的雅克比矩阵的分量，即关节线速度对应的雅克比矩阵； 为关节的旋转轴矢量表示，为惯性坐标系原点到关节的矢量表示； 所述系数矩阵表达式为： ； 所述步骤一三中目标函数为： 其中，表示自由漂浮空间机器人的基座姿态扰动目标函数，表示自由漂浮空间机器人任务起始时间，表示自由漂浮空间机器人任务结束时间，表示每一时刻自由漂浮空间机器人的基座角速度，表示当前时刻，表示过程扰动权值，表示最终过程扰动权值； 所述步骤三中利用部落迁徙算法优化多项式中的两个未知参数以降低基座姿态扰动目标函数数值，得出使基座姿态扰动目标函数值最小的关节角度轨迹；具体过程为： 步骤三一、令迭代次数； 生成一个由M个个体组成的群体，所述个体为参数组； 将每个个体随机分布在搜索空间内： 其中，表示代序号个体，，，为总迭代次数； 为满足的随机数； 为寻优下边界，为寻优上边界； 步骤三二、利用DBSCAN聚类算法将群体分成个聚类，； 根据聚类中个体的位置平均值得出聚类的中心； 步骤三三、根据当前代数j自适应调节探索因子和随机因子； 其中，表示第次迭代时探索因子的值； 表示第次迭代时随机因子的值； ，L是最大迭代次数； 是探索因子的初始值，是随机因子的初始值； 步骤三四、生成混沌序列，混沌序列定义如下： 其中，为通过迭代产生的混沌序列，为0到1之间的随机数，表示混沌系数； 步骤三五、将每个个体对应的参数组代入七次正弦多项式，得到空间机器人的所有关节运动轨迹； 再通过定义的空间机器人基座姿态扰动函数计算每个个体的适应度函数： 其中，表示过程扰动权值，表示最终过程扰动权值； 表示第次迭代时个体在时刻的基座角速度； 表示第次迭代时个体在时刻对应的关节角速度集合，表示第次迭代时个体在时刻对应的关节角度集合； 表示第次迭代时个体时刻对应的关节的角速度，表示第次迭代时个体时刻对应的关节的角度； 将聚类中适应度最高的个体定义为聚类中的领导者； 步骤三六、每个聚类内的个体都会向聚类中适应度最高的个体移动，如果个体的新位置的适应度值大于原来的位置的适应度值，则个体取值为；如果个体的新位置的适应度值小于等于原来的位置的适应度值，则个体取值为； 表达式为： 其中，表示在阶段P1，第次迭代时聚类内个体的取值； 表示聚类内的个体； 为第次迭代时的混沌系数； 表示聚类中适应度最高的个体； 步骤三七、计算聚类中所有个体的平均适应度值，以及聚类的中心距离其他聚类的中心的距离； 其中，，；表示总聚类数； 基于和计算吸引力指标，表达式为： 其中，是聚类的领导者的适应度值，是聚类的中心距离其他聚类的中心的距离最大值； 通过对吸引力指标排序，聚类内的个体向最大值对应的聚类的中心进行靠拢，如果个体的新位置的适应度值大于个体原来的位置的适应度值，则个体取值为；如果个体的新位置的适应度值小于等于个体原来的位置的适应度值，则个体取值为； 表达式为： 其中，表示在阶段P2，第次迭代时聚类内个体的取值； 步骤三八、在一次循环过程中，躲避威胁情况和捕猎情况随机发生一种； 1、在躲避威胁情况中，个体会在原始位置随机移动，使用下式来表示： 其中，表示在阶段P3，第次迭代时聚类中的序号个体在迁徙过程中躲避威胁后的取值； 2、在捕猎情况中，在每个聚类中随机选择一个个体作为被攻击个体，其余个体会向被攻击的个体靠拢； 如果个体新位置的适应度大于原来位置的适应度，则个体取值为；如果个体新位置的适应度小于等于原来位置的适应度，则个体取值为； 过程表示为 步骤三九、检验所有个体是否完成了位置更新，如果未全部完成，则令，执行步骤三四；反之，则保留适应度最高的个体对应的参数组，执行步骤三十； 步骤三十、随机选择一部分个体进行重新初始化： 将随机选择的每个个体随机分布在搜索空间内，每个个体获得新的对应的参数组； 个体被选中的概率以及对应的轮盘赌区间为： 其中，表示个体序号小于的个体被选中的概率，，表示个体的序号； 随机生成个0到1的随机数 找到满足对应的个体为被选中个体的序号； 重新初始化： 步骤三十一、检验是否完成了指定迭代次数，如果未全部完成，则令，跳转至步骤三十二；反之，跳转步骤三十三； 步骤三十二、检验是否，如果相等，则对所有M个个体重新进行一次DBSCAN聚类，跳转到步骤三二；如果不等，则不需要重新聚类，则跳转步骤三三； 步骤三十三、完成寻优过程，获得使基座扰动目标函数最小的个体，进而得到机械臂关节角度运动轨迹。

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。