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！

龙图腾网获悉重庆大学申请的专利工业机器人动力学参数辨识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：CN116652967B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202310890466.2，技术领域涉及：B25J9/16；该发明授权工业机器人动力学参数辨识方法是由王磊;陈家伟;尹锐;滕洲;李子龙;余知朋设计研发完成，并于2023-07-20向国家知识产权局提交的专利申请。

本工业机器人动力学参数辨识方法在说明书摘要公布了：本发明工业机器人动力学参数辨识方法，包括通过牛顿‑欧拉法建立工业机器人动力学模型，设计指导工业机器人运动的激励轨迹，基于差分进化算法优化激励轨迹，对工业机器人的输入数据和输出数据进行采样，并通过多周期采样再平均的方法优化输入数输出数据集；将工业机器人要辨识的参数分离，采用卷积神经网络参数进行辨识。本发明方法有效提高了对工业机器人动力学参数辨识准确性，能为后续开展工业机器人高精度控制打下良好基础。

本发明授权工业机器人动力学参数辨识方法在权利要求书中公布了：1.工业机器人动力学参数辨识方法，其特征在于：包括以下步骤： 步骤一：通过牛顿-欧拉法建立工业机器人动力学模型如下： 其中：τ为工业机器人关节驱动力矩矢量；q为工业机器人关节角度矢量；为工业机器人关节角速度矢量；为工业机器人关节角加速度矢量；Dq为工业机器人的惯性矩阵，为工业机器人的科氏力及离心力矩阵，Gq为工业机器人的重力矩阵，τf为摩擦力矩； 步骤二：设计指导工业机器人运动的激励轨迹： 其中：表示工业机器人中一连杆关节角度；表示激励轨迹的补偿量，为一常数；N表示傅里叶级数阶次，N＝5；aj表示傅里叶级数中正弦项幅值，bj表示傅里叶级数中余弦项幅值；wf表示傅里叶级数频率；k表示周期采样数；Ts表示采样周期； 将工业机器人动力学模型线性化，具体表现形式如下： 其中：为观测矩阵，P为工业机器人系统中的参数集； 设计激励轨迹的优化目标函数为： fitness＝CondW+Pub4 其中：fitness为适应度，W代表一个激励周期内采样k次的满秩观测系数矩阵，W的表达式如下： Pub为惩罚函数，其表达式如下： 当所设置的激励轨迹参数符合约束条件，Pub为0，当所设置激励轨迹参数不符合约束条件，Pub为远大于关节角度qi,max的一个值，该轨迹将被忽略； 所述的约束条件包括： 条件一： 条件二： 条件三：τi,min≤τi≤τi,max 条件四： 其中：qi,max表示工业机器人连杆i关节的角度上限，qi,min表示工业机器人连杆i关节的角度下限；表示连杆i关节角速度上限；表示连杆i关节角加速度上限；qi,init表示连杆i初始关节角度；T为傅里叶级数周期；τi,max为连杆i允许的驱动力矩最大值，τi,min为连杆i允许的驱动力矩最小值；{sqt}代表工业机器人t时刻的末端运动位置；S代表工业机器人的运动空间； 基于差分进化算法得到具有最小条件数的满秩观测系数矩阵W，所述的条件数具体表示为： κW＝||W||||W-1||6 其中： ||W||表示满秩观测系数矩阵W的范数，表示满秩观测系数矩阵W对向量的拉伸能力，矩阵范数越大其拉伸能力越强；||W-1||表示满秩观测系数矩阵W对向量的压缩能力，矩阵范数越大，其压缩能力越强； 步骤三：对工业机器人的输入数据和输出数据τ进行采样，得到输入数据及输出数据集； 步骤四：将工业机器人要辨识的参数分离，得到工业机器人的连杆i的待辨识参数矢量θ*i： θ*i＝[mi,Ii,vi,ci]9 其中：mi是工业机器人机械臂连杆质量；Ii是工业机器人机械臂连杆质心处转动惯量；vi是工业机器人连杆i关节处粘性摩擦系数；ci是工业机器人连杆i关节处库伦摩擦系数； 联立式1和式9得到新的工业机器人动力学模型为： 其中：θ*为工业机器人待辨识参数矢量矩阵； 基于式10，构建用于工业机器人动力学参数辨识的神经网络函数： 其中：是神经网络模型预测得到的工业机器人参数矢量矩阵； 采用卷积神经网络对θ*进行辨识，所述卷积神经网络包括卷积层Conv2d_D1和Conv2d_D2，Conv2d_D1后拼接第一个BN层，第一个BN层后拼接第一个SiLU激活函数，第一个SiLU激活函数后拼接Conv2d_D2，Conv2d_D2后拼接第二个BN层，第二个BN层后拼接第二个SiLU激活函数，Conv2d_D2的输入端和第二个SiLU层的输出端之间通过Shortcut短接； 先采用卷积神经网络对进行参数辨识，包括以下步骤： 1通过Slice操作将采样得到的输入数据切分为q，初始化θ*； 2把q和初始化的θ*输入卷积神经网络，将SiLU激活函数的输出与切分后的相乘，最后通过线性层映射得到 3将切分后的q和以及初始化的θ*输入卷积神经网络，最后通过线性层映射得到 4将切分后的q与初始化的θ*输入卷积神经网络，最后通过线性层映射得到 5将切分后的与初始化的θ*输入卷积神经网络，输入卷积神经网络，得到 6将得到的通过Concatente拼接得到神经网络函数 7再采用梯度下降法辨识工业机器人动力学参数损失函数采用交叉熵损失函数： 损失函数L相对于的梯度为： 参数矩阵更新法则为： 其中：n代表迭代次数；ε为学习率，为动量参数，gn为每次迭代梯度； 最终所辨识出的工业机器人动力学参数为：

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。