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！

龙图腾网获悉逻腾(杭州)科技有限公司申请的专利一种适用于全地形的球形机器人轨迹规划与跟踪控制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：CN116931581B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202311095279.1，技术领域涉及：G05D1/43；该发明授权一种适用于全地形的球形机器人轨迹规划与跟踪控制方法是由王酉;刘一凡;李光设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本一种适用于全地形的球形机器人轨迹规划与跟踪控制方法在说明书摘要公布了：本发明公开了一种适用于全地形的球形机器人轨迹规划与跟踪控制方法，其包括以下步骤：S1、建立包含干扰项的球形机器人非线性运动学模型；S2、使用神经网络拟合干扰项并赋初值；S3、使用传感设备获取机器人位置等状态信息和障碍物信息；S4、采用一体化自适应模型预测规划与控制算法进行轨迹规划与跟踪控制；S5、采用序列二次规划算法和交替方向乘子法计算最优轨迹和控制策略；S6、存储最优轨迹并将控制策略发送至底层姿态控制器执行；S7、重复步骤S3‑S6直至球形机器人到达终点。本方法而使球形机器人具备了全地形通过能力，提高了其在不同地形下的轨迹规划和跟踪控制效果。

本发明授权一种适用于全地形的球形机器人轨迹规划与跟踪控制方法在权利要求书中公布了：1.一种适用于全地形的球形机器人轨迹规划与跟踪控制方法，其特征在于，包括以下步骤： S1、测量球形机器人相关物理参数，建立理想状态下的球形机器人非线性运动学模型并基于此模型获得雅各比矩阵，从而获得包含干扰项的球形机器人非线性运动学模型； S2、使用神经网络拟合干扰项，并根据自建数据集对该网络赋初值； S3、获取球形机器人位置、偏航角和状态参数信息；使用激光雷达获取障碍物位置信息并输出障碍物的外接凸包多边形信息； S4、建立一体化自适应模型预测规划与控制算法：采用包含干扰项的球形机器人非线性运动学模型预测未来轨迹，根据状态信息增加初值约束，根据控制障碍函数进行避障，根据控制李雅普诺夫函数保证稳定性，从而实现一体化轨迹规划、避障与跟踪控制； S5、采用序列二次规划算法和交替方向乘子法求解一体化自适应模型预测规划与控制算法，并计算最优轨迹和控制策略； S6、更新并保存最优轨迹和控制策略，并将最优控制策略发送至底层姿态控制器执行，球形机器人发生移动，并记录和保存实际轨迹； S7、重复步骤S3-S6直至球形机器人到达终点； 所述步骤S1中，建立包含干扰项的运动学模型的过程具体为： 球形机器人半径为R，并设定全局坐标系O和球形机器人局部坐标系O1；采用旋转矩阵法获得理想状态下球形机器人的运动学模型为： 其中,X、Y和是球形机器人的位置信息，分别代表了其在全局坐标系下的横坐标、纵坐标和偏转角；v和θ分别表示球形机器人在局部坐标系下的前向速度和横滚角；字母顶部带点表示导数； 将θ视为控制指令，其导数不存在，故将包含其导数的项舍去；干扰项δ直接作用于局部坐标系下的机器人本体，故根据上式运动学模型进行映射，化简后可得包含干扰项的运动学模型如下： 式中，Ψ为状态变量K为运动学模型KΨ,U的简化写法， 将上述方程离散化，可得离散运动学模型如下： Ψk+1＝Ψk+KΨk,Ukdt 式中，k表示循环数，Ψk为第k个循环的状态变量，Ψk+1为第k+1个循环的状态变量，Uk为第k个循环中的控制量U； 步骤S2中，用于拟合干扰项的神经网络的数学表达式如下： δ＝WΦ+b 式中，W为神经网络权重，b为神经网络偏差，φ为网络输入，W和b的初值通过预训练获取，随后每一次迭代都会进行一次更新； 步骤S4中一体化自适应模型预测规划与控制算法具体为： 采用S2所述的包含干扰项的球形机器人运动学模型KΨ,U作为预测模型，实现对未来轨迹的预测，该状态转移约束如下： H1:Ψk+1|t＝Ψk|t+KΨk|t,Uk|tdt 式中，Ψk|t为在第t个循环时预测的未来k个循环后的状态变量；Uk|t为在第t个循环时预测的未来k个循环后的控制量； 球形机器人的初始状态约束为： H2:Ψ0|t＝Ψt，U0|t＝Ut 状态和输入量被约束在各自的安全集合内，表示为： H3:Ψk|t∈B，Uk|t∈H H4:FCBFΨk+1|t-1-γFCBFΨk|t≥0,其中0γ≤1 式中，B为状态约束安全集合，H为输入量安全约束集合，FCBFΨk|t为Ψk|t状态变量下球形机器人位置与障碍物之间的距离和安全距离之间的差，γ为第一安全系数； 系统的稳定性约束表示为： H5:FCLFΨk+1|t-C·FCLFΨk|t≥0，C0 式中，C为第二安全系数，a为缩放参数，Ψk+1|t-1为在第t-1个循环时预测的未来k+1个循环后的状态变量；为终点的目标状态变量；此公式是对Ψk|t的优化； 定义二次项损失函数为J： 在满足H1,H2,H3,H4,H5的约束下，最小化损失函数J；Q和K均为常数矩阵；L为离散步数，即一体化自适应模型对未来预测的步数范围。

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逻腾(杭州)科技有限公司，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道18号大街795号1幢20楼2010室；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。