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！

龙图腾网获悉华南理工大学申请的专利基于联合学习的机器人最优人机交互阻抗控制方法、存储介质及机器人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：CN116512256B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310459253.4，技术领域涉及：B25J9/16；该发明授权基于联合学习的机器人最优人机交互阻抗控制方法、存储介质及机器人是由王敏;陈史弘;戴诗陆设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本基于联合学习的机器人最优人机交互阻抗控制方法、存储介质及机器人在说明书摘要公布了：本发明公开了一种基于联合学习的机器人最优人机交互阻抗控制方法、存储介质及机器人，方法包括如下步骤：构建任务空间参考回归轨迹、人机交互二阶阻抗模型与任务空间辅助轨迹，建立人机交互任务空间增广系统与对应的评价指标函数；基于积分强化算法在线更新人机交互二阶阻抗模型参数，直至得到最优参数；针对二阶阻抗模型，构建自适应神经网络阻抗控制器；基于确定学习理论获取经验知识，构建常值神经网络阻抗控制器。本方法有效解决了机器人在未知动力学信息与未知人类运动特性条件下人机交互的精确阻抗控制，运用强化学习机制实现在不同任务场景与不同交互对象条件下人机交互参数的在线最优调整。

本发明授权基于联合学习的机器人最优人机交互阻抗控制方法、存储介质及机器人在权利要求书中公布了：1.基于联合学习的机器人最优人机交互阻抗控制方法，其特征在于，包括下述步骤： S1、基于机器人特性构建任务空间参考回归轨迹、人机交互二阶阻抗模型与任务空间辅助轨迹： 所述人机交互二阶阻抗模型如下： 其中，t为时间，Mdt为t时刻二阶阻抗模型惯性矩阵，Bdt为t时刻二阶阻抗模型阻尼矩阵，Kdt为t时刻二阶阻抗模型刚度矩阵，Kft为t时刻人机交互力增益，为机器人末端加速度，为机器人末端速度，ξ为机器人末端位置，为机器人任务空间参考加速度，为机器人任务空间参考速度，ξd为机器人任务空间参考位置，f为机器人与人类操作员的交互力， 所述任务空间辅助轨迹如下： 其中，ξr1为机器人任务空间辅助位置，ξr2为机器人任务空间辅助速度； S2、建立人机交互任务空间增广系统与对应的评价指标函数，并基于积分强化算法在线更新二阶阻抗模型参数，直至得到最优参数，具体如下： 设计人机交互任务空间增广系统与对应的评价指标函数： U＝KX， V＝∫t∞XKqX+KXKrKXdτ， 其中，为人机交互任务空间增广系统状态，为任务空间辅助速度，为任务空间辅助加速度，kf1、kf2、kf3为未知人机交互力特性参数，U为增广系统控制输入，K为增广系统控制增益矩阵、V为性能评价指标函数，t为时间，Kq为对称正定矩阵，通过设计Kq矩阵元素可实现对人机交互任务侧重点的调整，Kr为对称正定矩阵，τ为辅助时间变量； S3、针对二阶阻抗模型，构建自适应神经网络阻抗控制器，基于确定学习理论，将训练收敛后的神经网络权值保存为常值神经网络权值具体如下： 定义阻抗误差为： 设计自适应神经网络阻抗控制器： 其中，e为辅助阻抗误差变量，由e收敛可得阻抗误差ε收敛，τ为机器人关节空间控制力矩映射到任务空间下的控制输入，为神经网络权值估计值的转置，为高斯径向基函数，θ为布点中心点，k＝i,2,…,N，ρ为宽度，N为神经网络布点数，其中，q＝[q,q,...,q]为机器人在关节空间的角位移，q为第i个关节的角位移，i＝1,2,…,n，n对应着机器人的关节数，为机器人在关节空间的角速度，为第i个关节的角速度，K是自适应神经网络控制器增益矩阵； 构造神经网络权值估计值的权值更新律为： 其中，Γ为权值更新律的增益项，σ为权值更新律的设计常数； S4、利用常值神经网络权值构建常值神经网络阻抗控制器： 其中，Kf是最优人机交互力增益，Md是二阶阻抗模型惯性矩阵，Bd是最优二阶阻抗模型阻尼矩阵，Kd是最优二阶阻抗模型刚度矩阵。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。