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！

龙图腾网获悉厦门大学申请的专利基于六维力传感器的机械臂末端负载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：CN117021109B 。

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：202311151839.0，技术领域涉及：B25J9/16；该发明授权基于六维力传感器的机械臂末端负载动力学参数辨识方法是由谢瑜;肖江涛;陈艺伟;文地云;林浩勋;罗涛;秦利锋;张金惠;周伟设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本基于六维力传感器的机械臂末端负载动力学参数辨识方法在说明书摘要公布了：本发明公开了一种基于六维力传感器的机械臂末端负载动力学参数辨识方法，涉及机械臂负载辨识技术领域，包括：基于牛顿‑欧拉动力学方程构建机械臂末端负载动力学模型，并转化为线性形式并加入六维力传感器误差项；设计机械臂初始激励轨迹，对该轨迹进行优化求解，控制机械臂运行最优激励轨迹，并采集实验数据；对采集到的实验数据进行滤波和中心差分处理，通过机械臂雅克比矩阵获得待辨识方程中所需数据；将获得的待辨识方程中所需数据输入加权和声算法中，求解出负载的动力学参数，实现负载动力学参数的辨识。本发明具有实时性好，受空间约束小和精度高等优点，适用于多种非结构环境下的机械臂负载动力学参数辨识。

本发明授权基于六维力传感器的机械臂末端负载动力学参数辨识方法在权利要求书中公布了：1.一种基于六维力传感器的机械臂末端负载动力学参数辨识方法，其特征在于，包括： S1，基于牛顿-欧拉动力学公式，建立相对六维力传感器坐标系的负载动力学方程； S2，将负载动力学方程线性化得到负载动力学参数辨识模型，分离出观测矩阵和待辨识参数集； S3，在观测矩阵和待辨识参数集中加入传感器测量值误差项，获得加入六维力传感器误差项的线性化负载动力学模型； S4，结合傅里叶级数和五次多项式设计用于实验数据采集的初始激励轨迹，以观测矩阵条件数最小为优化目标，根据机械臂关节角度、角加速度限值、始末速度和加速度为零和机械臂末端TCP的运动空间约束，优化求解得到最优激励轨迹； S5，控制机械臂运行最优激励轨迹，采集机械臂的关节角度、角速度值以及六维力传感器测量数据，采用巴特沃斯低通滤波器对采集的数据进行滤波；基于速度雅克比矩阵计算机械臂末端负载相对六维力传感器坐标系的角速度、线速度以及重力加速度；基于中心差分算法计算机械臂末端负载相对六维力传感器坐标系的角加速度和线加速度； S6，将角速度、重力加速度、角加速度、线加速度以及六维力传感器测量数据输入到加权和声算法中，计算出负载的动力学参数集，实现负载动力学参数的辨识； 所述S1中，负载动力学方程表示如下： 其中，f＝[]，为负载对机械臂末端六维力传感器的力矢量；τ＝[]，为负载对机械臂末端六维力传感器的力矩矢量；m为负载质量；sa、sg、sα和sω分别为负载相对六维力传感器坐标系的线加速度、重力加速度、角加速度和角速度；sc＝[scx,scy,scz]T，为负载质心在六维力传感器坐标系中的位置坐标；sI为负载相对六维力传感器坐标系的惯性张量； sI表示如下： 其中，Ixx为负载对x轴的惯性矩；Iyy为负载对y轴的惯性矩；Izz为负载对z轴的惯性矩；Ixy为负载对x轴和y轴的惯性积；Ixz为负载对x轴和z轴的惯性积；Iyz为负载对y轴和z轴的惯性积； 所述S2中，负载动力学参数辨识模型F′表示如下： F′＝Ysa,sα,sω,sgsP 其中，Ysa,sα,sω,sg为观测矩阵；待辨识参数集为sP＝[m,mscx,mscy,mscz,Ixx,Iyy,Izz,Ixy,Ixz,Iyz]T； 所述S3中，加入六维力传感器误差项的线性化负载动力学模型F表示如下： F＝Yextsa,sα,sω,sg·sPext 其中，F＝[sf,sτ]T为六维力传感器的测量值；Yextsa,sα,sω,sg为观测矩阵；待辨识参数集为sPext＝[fox,foy,foz,τox,τoy,τoz,sP]T＝[fox,foy,foz,τox,τoy,τoz,m,mscx,mscy,mscz,Ixx,Iyy,Izz,Ixy,Ixz,Iyz]T； 其中，fox,foy,foz,τox,τoy,τoz分别表示六维力传感器的六个分量上的初始误差； 所述S6，具体包括： S61，设置辨识模型误差绝对值函数为加权和声算法的优化目标函数，如下： 其中，error表示动力学模型估计六维力的误差矩阵；norm表示矩阵范数；W＝1|stderror|，表示权重向量，std表示计算标准差；表示由激励轨迹中采集并计算得到的n组sa,sα,sω,sg数据输入Yextsa,sα,sω,sg中得到的数值观测矩阵，sPext表示负载的动力学参数集，即和声变量；表示激励轨迹中采集的n组六维力传感器测量数据； S62，根据优化目标函数，设置加权和声算法的计算参数，根据负载类型设置和声变量约束区间，随机生成若干组初始和声变量，组成和声记忆库； S63，复制和声记忆库中的第一组和声变量，生成随机数r，比较随机数与设定阈值的大小，根据规则生成新的和声变量；规则表述如下： 当rhmcr时，选择一个随机的和声并将其对应变量的值复制到新和声中； 当rpar_min时，使用另一个随机的和声来更新该变量的值； 如果rpar_max，则使用新和声和当前和声之间的差异来更新该变量的值； 其中，hmcr表示和声记忆库响应率；par_min表示最小参数值；par_max表示最大参数值； S64，按照优化目标函数计算和声记忆库中各组和声变量的评价值，根据评价值从小到大的顺序对和声记忆库中的和声变量进行排序； S65，用新生成的和声变量替换和声记忆库中排序最后的旧和声变量，即评价值最大的和声变量； S66，判断加权和声算法是否达到最大迭代次数，若未达到，返回S63；若达到，执行S67； S67，返回和声记忆库中排序第一的和声变量作为加权和声算法的最终解，即负载的动力学参数集sPext。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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。