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！

龙图腾网获悉西北工业大学申请的专利一种基于分区神经网络的软体机械臂逆运动学建模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：CN118528256B 。

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：202410599484.X，技术领域涉及：B25J9/16；该发明授权一种基于分区神经网络的软体机械臂逆运动学建模方法是由杨惠珍;杨钧;王祎设计研发完成，并于2024-05-15向国家知识产权局提交的专利申请。

本一种基于分区神经网络的软体机械臂逆运动学建模方法在说明书摘要公布了：本发明公开了一种基于分区神经网络的软体机械臂逆运动学建模方法，首先采集软体机械手臂的运动学数据，包括软体机械手臂运动过程中的气压驱动数据和末端执行器的三维空间坐标数据，并对数据进行预处理；然后按照驱动气压方式划分区域，将逆运动学问题转化为多个子问题；最终使用采集的运动学数据集对分区神经网络进行训练，完成机械手臂逆运动学的求解。本发明方法可以用于求解软体机械手臂的逆运动学问题，并且具有较高的求解效率和控制精度。

本发明授权一种基于分区神经网络的软体机械臂逆运动学建模方法在权利要求书中公布了：1.一种基于分区神经网络的软体机械臂逆运动学建模方法，其特征在于，包括如下步骤： 步骤1：采集软体机械手臂的运动学数据，包括软体机械手臂运动过程中的气压驱动数据和末端执行器的三维空间坐标数据，并对数据进行预处理； 所述软体机械手臂为包含三个封闭腔室的圆柱体；外侧用凯夫拉纤维包裹，以防止径向膨胀，同时允许纵向膨胀；软体机械手臂采取反弯曲结构连接，两个软体机械手臂的连接角为180°，并且两个软体机械手臂的腔室连通相互，当腔室气压变化时，两节软体手臂会产生等大反向的形变； 步骤1-1：随机生成从腔室最低气压到最高气压之间的多组数据，基于生成的数据对软体手臂的任意两个腔室同时增压，记录压力传感器数据{Pij},i＝1,2；j＝1,2,3，其中i表示第i个弯曲段；j表示第j个腔体； 步骤1-2：通过双目相机捕捉软体机械手臂末端执行器的位置数据x,y,z； 步骤1-3：重复步骤1-1至步骤1-2：直至达到设定的采样数据总量； 步骤2：分区设计；按照驱动气压方式划分区域，将逆运动学问题转化为多个子问题； 步骤2-1：生成分区边界； 对软体手臂的三个腔室分别进行步进式加压，软体手臂不断纵向膨胀，直至腔室达到最大压强时停止增压；每个腔室生成一条空间折线，将这三条空间折线作为分区的边界，其交汇点为坐标原点； 步骤2-2：描述分区边界； 利用Matlab中的curvefitting工具箱，将步骤2-1中每条折线上的空间点拟合生成一个经过原点的平面，生成三个过原点的平面方程，这三个平面将作为分区的边界； 步骤2-3：判断区域位置方法； 将步骤2-2中生成的边界平面转换为向量，从而建立可计算的线性方程；通过构建不等式组，判断任意点是否位于特定区域中； 步骤2-4：判断分区表达式； 两个相交平面会产生四个空间区域，一个平面的法向量与空间点乘积的正负值只能确定空间点在其中的两个区域，同时需要两个平面法向量与空间点形成的不等式组来判断任一点所在的空间区域； 步骤3：使用采集的运动学数据集对分区神经网络进行训练，完成机械手臂逆运动学的求解； 步骤3-1：构建分区神经网络； 基于步骤2的分区，对每个区域构建一个分区神经网络模型； 步骤3-2：输入输出层的设计； 输入层为软体机械手臂末端执行器的位置数据x,y,z，输出层为腔室压力{Pij},i＝1,2；j＝1,2,3，并对数据进行预处理； 步骤3-3：准备训练数据； 将预处理的数据划分为训练集、验证集和测试集，采用交叉验证方法进行数据划分； 步骤3-4：训练模型； 选择参数对分区神经网络进行训练； 步骤3-5：模型评估； 使用测试集和验证集对模型进行评估，根据评估结果对模型进行调整和优化。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。