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！

龙图腾网获悉南京工业大学申请的专利基于径向基函数网络的机械臂迭代学习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：CN119795191B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510201379.0，技术领域涉及：B25J9/16；该发明授权基于径向基函数网络的机械臂迭代学习控制方法是由史建涛;唐佳雯;岳冬冬;陈闯;刘钦源;冯李航;王莉设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本基于径向基函数网络的机械臂迭代学习控制方法在说明书摘要公布了：本发明公开基于径向基函数网络的机械臂迭代学习控制方法，该方法解决了传统机械臂控制方法在复杂动态环境中应对非线性特性和外部扰动问题的局限性。本发明所提出的方法包括以下步骤：首先构建机械臂系统动力学模型、采用动态修正策略对参考轨迹的动态修正与优化；然后设计径向基函数神经网络构建非线性补偿项，并设计优化控制器性能的动态权重参数和动态学习增益；最后进行迭代学习控制器的设计，并验证控制算法的稳定性与误差收敛性。本发明通过径向基函数网络、动态调整策略和迭代学习策略，提升了机械臂系统的控制精度、适应能力和误差收敛速度。

本发明授权基于径向基函数网络的机械臂迭代学习控制方法在权利要求书中公布了：1.基于径向基函数网络的机械臂迭代学习控制方法，其特征在于，具体包括以下步骤： S1、构建机械臂系统动力学模型，并明确机械臂系统的动力学特性及设定适用的假设条件；构建的机械臂系统动力学模型为： 其中，分别表示机械臂的实际位移、速度以及加速度；为迭代学习次数，t∈[0,Tk]为时间索引；Tk为第k次迭代的实际执行时间，且满足0＜Tmin≤Tk≤T，Tmin为单次迭代的最短执行时间,T为单次迭代的最大执行时间；为惯性矩阵，为向心-科氏力矩阵，为重力向量；τkt为转矩输入，也即控制输入，dkt为包含未建模动态和外部扰动的综合扰动向量； 明确机械臂系统的动力学特性及设定适用的假设条件具体包括： 为简化表达，省略时间和状态依赖符号；则步骤S1中构建的机械臂系统动力学模型需满足以下动力学特性： 特性1、惯性矩阵Mqk是对称且正定的，其值在机械臂系统的运行过程中保持有界； 特性2、矩阵为反对称矩阵；其中，为惯性矩阵的一阶导数； 特性3、向心-科氏力矩阵和重力向量Gqk满足如下有界性条件： Gqk≤κg； 其中，κc和κg是正参数； 在明确动力学特性的基础上，引入如下假设条件： 假设1、目标轨迹及其一阶和二阶时间导数，即qd,和以及综合扰动向量dk在的条件下均有界； 假设2、在每次迭代学习控制中，机械臂系统的初始状态满足对齐条件，即qk0＝qk-1Tk且 S2、结合机械臂的初始轨迹数据，采用动态修正策略，对机械臂的参考轨迹进行多次迭代优化，并定义轨迹误差；同时确保参考轨迹的起始与目标状态满足任务需求，优化轨迹路径的平滑性和可达性；步骤S2具体包括以下步骤： S21、构造修正函数对机械臂的参考轨迹进行动态优化，公式表示为： 其中，qm,kt表示第k次迭代优化生成的参考轨迹；和是二阶可微的修正函数； S22、设置修正函数的约束条件；具体包括： 设置修正函数的约束条件为： 当t∈[Ta,T]时，且 在[0,T]上是有界的； 当t∈[Ta,T]时，且 当t∈[Ta,T]时，且 设置修正函数的约束条件为： 当t∈[Ta,T]时，且 在[0,T]上是有界的； 当t∈[Ta,T]时，且 当t∈[Ta,T]时，且 其中，分别为修正函数的一阶时间导数和二阶时间导数；分别为修正函数的一阶时间导数和二阶时间导数；Ta为设计参数，满足0＜Ta≤Tk；每一次迭代生成的参考轨迹qm,kt的起点状态与上一次迭代的终点状态保持一致，即qm,k0＝qm,k-1Tk且 S23、定义轨迹误差；轨迹误差包括位移误差和速度误差公式表示为： 其中，qm,kt表示第k次迭代优化生成的参考轨迹，qkt表示第k次迭代过程中的实际轨迹；和分别表示第k次迭代中机械臂在参考轨迹和实际轨迹上的速度，也即qm,kt、qkt的一阶导； S3、设计径向基函数RBF网络，通过选择基函数的中心位置和宽度参数，构建适配动态特性的非线性补偿项，以补偿未建模动态和外部扰动对机械臂系统的影响； S4、设计估计的动态权重参数和动态学习增益，优化控制器在迭代过程中的响应速度与输出平滑性，减少控制输入的振荡问题，确保权重误差的渐进收敛； S5、结合反馈控制、非线性补偿和迭代学习方法，设计迭代学习控制器，实现对历史数据的充分利用，实时调整控制律，并逐步减小轨迹误差，增强控制系统的适应性；控制律的具体结构表示为： 其中，τkt为第k次迭代过程中控制输入，KP和KD分别为位移误差和速度误差的正定反馈增益矩阵，和分别表示第k次迭代的位移误差和速度误差；为估计的动态非线性补偿项，双曲正切函数用于限制补偿项幅值，∈为误差平滑参数，用于限制轨迹误差的影响范围； 估计的动态非线性补偿项由RBF网络计算得到，即： 其中，为估计的动态权重参数的转置；μΨt,t为RBF网络的基函数向量，Ψt为RBF网络的输入特征向量； 通过控制律动态调整机械臂的轨迹误差，轨迹误差的动态方程表示为： S6、基于Lyapunov稳定性理论和复合能量函数CEF，分析控制系统在复杂动态环境下的稳定性，检验控制器的全局渐近稳定性以及机械臂轨迹误差的逐步收敛性。

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南京工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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。