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！

龙图腾网获悉江南大学申请的专利一种机器人动力学参数优化方法、装置以及设备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：CN115946110B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202211449351.1，技术领域涉及：B25J9/16；该发明授权一种机器人动力学参数优化方法、装置以及设备是由张相胜;陈佳明;蓝程勋设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本一种机器人动力学参数优化方法、装置以及设备在说明书摘要公布了：本发明公开了一种机器人动力学参数优化方法、装置、设备以及计算机可读存储介质，包括：通过机器人连杆参数建立机器人运动学模型以及动力学模型；对建立的动力学模型进行线性化处理，并整理出待辨识的最小参数集；将机器人的最小惯性参数观测矩阵的条件数作目标函数，设计出傅里叶级数形式的激励轨迹，并采用改进差分进化算法对傅里叶级数系数进行优化；驱动机器人按照优化的激励轨迹运动，采集数据通过最小二乘法辨识出动力学参数。本发明利用改进的差分进化算法对傅里叶级数的激励轨迹参数进行优化，保证机器人可以稳定运行在其最大安全空间内，提高了后续动力学参数辨识的精度。

本发明授权一种机器人动力学参数优化方法、装置以及设备在权利要求书中公布了：1.一种机器人动力学参数优化方法，其特征在于，包括： 通过机器人连杆参数表建立机器人运动学模型，根据所述运动学模型构建动力学模型； 将所述动力学模型进行线性化处理，得到待辨识的最小惯性参数集； 根据所述待辨识的最小惯性参数集进行参数提取，建立观测矩阵； 将所述观测矩阵的条件数作为目标函数，并构建傅里叶级数形式的激励轨迹以及约束条件； 利用改进差分进化算法求解所述傅里叶级数形式的激励轨迹的最佳参数； 将所述最佳参数带入所述傅里叶级数形式的激励轨迹中，得到最佳激励轨迹； 基于所述激励轨迹，采集机器人运动数据，利用最小二乘算法辨识出机器人动力学参数； 所述利用改进差分进化算法求解所述傅里叶级数形式的激励轨迹的最佳参数包括： S1：初始化参数种群N，设置最大迭代次数gmax； S2：计算参数种群中参数i的目标函数值，其中i∈1,2,3，…，N； S3：判断所述参数i的目标函数值是否满足所述约束条件； S4：若所述参数i的目标函数值不满足所述约束条件，则令所述参数i的目标函数值为1010，若满足，则进行S5； S5：判断所述参数i的目标函数值与初始函数值的大小； S6：若所述目标函数值大于所述初始函数值，则将所述目标函数值作为所述参数i的函数值； S7：将所述种群中的参数进行变异，交叉操作，生成第i*新参数； S8：计算所述新参数i*的目标函数值，并判断所述新参数i*的目标函数值是否大于所述参数i的函数值； S9：若所述新参数i*的目标函数值大于所述参数i的函数值，则将所述参数i作为最佳参数，若所述新参数i*的目标函数值小于所述参数i的函数值，则将所述新参数i*作为最佳参数； S10：令i＝i*+1，返回步骤S2，直至i＝gmax，输出所述最佳参数； 所述将所述观测矩阵的条件数作为目标函数，并构建傅里叶级数形式的激励轨迹以及约束条件包括： 将所述观测矩阵的条件数目作为所述目标函数，其所述目标函数的表达式为： FY＝condY＝||Y-1||·||Y|| minFY； 所述傅里叶级数形式的激励轨迹的表达式为： 其中，wf为傅里叶级数的基频，N为傅里叶级数谐波数，qi,0为常数项，ak,i，bk,i为正余弦函数幅值系数； 所述约束条件为： 其中，{sqt}为机器人运动时的末端位置集合，S表示机器人所允许运行的最大工作空间，qmax，qmin分别为各个关节角度的上下限，分别为各个关节速度的上下限，分别为各个关节加速度的上下限。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。