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！

龙图腾网获悉安徽大学申请的专利自适应神经网络的柔性关节机械臂跟踪控制方法及装置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：CN120116212B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202510197553.9，技术领域涉及：B25J9/16；该发明授权自适应神经网络的柔性关节机械臂跟踪控制方法及装置是由高赫佳;赵渊渊;洪涛;孙长银;陈锋设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本自适应神经网络的柔性关节机械臂跟踪控制方法及装置在说明书摘要公布了：本发明提供一种自适应神经网络的柔性关节机械臂跟踪控制方法及装置，涉及机器人智能控制技术领域。该方法包括：建立机器人运动学模型，定义轨迹跟踪误差，设计基于机器人运动学模型的控制输入；采用神经网络补偿模型不确定性，采用干扰观测器估计未知干扰，得到基于状态反馈的自适应有界神经网络控制；搭建机器人系统平台验证方法的可行性和有效性，并定义李雅普诺夫函数证明闭环系统的稳定性。本发明构建了一个自适应有界神经网络控制器，能够估计模型参数中的不确定性，并调整控制器增益以适应执行器限制，确保系统的有效轨迹跟踪。随后，为了进一步增强系统的稳定性和鲁棒性，本发明还设计了一个干扰观测器来估计和补偿未知的外部干扰。

本发明授权自适应神经网络的柔性关节机械臂跟踪控制方法及装置在权利要求书中公布了：1.一种自适应神经网络的柔性关节机械臂跟踪控制方法，其特征在于，所述方法包括： S1、建立机器人运动学模型； 所述S1中的机器人运动学模型，如下式1所示： 式中，Dγ∈Rn×n表示正定的质量惯性矩阵，R表示实数，n表示维数，γ∈Rn表示关节位置向量，表示关节位置的加速度，表示科里奥利和离心矩阵，表示关节位置的速度，Oγ∈Rn表示重力，τ∈Rn表示控制输入向量，τd表示未知干扰； S2、基于所述机器人运动学模型，定义轨迹跟踪误差，根据所述跟踪误差设计基于机器人运动学模型的控制输入； 所述S2中的轨迹跟踪误差，如下式2所示： 其中， 式中，e1表示第一跟踪误差，γ1表示实际的关节位置向量，γd表示理想的关节位置向量，e2表示第二跟踪误差，γ2表示实际的关节速度向量，α表示虚拟控制器，H＝[k1lncoshe11tanhe11]，…[knlncoshe1ntanhe1n]T∈Rn，T表示矩阵转置，K＝diag[k1，…kn]∈Rn×n，R表示实数，n表示维数，表示理想的关节速度向量； 所述S2中的基于机器人运动学模型的控制输入，如下式4所示： 其中， 式中，τ＝[τ1，…，τn]T∈Rn表示控制输入向量，R表示实数，n表示维数，T表示矩阵转置，e1表示第一跟踪误差，K1＝diag[k11，…k1n]∈Rn×n表示正定矩阵，e2表示第二跟踪误差，A表示过程变量，表示辅助变量，τd表示未知干扰，θi表示开关函数，和分别表示负和正的常数，O表示重力，P表示科里奥利和离心矩阵，α表示虚拟控制器，D表示正定的质量惯性矩阵，表示虚拟控制器的导数； S3、采用神经网络补偿模型不确定性，采用干扰观测器估计控制输入中的未知干扰，得到基于状态反馈的自适应有界神经网络控制； 所述S3中的采用神经网络补偿模型不确定性，如下式7所示： 式中，w*表示期望的权重向量，R表示实数，n表示维数，T表示矩阵转置，e1表示第一跟踪误差，γ1表示实际关节位置向量，γd表示理想的关节位置向量，e2表示第二跟踪误差，γ2表示实际的关节速度向量，Rz表示径向基函数，表示辅助变量，εz表示近似误差； 所述S3中的基于状态反馈的自适应有界神经网络控制，如下式8所示： 式中，τ＝[τ1，…，τn]T∈Rn表示控制输入向量，R表示实数，n表示维数，T表示矩阵转置，e1表示第一跟踪误差，K1＝diag[k11，…，k1n]∈Rn×n表示正定矩阵，e2表示第二跟踪误差，A表示过程变量，表示辅助变量，表示干扰观测器，表示辅助变量的估计值，表示权重的估计值，Rz表示径向基函数，表示权重的估计值的更新率，Γii＝1,2，...n表示一个正定矩阵，e2i表示关节i的第二跟踪误差，σ表示一个小的正常数，表示关节i的权重的估计值，θ是一个切换函数，和分别表示负和正的常数； 其中，扰动补偿器用于近似未知干扰τd，其更新律定义为： 其中，χ1和χ2表示一个常数； S4、搭建机器人系统平台验证基于状态反馈的自适应有界神经网络控制方法的可行性和有效性，并定义李雅普诺夫函数证明基于状态反馈的自适应有界神经网络的闭环系统的稳定性； 所述S4中的定义李雅普诺夫函数，包括： 定义第一李雅普诺夫函数，用于证明轨迹跟踪误差能够收敛到一个小范围内，如下式9所示： 式中，V1表示第一李雅普诺夫函数，n表示维数，e1i表示关节i的第一跟踪误差，e2表示第二跟踪误差，T表示矩阵转置，D表示正定的质量惯性矩阵； 定义第二李雅普诺夫函数，用于证明基于状态反馈的自适应有界神经网络的闭环系统的稳定性，如下式10所示： 式中，V2表示第二李雅普诺夫函数，表示权重的误差，Γii＝1,2，...n表示一个正定矩阵，χ2表示一个常数，表示干扰的误差。

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安徽大学，其通讯地址为：230000 安徽省合肥市肥西路3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。