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！

龙图腾网获悉重庆理工大学申请的专利一种智能控制六连杆式骨折复位机器人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：CN119367049B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411638345.X，技术领域涉及：A61B34/10；该发明授权一种智能控制六连杆式骨折复位机器人是由吴小勇;高琴;丁军设计研发完成，并于2024-11-16向国家知识产权局提交的专利申请。

本一种智能控制六连杆式骨折复位机器人在说明书摘要公布了：本发明公开了一种智能控制六连杆式骨折复位机器人，包括两个用于安装克氏针的固定环，两个固定环之间铰接设置有六根整体呈沿周向均匀分布的连接臂，任意两根相邻的连接臂一端靠拢且另一端分开呈八字形，各连接臂上均设置有伸缩装置，还包括控制中心（PC端），控制中心和所述伸缩装置通讯连接并实现伸缩控制，控制中心内设置有用于控制两个固定环相对位置路径的控制模块和用于设计控制路径的路径规划模块，其特征在于，所述路径规划模块具有改进的RRT*路径规划算法。本申请方案能够辅助医生操作，以更好地通过避障策略避开误伤，更好地提高了机器人用于骨折康复辅助过程的可靠性。

本发明授权一种智能控制六连杆式骨折复位机器人在权利要求书中公布了：1.一种智能控制六连杆式骨折复位机器人，包括两个用于安装克氏针的固定环，两个固定环之间铰接设置有六根整体呈沿周向均匀分布的连接臂，任意两根相邻的连接臂一端靠拢且另一端分开呈八字形，各连接臂上均设置有伸缩装置，还包括控制中心，控制中心和所述伸缩装置通讯连接并实现伸缩控制，控制中心内设置有用于控制两个固定环相对位置路径的控制模块和用于设计控制路径的路径规划模块，其特征在于，所述路径规划模块具有改进的RRT*路径规划算法；所述改进的RRT*路径规划算法包括以下步骤： 步骤S1：初始化地图，设置势力场数值相关参数； 步骤S2：引入人工势场法，产生随机采样点q new； 步骤S3：采用圆柱包络法，在q new建立圆柱体，检测是否发生碰撞；若发生碰撞返回执行步骤S2重选进行采样，未发生碰撞则继续执行步骤S4； 步骤S4：找到距离随机采样点最近的树节点q n，同时将该节点作为q new的父节点； 步骤S5：找到q new的最小总路径，并重新连线； 步骤S6：判断q new到Q goal距离是否小于步长；若不是，则返回执行步骤2进行采样，若是则继续执行步骤S7； 步骤S7：采用高斯平滑算法拟合处理，将处理后的点加入新的平滑路径集合中； 步骤S8：生成最终平滑规划路径并路径规划任务结束； 所述步骤S1，包括以下小步骤：1）初始化地图，设置地图的大小为2×2×2cm，起点设置为-1,-1,-1，终点设置为1,1,1；2）设置圆柱障碍物的半径和高度分别为0.05和0.2，位置信息为0,0,-0.1，-0.6,-0.6,0.4，0.6,-0.6,0.4，-0.6,0.6,0.4，0.6,0.6,0.4，-0.6,-0.6,-0.4，0.6,-0.6,-0.4-0.6,0.6,-0.40.6,0.6,-0.4；3）设置人工势力场参数，引力相对强度为1，斥力相对强度为2，斥力影响范围为0.3，设置步长为0.04； 所述步骤S2，包括以下步骤：1）首先为终点创建引力场，障碍物创建斥力场；2）随机选择位置，在采样空间内随机选择一个位置作为潜在的采样点q new ；3）计算势场值，对于随机生成的点q new ，计算其引力势和斥力势；4）计算总势场值；如果该势场值满足预定的条件，则接受q new 作为一个有效的随机采样点； 所述步骤S3，包括以下步骤：1）在q new 点建立圆柱体，即在随机采样点q new 的位置建立一个圆柱体，圆柱体的中心点位于q new ，半径为0.05，高度为0.2；2）对每个障碍物进行以下检测，计算障碍物与圆柱体的最小距离；如果最小距离≤0.1，则记录发生碰撞；3）处理碰撞结果，如果检测到碰撞，则返回步骤S2，重新生成一个随机采样点q new ，并重新建立圆柱体进行碰撞检测；如果没有检测到碰撞，则采样点q new 有效，继续执行后续的路径规划步骤； 所述步骤S4，包括以下步骤：1）遍历路径树，遍历当前路径树中的所有节点；2）计算距离，对于每个节点，计算其与随机采样点q new 之间的距离；3）比较并选择最小距离，即比较所有计算出的距离，找到最小距离对应的节点，即为最近节点q n ；4）更新树结构，在路径树中，将q n 标记为q new 的父节点，并在q n 的子节点列表中添加q new ；5）存储连接信息，记录q n 与q new 之间的连接信息，以便于后续的路径搜索和优化； 所述步骤S5，包括以下步骤：1）计算从树根到q n 的已知最优路径成本，并将其加上从q n 到q new 的新路径成本，作为q new 的初始总路径成本；2）遍历q new 的邻近节点，检查所有与q new 直接相连的节点，即检查q n 的所有子节点以及q n 的兄弟节点；3）对于每个邻近节点，计算从树根到该邻近节点，再通过该邻近节点到q new 的路径成本；4）比较路径成本，将每个邻近节点到q new 的路径成本与当前的最小总路径成本进行比较；如果发现通过某个邻近节点的路径成本更低，则更新q new 的最小总路径成本，并记录下这个新的路径；5）重新连线，如果找到了一个更低成本的路径，那么需要将q new 从原来的父节点q n 断开，并将其连接到新的父节点； 所述步骤S6，包括以下步骤：1）计算q new 与Q goal 之间的距离；2）将计算出的距离与步长进行比较：如果距离小于步长，则认为q new 足够接近Q goal ，则继续执行步骤S7；如果距离大于或等于步长，则认为需要更接近Q goal 的采样点，因此返回执行步骤S2以进行新的采样； 所述步骤S7，包括以下步骤：1）路径点收集：收集从起点到当前q new 的所有路径点，这些点组成了原始的非平滑路径； 2）应用高斯平滑算法，计算每个点的加权平均值，具体包括以下步骤： a.确定高斯函数的参数，参数包括标准差（σ）；b.对于路径上的每个点，使用高斯权重计算其周围点的加权平均值；c.将每个原始路径点替换为其加权平均值，或者添加新的点以形成平滑后的路径； 3）生成平滑路径，通过对每个原始路径点应用高斯平滑，生成一组新的平滑路径点； 4）加入平滑路径集合，即将处理后的平滑路径点加入到新的平滑路径集合中； 所述步骤S8，包括以下步骤：1）整合平滑路径点：将步骤S7中生成的平滑路径点集合整合成一条连续的路径；2）生成最终路径：将优化后的平滑路径定义为最终路径，这条路径为从起点到目标点的最佳可行路径；3）输出路径，即将最终路径以适当的数据结构或格式输出，以便它可以被用于复位任务；4）结束路径规划任务，即在成功生成最终路径后，路径规划算法的任务结束。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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。