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！

龙图腾网获悉铜陵学院;安徽省有色金属材料质量监督检验站有限公司申请的专利一种机器人运动控制与状态监测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：CN120395997B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510776327.6，技术领域涉及：B25J19/00；该发明授权一种机器人运动控制与状态监测方法及装置是由方连娣;苏本跃;朱道宏;齐平;高鹏;史静;潘天红;都海波;周松林;何沛设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本一种机器人运动控制与状态监测方法及装置在说明书摘要公布了：本发明公开了一种机器人运动控制与状态监测方法及装置，涉及机器人控制技术领域，具体如下：接收基于多模态传感器阵列实施获取的机器人信息，并将机器人信息进行同步对齐处理；对机器人本体状态进行健康监测得到健康状态向量，结合机器人信息以及健康状态向量对机器人健康状态分析；本发明实现了从感知、监测、建模、决策到执行的全链路闭环，实时地融合环境突变与本体健康信息，并通过混合决策与关节补偿确保运动的安全与高效，相比传统依赖预先规划路径的机器人控制，能够快速响应环境动态、实时评估健康风险并自适应调整策略，克服了实时性和灵活性不足的问题，实现了对机器人自身状态的深度关联，提升机器人在复杂突变场景中的运动精度。

本发明授权一种机器人运动控制与状态监测方法及装置在权利要求书中公布了：1.一种机器人运动控制与状态监测方法，其特征在于，包括以下步骤： S1.接收基于多模态传感器阵列实施获取的机器人信息，并将机器人信息进行同步对齐处理； S2.对机器人本体状态进行健康监测得到健康状态向量，结合机器人信息以及健康状态向量对机器人健康状态分析以执行对应的安全保护策略； S3.构建环境动态模型，根据机器人信息以判断环境变化状态，确定是否重构环境动态模型，若进行重构则基于重构后的环境动态模型输出重构的轨迹状态向量以及轨迹障碍物对应的风险权重；其中状态向量包括当前轨迹的ID、位置、速度、协方差； S4.将轨迹状态向量与风险权重组合成决策状态，并通过混合算法生成最终高层动作a，具体为： S41.超参数设定：定义智能体感知环境与自身的方式，以及可执行动作的范围，以构建决策过程中的状态空间和动作空间； S42.在给定状态向量下，学习一条映射到动作a的最优策略，以最小化碰撞风险并跟踪期望轨迹； S43.将策略生成的高层动作a转换为下游控制可执行的指令； S5.根据转换后的可执行的指令进行关节级动态补偿控制，并在执行完成后，驱动编码器与力矩传感反馈机器人在关节空间的相坐标和实际测量的关节扭矩，计算关节补偿扭矩和实际测量的关节扭矩之间的差值得到关节扭矩差，用于下一次状态估计与模型更新，完成闭环反馈控制； 步骤S2中，对机器人本体状态进行健康监测得到健康状态向量，结合机器人信息以及健康状态向量对机器人健康状态分析以执行对应的安全保护策略，具体如下： S21健康状态向量包括电机温度、驱动电流、电压、关节扭矩差、电池SOC和SOH，当任意一项健康状态向量的测量值对应的模型预测残差＞3σ时，触发报警，直接将机器人进行下线处理；否则，将健康状态向量中各项指标映射到[0,1]区间的健康子评分，再将其按照对应的重要性加权融合计算得到健康得分； S22设置健康阈值，若健康得分大于或等于健康阈值时，表示当前机器人健康良好，则无需进行处理，若健康得到小于健康阈值时，表示存在一定的健康风险，则触发降级模式，降级模式为速度限制和关节功能限制；若连续超过3次触发降级模式，则对机器人进行停机下线处理； 步骤S3中构建环境动态模型，根据机器人信息以判断环境变化状态，确定是否重构环境动态模型，若进行重构则基于重构后的环境动态模型输出重构的轨迹上状态向量以及轨迹上障碍物对应的风险权重，具体如下： S31判断当前感知到的动态障碍列表是否与已有环境模型差异过大，以决定是否重构环境模型，若是则执行步骤S32，若不是则无需进行重新建模进行状态向量更新； S32对障碍物点云进行聚类与关联，从连续帧中提取各个障碍的ID、位置、速度和协方差，具体为： 对点云进行密度聚类，设定邻域半径和最小簇内点数；遍历所有点，对每个未访问点p，找出其邻域半径内所有点，若邻域点≥最小簇内点数，则从此点p开始拓展出一个簇，迭代添加所有密度可达点，直至簇不再增长，由此能够生成若干个簇集合，每簇代表一个障碍物的当前观测集合； 基于上一时刻的轨迹状态，预计到当前帧的先验状态记为，其中i表示某一条轨迹，以先验状态为中心，计算当前帧中所有簇与该轨迹的关联概率，j表示所有簇的索引，软分配测量点对此轨迹的贡献； 将带有唯一ID的轨迹状态更新为经过加权融合后的后验； 加权融合算法为：其中表示第i条轨迹在当前时刻的先验状态估计，即基于上一时刻的后验估计和运动模型预测得到的位置信息与速度信息；表示第i条轨迹的卡尔曼增益矩阵，表示第j个聚类簇的测量向量，H为观测矩阵，为第i条轨迹的创新协方差，表示预测测量与实际测量之差的方差，表示第i条轨迹对应的先验协方差矩阵，度量预测状态的不确定度，由运动模型过程噪声和上次后验协方差共同决定；Gate指的是验证门限validation gate中通过检测的测量集合，用以筛除与当前轨迹预测不符的测量；T表示矩阵转置操作，将矩阵沿主对角线翻转，使其行列互换； S33基于每个动态障碍相对机器人的最短碰撞时间计算风险权重，输出一组风险权重∈[0,1]，具体为： 对于每个障碍物i，计算机器人与每个障碍物i之间的欧式距离以及障碍物与机器人之间的相对速度，通过公式计算障碍物i与机器人在保持当前相对速度下的最短碰撞时间，并将最短碰撞时间映射为风险权重，且取值范围为[0,1]，映射基本规则为，当风险权重越接近1，表示最短碰撞时间越小，即机器人与障碍物即将发生碰撞的时间极短，属于高风险场景，需要即时、高优先级地采取避障或制动措施；反之则表示最短碰撞时间越大，即障碍物与机器人保持较远距离或相对运动不趋于接近，属于低风险场景，可以沿既定轨迹继续运动，无需紧急干预； 在同一帧中，机器人面对的所有障碍按照其对应风险权重从高至低的顺序进行排序，确保控制器优先考虑最危险的障碍，当最大风险权重超过设置的权重阈值时，控制机器人切换至紧急制动或最大迂回策略；否则按照风险权重比例进行局部轨迹偏移，在一定容忍度内避让多个低风险障碍。

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铜陵学院;安徽省有色金属材料质量监督检验站有限公司，其通讯地址为：244061 安徽省铜陵市翠湖四路1335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”。