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！

龙图腾网获悉武汉大学申请的专利机器人的加速度估计方法、装置、电子设备及存储介质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：CN119474653B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411280134.3，技术领域涉及：G06F18/10；该发明授权机器人的加速度估计方法、装置、电子设备及存储介质是由江佳伟;胡千帆;周永;杨恒仪设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本机器人的加速度估计方法、装置、电子设备及存储介质在说明书摘要公布了：本申请一种机器人的加速度估计方法、装置、电子设备及存储介质，其中，方法包括：根据运动模型建立状态转移方程和观测方程，将目标机器人的特征数据输入至预设的神经网络模型得到目标机器人各关节的扭矩值，并确定加速度预测值，根据上一时刻的状态向量和上一时刻的协方差生成点集，并根据状态转移方程对点集进行非线性变换得到更新后的点集，并对更新后的点集进行加权变换得到新的点集，计算加速度预测值的先验分布，获取运动模型的测量数据，根据测量数据和先验分布得到加速度预测值的后验分布，并得到系统状态量的估计向量。由此，解决了在噪声和干扰环境中难以得到高精度状态估计的问题，能够有效抑制噪声，提高加速度估计的准确性和稳定性。

本发明授权机器人的加速度估计方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种机器人的加速度估计方法，其特征在于，包括以下步骤： 获取目标机器人的运动模型； 根据所述运动模型建立状态转移方程和观测方程，并获取所述目标机器人的特征数据，将所述特征数据输入至预设的神经网络模型得到所述目标机器人各关节的扭矩值，并根据所述目标机器人各关节的扭矩值确定加速度预测值； 获取上一时刻的状态向量和上一时刻的协方差，根据所述上一时刻的状态向量和所述上一时刻的协方差生成点集，并根据所述状态转移方程对所述点集进行非线性变换得到更新后的点集，并对更新后的点集进行加权变换得到新的点集，根据所述新的点集，计算所述加速度预测值的先验分布； 获取所述运动模型的测量数据，根据所述测量数据和所述先验分布得到所述加速度预测值的后验分布，以根据所述加速度预测值的后验分布得到系统状态量的估计向量，所述对更新后的点集进行加权变换得到新的点集，根据所述新的点集，计算所述加速度预测值的先验分布，包括： 对状态函数均值和方差进行加权处理得到目标时刻系统状态量的加权均值和目标时刻系统状态量的加权协方差矩阵，其中，目标时刻系统状态量的加权均值和目标时刻系统状态量的加权协方差矩阵分别为： ； ； 所述先验分布为，其中，； ； 其中，为时刻系统状态量的加权均值，为时刻系统状态量的加权协方差矩阵，为均值权重系数，为协方差权重系数，为生成的点集，为k时刻的过程噪声协方差矩阵，为k时刻第i个采样点的实际观测值，为非线性观测函数，为先验分布的协方差，为观测噪声，为先验分布的均值，为采样点个数； 所述后验分布为，其中，； ； ； ； 其中，为状态量和测量值的加权协方差矩阵，为采样点个数，为协方差权重系数，为生成的点集，为时刻系统状态量的加权均值，为k时刻第i个采样点的实际观测值，为先验分布的均值，为先验分布协方差的逆矩阵，为上一时刻状态向量的均值，为k时刻系统状态量的加权协方差矩阵，为卡尔曼增益矩阵，为更新后的系统状态量的估计向量，为更新后的系统状态量的估计协方差矩阵，所述特征数据包括：关节角度、关节速度、基座位置和姿态、基座线速度和角速度、地形信息、外力传感器数。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌珞珈山；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。