Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连理工大学;南方科技大学韩先浩获国家专利权

大连理工大学;南方科技大学韩先浩获国家专利权

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!

龙图腾网获悉大连理工大学;南方科技大学申请的专利一种基于谱子流形的绳驱张拉整体机器人快速精准控制方法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:CN120578055B

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:202510582384.0,技术领域涉及:G05B13/04;该发明授权一种基于谱子流形的绳驱张拉整体机器人快速精准控制方法是由韩先浩;李明武;王铭基;刘宗诚;李飞;邓芝龙;彭海军设计研发完成,并于2025-05-07向国家知识产权局提交的专利申请。

一种基于谱子流形的绳驱张拉整体机器人快速精准控制方法在说明书摘要公布了:本发明提供一种基于谱子流形的绳驱张拉整体机器人快速精准控制方法,属于张拉整体机器人控制领域。首先,将末端位置数据作为采样数据,进行截断后从截断数据中移除沿z坐标轴方向的数据得到训练数据。其次,根据Takens延时嵌入定理,将训练数据投影到谱子空间,参数化谱子流形以及降阶动力学,并找到最优解。最后,开环控制采样末端中心点的位置数据和控制输入,将末端中心点的数据投影到谱子空间上,转化为最优问题从而学习控制矩阵,进而构建最优控制问题。本发明对高维数据的依赖性较低,噪声敏感性较弱,降阶模型具有较强的鲁棒性,能够高效地实现绳驱张拉整体机器人末端位姿的快速精准控制,并且具有较强的适应性和扩展性。

本发明授权一种基于谱子流形的绳驱张拉整体机器人快速精准控制方法在权利要求书中公布了:1.一种基于谱子流形的绳驱张拉整体机器人快速精准控制方法,其特征在于,所述绳驱张拉整体机器人快速精准控制方法包括以下步骤: 步骤1:首先在无控制输入信号的情况下使绳驱张拉整体机器人作自由振荡,将末端的位置数据作为采样数据,然后截断采样数据中的前秒数据得到截断数据,最后,从截断数据中移除沿坐标轴方向的数据得到训练数据; 步骤2:根据Takens延时嵌入理论,将训练数据嵌入到谱子流形中,得到训练数据中隐含的非线性动力学特性;首先,计算出最小的嵌入维度,然后确定延时采样次数,最后,根据延迟嵌入公式对训练数据进行升维处理得到嵌入数据; 步骤3:首先,将步骤2得到的嵌入数据近似投影到谱子空间;然后,采用参数化方法,泰勒展开谱子流形几何形状函数以及降阶模型的动力学方程;再次,采用岭回归的方法找到泰勒展开多项式系数的最优解;最后,根据嵌入数据所构成的谱子流形,学习坐标轴方向数据映射到谱子流形的关系,将坐标轴方向数据统称为向量场; 所述的步骤3具体如下: 步骤3‑1:对嵌入数据采用PCA主成分分析; 采用PCA主成分分析,将嵌入数据近似投影到谱子空间中;首先,对嵌入数据进行svd奇异值分解,求解特征值和特征矩阵,选择前个谱子流形维度所对应的特征向量记为,将嵌入数据近似投影到谱子空间中: 9; 其中,是模态坐标,表示所张成的空间近似为与谱子流形相切的谱子空间; 步骤3‑2:采用参数化方法,泰勒展开谱子流形几何形状函数; 首先,假设存在以下谱子流形几何形状函数关系: 10; 其中,函数表示谱子流形几何形状函数,唯一将模态坐标映射到嵌入数据中; 其次,使用参数化方法,将函数泰勒展开为多项式的形式: 11; 其中,和是系数矩阵,表示所对应的系数矩阵,表示所对应的系数矩阵;是泰勒展开多项式的阶数;表示从两阶到阶的一系列多项式基函数; 最后,采用岭回归方法,最小化以下目标函数来获得最优的系数矩阵和: 12; 其中,表示优化所得到的与所对应的系数矩阵;表示优化所得到的与所对应的系数矩阵;表示矩阵的平方Frobenius范数; 步骤3‑3:采用参数化方法泰勒展开无控制下降阶模型的动力学方程,并采用岭回归方法找到最优系数矩阵; 假设谱子流形上的降阶模型的动力学方程存在如下关系: 13; 其中,是光滑非线性函数;表示对时间的导数,为无控制下降阶模型的预测数据; 同样,泰勒展开降阶模型的动力学方程如下: 14; 其中,表示所对应的系数矩阵;表示所对应的系数矩阵; 采用有限差分法计算得到;最后,通过岭回归方法最小化以下目标函数来得到最优的系数矩阵和: 15; 其中,表示优化所得到的与所对应的系数矩阵;表示优化所得到的与所对应的系数矩阵;步骤3‑4:参数化向量场,并采用岭回归方法找到最优系数矩阵; 步骤4:首先,通过开环控制,采样末端中心点的位置数据和控制输入信号,然后,将末端中心点的位置数据嵌入到谱子流形上作为控制训练数据,最后,采用岭回归方法找到最优的控制矩阵; 步骤5:根据绳驱张拉整体机器人的降阶模型,构建最优控制问题,并进行求解。

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大连理工大学;南方科技大学,其通讯地址为:116024 辽宁省大连市甘井子区凌工路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。