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！

龙图腾网获悉山东科技大学申请的专利一种基于迭代学习观测器的6自由度机械臂扰动补偿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：CN120921362B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202510920802.2，技术领域涉及：B25J9/16；该发明授权一种基于迭代学习观测器的6自由度机械臂扰动补偿控制方法是由盛春阳;王晨;王海霞;卢晓;聂君;张治国;宋诗斌;孙巧巧设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种基于迭代学习观测器的6自由度机械臂扰动补偿控制方法在说明书摘要公布了：本发明公开了一种基于迭代学习观测器的6自由度机械臂扰动补偿控制方法，步骤为：以视觉伺服系统为研究对象，系统包括机械臂、感知部分和目标物体，基于带关节速度扰动的深度无关雅可比矩阵模型构建状态空间模型；基于关节传感器信息构造辅助状态系统与误差传递方程，设计迭代学习观测器估计关节速度扰动；将扰动估计值嵌入视觉模型预测控制器，生成最优控制信号，通过前馈补偿机制修正关节速度输入，实现干扰主动抑制。本发明能够提升突发性扰动的跟踪响应速度，在关节速度存在干扰的情况下维持系统稳定性，从而实现跟踪期望轨迹的视觉伺服任务。

本发明授权一种基于迭代学习观测器的6自由度机械臂扰动补偿控制方法在权利要求书中公布了：1.一种基于迭代学习观测器的6自由度机械臂扰动补偿控制方法，其特征在于，包括以下步骤： 步骤1：以视觉伺服系统为研究对象，系统包括机械臂、感知部分和目标物体，基于带关节速度扰动的深度无关雅可比矩阵模型构建状态空间模型； 步骤2：基于关节传感器信息构造辅助状态系统与误差传递方程，设计迭代学习观测器估计关节速度扰动； 步骤3：将扰动估计值嵌入视觉模型预测控制器，生成最优控制信号，通过前馈补偿机制修正关节速度输入，实现扰动主动抑制； 所述步骤1具体为： 首先，构建特征点，特征点在像素坐标下的坐标公式为： 1； 其中，，为特征点在像素平面的坐标；，表示特征点在相机坐标下的深度，为的第行，为内参矩阵和外参矩阵的乘积，表示机械臂末端执行器坐标系相对于基坐标系的齐次变换矩阵，表示视觉特征点在机械臂基坐标系下的三维坐标； 对特征点在像素坐标下的坐标进行时间微分，则特征点的图像坐标的变化率和机械臂关节速度之间的关系表示为： 2； 其中，为连续时间，为机械臂关节速度，且；是深度无关雅可比矩阵，其表达式如下： 3； 其中，为求导符号，为机械臂关节角度； 为了使用预测模型控制方法设计控制率，建立了离散时间状态空间模型，考虑机械臂的关节速度存在扰动，离散时间状态空间模型表示为： 5； 其中，为控制器输入信号，为相机深度，为采样时间，为速度扰动信号； 所述步骤2具体为： 设为关节速度测量值，表示为： 6； 对求导得： 7； 令和，引入一个辅助变量构造辅助状态系统，表示为： 8； 其中，是一个系数矩阵，令，对求导，得到误差传递方程： 9； 将代入到式8得： 10； 式10中关节角度和关节速度是可测量的，由公式10计算得到，在每个控制周期通过公式10更新辅助状态，再通过能够获得； 设计迭代学习观测器，通过迭代更新机制，结合历史估计信息与误差传递方程，实现对系统状态及未知扰动的高精度估计，表达式为： 11； 其中，是的估计，是的估计，是时间间隔，、、、为系数矩阵； 式11中第一个方程为状态更新方程，基于当前时刻的估计状态和扰动估计，通过引入反馈增益矩阵调节系统动态特性，并利用学习增益矩阵对实际状态与估计状态的偏差进行校正，生成下一时刻的状态估计值；式11的第二个方程为扰动估计更新方程，通过历史扰动估计和反馈增益矩阵，结合当前状态估计误差的学习增益矩阵，实现对未知扰动的迭代修正； 当第次迭代扰动估计误差减小到预设误差边界，则迭代结束； 所述步骤3具体包括： 基于公式5，带关节速度扰动的视觉模型预测控制器的二次型代价函数定义为： 12； 其中，矩阵，，，是各项的权重矩阵，为视觉伺服图像误差，为预测时域，，是一个有限的正整数，是模型预测控制器的预测时域，，是期望的特征点轨迹； 优化问题描述为： 13； 其中，；、为控制输入约束，、为图像坐标约束，为期望图像坐标； 将迭代学习观测器实时估计的关节速度扰动信号嵌入状态预测方程，在预测时域内，基于含扰动估计的状态预测方程生成未来状态序列，并以此构建代价函数；在每个采样时刻，最小化代价函数并考虑上述约束，得到最优控制序列，并在每个采样时刻都把最优控制序列的第一项作为控制信号； 将迭代学习机制嵌入MPC前馈补偿回路，利用迭代学习观测器观测关节速度扰动，结合MPC控制输入，得到最优控制信号为： 14。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。