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！

龙图腾网获悉北京信息科技大学申请的专利一种基于神经网络的硬件自适应机械臂控制校准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：CN117047770B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202311114446.2，技术领域涉及：B25J9/16；该发明授权一种基于神经网络的硬件自适应机械臂控制校准方法是由张世卓;方玥;刘伟;刘佳设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种基于神经网络的硬件自适应机械臂控制校准方法在说明书摘要公布了：本发明公开了一种基于神经网络的硬件自适应机械臂控制校准方法，涉及机械臂控制领域，机械臂由4个舵机和4个小臂组成，机械臂在上下左右前后六个方向各设置一个拍摄机械臂的摄像头，方法包括：训练阶段，用随机生成数据分别训练舵机信号生成神经网络和机械臂位姿预测神经网络，根据梯度下降算法分别对两个神经网络的参数进行调整；将舵机信号生成神经网络的输出层与机械臂位姿预测神经网络的输入层连接，实现梯度串联，使用随机生成数据对梯度串联后的神经网络进行训练，并根据反向传播算法调整舵机信号生成神经网络的参数；使用阶段，用户指定机械臂末端的目标坐标，机械臂通过舵机信号生成神经网络得到舵机的目标角度，驱使机械臂进行工作。

本发明授权一种基于神经网络的硬件自适应机械臂控制校准方法在权利要求书中公布了：1.一种基于神经网络的硬件自适应机械臂控制校准方法，所述机械臂由至少两个舵机和至少两个小臂组成，所述机械臂在上下左右前后六个方向各设置一个拍摄所述机械臂的摄像头，所述方法包括： S1、训练阶段，使用随机生成的舵机角度数据和其对应的机械臂末端XYZ坐标数据作为训练集分别训练基于元学习的舵机信号生成神经网络和机械臂位姿预测神经网络，根据梯度下降算法分别对两个神经网络的参数进行调整；将所述舵机信号生成神经网络的输出层与所述机械臂位姿预测神经网络的输入层连接，实现梯度串联，使用随机生成的舵机角度数据和其对应的机械臂末端XYZ坐标数据对梯度串联后的神经网络进行训练，并根据反向传播算法调整所述舵机信号生成神经网络的参数，迭代预定次数后完成训练； 所述机械臂的舵机和小臂数量均为N个，N为大于等于2的正整数，所述训练阶段的步骤包括： S11、随机生成机械臂N个小臂各自的臂长和弯曲弧度，将数据输入机械臂仿真软件中； S12、随机生成M个N维角度向量，M为大于等于2的正整数，依次将生成的N维角度向量输入机械臂仿真软件中每个N维角度向量的N个元素分别作为机械臂N个舵机的角度，得到M个机械臂末端XYZ坐标并表示为M个3维坐标向量； S13、将步骤S12生成的所有向量的每个元素进行归一化，并将归一化后的前M-1个N维角度向量及前个M-1个3维坐标向量各自拼接，生成M-1个N+3维向量； S14、将步骤S13生成的M-1个N+3维向量按顺序首尾拼接后，再在末尾拼接第M个3维坐标向量，生成一个M-1N+3+3维向量，将该M-1N+3+3维向量作为训练集输入舵机信号生成神经网络，舵机信号生成神经网络输出一个表示第M个机械臂的舵机角度预测值的N维角度向量，将该N维角度向量与归一化后的步骤S12生成的第M个N维角度向量进行比较，使用L1Loss损失函数计算损失值，并利用梯度下降算法调整舵机信号生成神经网络的参数； S15、将步骤S13生成的M-1个N+3维向量按顺序拼接，再在末尾拼接第M个N维角度向量生成一个M-1N+3+N维向量，将该M-1N+3+N维向量作为训练集输入机械臂位姿预测神经网络，机械臂位姿预测神经网络输出一个表示第M个机械臂的末端XYZ坐标预测值的3维坐标向量，将该3维坐标向量与归一化后的步骤S12生成的第M个3维坐标向量进行比较，使用L1Loss损失函数计算损失值，并利用梯度下降算法调整机械臂位姿预测神经网络的参数； S16、重复步骤S11至S15若干次，对舵机信号生成神经网络和机械臂位姿预测神经网络进行训练； S2、使用阶段，将训练好的所述舵机信号生成神经网络的参数同步到待出厂的机械臂的舵机信号生成神经网络后将机械臂出厂；用户指定机械臂末端的目标坐标后，所述机械臂通过所述舵机信号生成神经网络得到舵机的目标角度，驱使所述机械臂进行工作。

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北京信息科技大学，其通讯地址为：100192 北京市海淀区清河小营东路12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。