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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海理工大学杨建涛获国家专利权

上海理工大学杨建涛获国家专利权

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!

龙图腾网获悉上海理工大学申请的专利一种五杆并联机器人的空间域阻抗学习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:CN117400236B

龙图腾网通过国家知识产权局官网在2026-04-21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:202210799064.7,技术领域涉及:B25J9/16;该发明授权一种五杆并联机器人的空间域阻抗学习控制方法是由杨建涛;孙太任;李斯绮;汪泽锴设计研发完成,并于2022-07-08向国家知识产权局提交的专利申请。

一种五杆并联机器人的空间域阻抗学习控制方法在说明书摘要公布了:本发明公开了一种五杆并联机器人的空间域阻抗学习控制方法,包括以下步骤:步骤1,建立五杆并联机器人的欧拉‑拉格朗日模型;步骤2,根据并联机器人的轨迹跟踪误差,建立人机系统交互力模型;步骤3,基于欧拉‑拉格朗日模型,估计阻抗动态;步骤4,基于人机系统交互力模型和阻抗动态设计人机交互力迭代学习策略;步骤5,利用人机交互力迭代学习策略对五杆并联机器人进行控制测试。本发明提出的学习控制方法保证了跟踪误差的收敛性,考虑了机器人建模的不确定性,进一步保证了人机交互的安全性。

本发明授权一种五杆并联机器人的空间域阻抗学习控制方法在权利要求书中公布了:1.一种五杆并联机器人的空间域阻抗学习控制方法,其特征在于,包括以下步骤: 步骤1,建立五杆并联机器人的欧拉-拉格朗日模型; 其中,步骤1中,所述欧拉-拉格朗日模型为: 式中,为关节角度向量,为惯性矩阵,为科里奥利力矩和离心力矩阵,为重力矩,和分别表示相互作用力和控制输入, 操作空间与关节空间的速度关系为: 式中,为工作空间中的末端执行器速度,为雅可比矩阵,得到以下机器人笛卡尔动力学: 式中,,,,,, 中的动力学公式可以参数化表达为: 式中,W是一个回归矩阵,θ是一个未知的常量向量,满足并且是一个正常数; 步骤2,根据并联机器人的轨迹跟踪误差,建立人机系统交互力模型; 其中,步骤2中,所述轨迹跟踪误差为: 5 6 7 式中,表示迭代第次的值,表示参考轨迹,为正增益; 其中,步骤2中,建立所述人机系统交互力模型的具体过程为: 将所述作为物理人机交互的参考轨迹,其中k表示第k次迭代,相互作用力扩展为: 式中,,,分别表示前馈力、刚度矩阵和阻尼矩阵,为了便于阻抗学习,可以表示为: 式中, 表示修正后的前馈力,假设存在常数矩阵,,: ,, 式中,“≤”左侧部分的每个元素都不超过“≤”右侧部分的相关元素, 人机交互力和阻抗动态随着机器人位置的变化而变化,通过以下形式呈现: 将空间坐标s定义为: 表示机器人在第k次迭代时经过的长度,以以下形式定义▽为空间微分器: 由11得,并且与空间微分和时间微分有如下关系: 基于13,将1在时域动力学转换到空间域动力学,表达式如下: 步骤3,基于所述欧拉-拉格朗日模型,估计阻抗动态; 步骤4,基于所述人机系统交互力模型和所述阻抗动态设计人机交互力迭代学习策略; 步骤5,利用所述人机交互力迭代学习策略对所述五杆并联机器人进行控制测试。

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上海理工大学,其通讯地址为:200093 上海市杨浦区军工路516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。