買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南昌大學(xué)申請(qǐng)的專利一種基于DMSPSO-CIL算法的七自由度機(jī)械臂解析解優(yōu)化方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114995784B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210797130.7，技術(shù)領(lǐng)域涉及：G06F7/548；該發(fā)明授權(quán)一種基于DMSPSO-CIL算法的七自由度機(jī)械臂解析解優(yōu)化方法是由李春泉;陳義潔;姚凱文;江逸冰;陳利民;劉小平設(shè)計(jì)研發(fā)完成，并于2022-07-08向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于DMSPSO-CIL算法的七自由度機(jī)械臂解析解優(yōu)化方法在說明書摘要公布了：本發(fā)明提供了一種基于DMSPSO?CIL算法的七自由度機(jī)械臂解析解優(yōu)化方法，包括以下步驟：步驟1：獲取當(dāng)前機(jī)械臂關(guān)節(jié)角信息θcur，機(jī)械臂下一時(shí)刻姿態(tài)位姿信息PT,RT；步驟2：將當(dāng)前位姿信息輸入逆運(yùn)動(dòng)學(xué)解算器ASIK?RMLO得到冗余圓冗余角步驟3：將作為DMSPSO?CIL算法中粒子的位置，進(jìn)行更新迭代；判斷是否滿足終止條件，滿足則跳到步驟4，否則重復(fù)執(zhí)行步驟3；步驟4：給出最優(yōu)解及其對(duì)應(yīng)的機(jī)械臂關(guān)節(jié)角值θnest。本發(fā)明求解了七自由機(jī)械臂逆運(yùn)動(dòng)學(xué)問題，基于“關(guān)節(jié)角變化量最小”這一系統(tǒng)需求，建立了相應(yīng)的目標(biāo)函數(shù)，提出的DMSPSO?CIL算法對(duì)該實(shí)際問題進(jìn)行求解優(yōu)化。

本發(fā)明授權(quán)一種基于DMSPSO-CIL算法的七自由度機(jī)械臂解析解優(yōu)化方法在權(quán)利要求書中公布了：1.一種基于DMSPSO-CIL算法的七自由度機(jī)械臂解析解優(yōu)化方法，其特征在于：包括以下步驟： 步驟s1：獲取當(dāng)前機(jī)械臂關(guān)節(jié)角信息θcur，機(jī)械臂下一時(shí)刻的期望位姿信息PT,RT； 步驟s2：將當(dāng)前位姿信息輸入逆運(yùn)動(dòng)學(xué)解算器得到冗余圓和冗余角 步驟s3：將作為新型的粒子群優(yōu)化算法DMSPSO-CIL算法中粒子的位置，進(jìn)行更新迭代；DMSPSO-CIL包括兩個(gè)策略：動(dòng)態(tài)多子群策略DMS和全面互動(dòng)學(xué)習(xí)策略CIL；在DMS中，種群數(shù)量隨著算法迭代過程的進(jìn)行按照既定的規(guī)則逐漸減小直至為一；CIL通過采用四種交互學(xué)習(xí)模式：子群內(nèi)學(xué)習(xí)INTRA-SL，子群間學(xué)習(xí)INTER-SL，最佳學(xué)習(xí)OL和快速收斂FC，允許每個(gè)子群中的粒子相互學(xué)習(xí)，從其他子群中的粒子學(xué)習(xí)或從整個(gè)子群中的最優(yōu)子群學(xué)習(xí)； 步驟s4：給出最優(yōu)解及其對(duì)應(yīng)的機(jī)械臂關(guān)節(jié)角值θnest； 將最優(yōu)解定義為解集中與上一個(gè)解關(guān)節(jié)角之差最小者，具體的數(shù)學(xué)模型闡述如下： 其中，是冗余圓冗余角參數(shù)，θnest,θcur分別為當(dāng)前時(shí)刻機(jī)械臂關(guān)節(jié)角值和下一時(shí)刻的關(guān)節(jié)角可行解，PT和RT為機(jī)械臂下一時(shí)刻的期望位姿信息，即是帶連桿偏移的冗余機(jī)械臂逆運(yùn)動(dòng)學(xué)封閉解方法的公式表示； DMSPSO-CIL算法： s301:在DMSPSO-CIL中，首先隨機(jī)初始化所有N個(gè)粒子的速度和位置，并評(píng)估其相應(yīng)的適應(yīng)度值，同時(shí)gbest也被初始化，N個(gè)粒子被分成n個(gè)子群，每個(gè)子群對(duì)應(yīng)的gbestj也會(huì)被初始化，將最大迭代次數(shù)設(shè)置為tmax，分為m個(gè)階段，每個(gè)階段包括次迭代，m定義為m＝log2n+1； s302:階段l，l∈[1,m]，包括t次迭代，階段l第t次迭代，整個(gè)群體包括個(gè)子群，對(duì)于子群j，有個(gè)粒子； s303：對(duì)于子群j的粒子其速度更新根據(jù)INTRA-SL，INTER-SL和OL模式，如果且pr都成立，則每個(gè)粒子都根據(jù)INTRA-SL進(jìn)行速度更新，如果滿足且p≥r，則每個(gè)粒子速度更新執(zhí)行INTEA-SL，如果則每個(gè)粒子根據(jù)FC模式進(jìn)行速度更新，然后，更新每個(gè)粒子的位置，pbesti以及子群j中的gbestj； s304：如果子群j中的gbestj在連續(xù)ρ次迭代中沒有變化，且整個(gè)群中子群的數(shù)量大于1，即則為gbestj執(zhí)行OL模式； s305：對(duì)于階段l的第t次迭代，將更新整個(gè)群體中的gbest； s306：判斷是否滿足終止條件，滿足則跳到步驟s4，否則循環(huán)執(zhí)行步驟s302～s305； DMS機(jī)制的過程如下： s3011:整個(gè)種群包含N個(gè)粒子{X1,X2,…,XN}；將N個(gè)粒子分為n個(gè)子群{S1,S2,…,Sn}，每個(gè)子群由N個(gè)粒子組成；對(duì)于j∈[1,n]，Sj表示為Sj＝{Xj-1N+1,Xj-1N+2,…,XN+N}；整個(gè)迭代過程包括tmax次迭代；將tmax次迭代分為m個(gè)階段，其中m＝log2n+1；每個(gè)階段包括tmaxm次迭代；第j個(gè)子群的最佳解記作gbestj；更新所有粒子和gbestj； s3012：在第l階段l∈[1,m]，N個(gè)粒子被分成個(gè)子群，對(duì)于第j個(gè)子群包含個(gè)粒子，定義為第j個(gè)子群的最佳解為gbestj，更新所有粒子和gbestj； s3013：如果子群數(shù)量變?yōu)?，則算法終止；否則，跳轉(zhuǎn)執(zhí)行s3012； 全面互動(dòng)學(xué)習(xí)策略如下: s3021:在INTRA-SL模式下，子群中的粒子通過學(xué)習(xí)其個(gè)人最佳位置和子群中的最佳位置來更新其速度，因此在這個(gè)階段算法更加專注于局部搜索，它的速度更新公式如下： Vi＝ωVi+c1R1*pbesti-Xi+c2R2*gbestj-Xi,r≤p 其中Vi和pbesti分別表示第j個(gè)子群中第i個(gè)粒子的速度和個(gè)人最佳位置；gbestj表示在第j個(gè)子群中的最佳位置； s3022:在INTER-SL模式下，子群中的粒子通過學(xué)習(xí)其個(gè)人的最佳位置和ebest更新其速度，因此算法此時(shí)更加關(guān)注全局搜索，它的速度更新公式如下： Vi＝ωVi+c1R1*pbesti-Xi+c2R2*ebestj-Xi,rp 其中，ebestj表示從所有子群中篩選的粒子個(gè)人最佳位置的平均值，詳述如下： 其中，表示從第j個(gè)子群中隨機(jī)選擇的粒子個(gè)人最佳位置，表示整個(gè)種群的子群總數(shù)；Xj表示從第j個(gè)子群中隨機(jī)選擇的粒子的下標(biāo)索引； s3023:在OL模式下，若某子群的群體最佳位置在迭代過程中沒有更新，稱之為粒子停滯，并將停滯次數(shù)記作ρ，如果某個(gè)子群的ρ超過設(shè)定值，則從所有子群中隨機(jī)選擇兩個(gè)不同子群的最佳位置對(duì)停滯子群的最佳位置進(jìn)行更新： 其中g(shù)bestj是第j個(gè)子群的最佳粒子，R是一個(gè)區(qū)間[0,1]的隨機(jī)數(shù)，和分別是從兩個(gè)不同的子群Sa和Sb中選擇的最佳位置；Sa和Sb的選取也是隨機(jī)的，如果子群中的最優(yōu)粒子在連續(xù)的ρ次迭代內(nèi)沒有得到改善，則認(rèn)為子群陷入局部最優(yōu)，通過從其他子群中學(xué)習(xí)最優(yōu)粒子，OL模式幫助子群避免過早收斂并跳出局部最優(yōu)； S3024：在FC模式下，整個(gè)種群中的每個(gè)粒子都向gbest學(xué)習(xí)，以加快其收斂速度并提高求解精度，如下所示： Vi＝ωVi+c2R2*gbest-Xi gbest表示整個(gè)種群中的最佳位置；如果子群的數(shù)量大于1，即則CIL方案將執(zhí)行INTRA-SL，INTER-SL和OL模式；否則CIL方案將僅執(zhí)行FC模式。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南昌大學(xué)，其通訊地址為：330000 江西省南昌市紅谷灘新區(qū)學(xué)府大道999號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。