買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉德清縣浙工大莫干山研究院申請的專利基于有限時間神經網絡的機器人軌跡跟蹤方法、裝置及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119910665B 。

龍圖騰網通過國家知識產權局官網在2025-09-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510408424.X，技術領域涉及：B25J9/16；該發明授權基于有限時間神經網絡的機器人軌跡跟蹤方法、裝置及介質是由張鈺;何熊熊設計研發完成，并于2025-04-02向國家知識產權局提交的專利申請。

本基于有限時間神經網絡的機器人軌跡跟蹤方法、裝置及介質在說明書摘要公布了：本發明公開了一種基于有限時間神經網絡的機器人軌跡跟蹤方法、裝置及介質，包括：通過DH參數計算從機器人基座坐標系到末端執行器坐標的轉換矩陣；得出笛卡爾位置運動學方程，并設定機器人末端姿態約束方程；設定機器人末端執行器的笛卡爾空間期望軌跡；將機器人姿態保持軌跡跟蹤問題描述為一種二次規劃策略；設計一種姿態保持軌跡跟蹤的有限時間神經網絡；構建求解步驟4建立的二次規劃策略的具體動態參數的有限時間神經網絡模型，將有限時間神經網絡模型用于機器人的軌跡跟蹤。本發明由于采用了動態參數設計在任意初始誤差情形下都具有更快速的有限時間收斂性，而且經驗證采用該方法的機器人軌跡跟蹤精度較高。

本發明授權基于有限時間神經網絡的機器人軌跡跟蹤方法、裝置及介質在權利要求書中公布了：1.一種基于有限時間神經網絡的機器人軌跡跟蹤方法，其特征在于，包括： 步驟1，通過DH參數計算從機器人基座坐標系到末端執行器坐標的轉換矩陣； 步驟2，根據步驟1得到笛卡爾位置運動學方程，并設定機器人末端姿態約束方程，其中，笛卡爾位置運動學方程為，機器人末端姿態約束方程為，式中，表示笛卡爾位置雅可比矩陣，分別表示關節的角度和關節的角速度，代表機器人末端位置速度向量，代表姿態雅可比矩陣，表示方向速度向量； 步驟3，設定機器人的末端執行器的笛卡爾空間期望軌跡； 步驟4，將機器人姿態保持軌跡跟蹤問題描述為一種二次規劃策略，包括： 制定機器人姿態保持軌跡跟蹤的二次規劃策略為： 1 其中，表示對目標函數求最小值，表示式1需要滿足的約束條件；表示輔助變量，，，Oc表示實際方向向量，，表示對應向量的維數為3，η0為姿態調節參數，；；分別表示期望軌跡和期望軌跡的導數；為實際末端執行器的笛卡爾軌跡，ηp為軌跡調節參數，；表示設定的期望方向向量，表示的導數，表示方向偏差，為0則表示實現了機器人末端姿態的保持；表示位置反饋項； 步驟5，基于新型有界激活函數設計一種姿態保持軌跡跟蹤的動態參數有限時間神經網絡，包括： 構造如下具有動態參數的有限時間神經網絡求解步驟4中的二次規劃策略： 2 其中，為誤差的第ij個元素，為的導數；為常值參數，，表示的絕對值；表示對進行冪次運算；exp·表示以自然常數e為底數的指數算子，κ1、κ2、α為正調節參數，κ1＞1，κ2＞1，α＞1，γt為動態參數，，q為正調節參數，；sgn（·）表示符號函數； 步驟6，首先，通過定義合理的誤差函數構建求解步驟4建立的二次規劃策略的具體動態參數的有限時間神經網絡模型；然后，將該有限時間神經網絡模型用于機器人的軌跡跟蹤，包括： 定義如下拉格朗日函數： 6 其中，表示拉格朗日函數；代表拉格朗日乘子向量，表示的轉置矩陣；將分別關于和求偏導，并令偏導為零得如下線性方程： 7 其中，M,Y,W均為中間變量，，，，為單位矩陣，為的轉置矩陣，為的轉置矩陣； 為求解步驟4中的二次規劃策略，定義為矩陣誤差函數，且；將誤差函數代入式2得到以下有限時間神經網絡模型： 8 其中，分別表示的導數； 經式8計算得解，其前n項為機器人的關節角速度向量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人德清縣浙工大莫干山研究院，其通訊地址為：313200 浙江省湖州市德清縣阜溪街道長虹東街926號5樓28號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。