Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜沈阳工业大学徐靖获国家专利权

恭喜沈阳工业大学徐靖获国家专利权

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!

龙图腾网恭喜沈阳工业大学申请的专利一种基于高斯过程的串联机械臂路径规划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:CN115229797B

龙图腾网通过国家知识产权局官网在2025-05-16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:202210986644.7,技术领域涉及:B25J9/16;该发明授权一种基于高斯过程的串联机械臂路径规划方法是由徐靖;魏喆;王雷;赵铁军;张明设计研发完成,并于2022-08-17向国家知识产权局提交的专利申请。

一种基于高斯过程的串联机械臂路径规划方法在说明书摘要公布了:本发明涉及一种基于高斯过程的串联机械臂路径规划方法,该方法包括以下步骤:在构型空间中分别采样机械臂的初始位姿节点和目标位姿节点;基于高斯过程模型在初始位姿节点和目标位姿节点间采样np条平滑随机路径;计算np条平滑随机路径的代价值;以代价值从小到大的顺序排序,得到排序后的随机采样路径集合;采用惰性碰撞检测方法,从随机采样路径集合中筛选出代价值最低的随机路径为无碰撞路径,若无法筛选出无碰撞路径,则重复上述步骤,直到筛选出机械臂的高质量运动路径为止。本发明具有机械臂路径规划效率高、规划质量高、稳定性强等特点。

本发明授权一种基于高斯过程的串联机械臂路径规划方法在权利要求书中公布了:1.一种基于高斯过程的串联机械臂路径规划方法,其特征在于:包括以下步骤:步骤1:在构型空间中分别采样机械臂的初始位姿节点xinit和目标位姿节点xgoal;步骤2:基于高斯过程模型在初始位姿节点xinit和目标位姿节点xgoal间采样np条平滑随机路径;步骤3:计算步骤2中np条平滑随机路径的代价值;步骤4:以代价值从小到大的顺序,将步骤2中np条平滑随机路径进行排序,得到排序后的随机采样路径集合步骤5:采用惰性碰撞检测方法,从步骤4随机采样路径集合中筛选出代价值最低的随机路径为无碰撞路径,所述无碰撞路径则为机械臂的高质量运动路径;步骤6:若步骤5无法筛选出无碰撞路径,则重复步骤2至步骤5,直到筛选出机械臂的高质量运动路径为止;步骤2中采样np条平滑随机路径的方法步骤如下:步骤2.1:确定高斯过程模型的数学特征,高斯过程模型的数学特征包括均值函数μs和核函数ks,s′;步骤2.2:根据步骤2.1中高斯过程模型的数学特征得到机械臂随机路径高斯过程模型,将机械臂构型空间中某一维度的随机采样路径δ={xs,s∈S}视为高斯过程,xs表示机械臂系统在s索引下的位姿,S为系统索引集;步骤2.3:基于步骤2.2的机械臂随机路径高斯过程模型可推导出随机采样路径的概率后验分布;步骤2.4:对概率后验分布中的协方差矩阵进行矩阵奇异值分解,基于矩阵奇异值分解得到高斯随机路径采样模型,并在机械臂构型空间的某一维度内进行高斯随机路径采样;步骤2.5:重复步骤2.2至步骤2.4,在机械臂构型空间的每一个维度内都进行一次高斯随机路径采样,并将所有采样的随机路径合并为一条完整的机械臂随机采样路径;步骤2.6:重复步骤2.5,在机械臂构型空间内随机采样np条完整的机械臂随机采样路径;步骤2.1中均值函数μs设为0;高斯过程模型中的核函数ks,s′为: 式中,s和s′为系统状态索引,参数σf反映了s=s′时路径状态点的概率分布特性,参数σl反映不同路径点间的相关性,参数σf和σl共同决定基于高斯过程的连续时间轨迹特性;步骤2.2中机械臂随机路径高斯过程模型为: 式中,δ为随机采样路径集合,为高斯过程模型表示符号,μs为均值函数,ks,s′为二次指数核函数,s和s’均为系统状态索引;步骤2.3中随机采样路径的概率后验分布为: 式中,μp和Σp分别是均值向量和协方差矩阵;δt={xinit,xgoal}和St={s1,sa}分别是机械臂初始状态、目标状态集合和对应的状态索引集合;δp={xi|i=1,2,…,N}和Sp={si|i=1,2,…,N}分别是随机路径状态点集合和对应的状态索引集合;噪声方差由表示,采样中设为0;是关于Sp和St的核矩阵;是关于Sp自身的核矩阵;是关于St自身的核矩阵;I为单位矩阵;xinit和xgoal为机械臂初始状态和目标状态,s1,s2为对应的状态索引;δp={xi|i=1,2,…,N}中1,2,…,N为随机路径状态点序号,xi为随机路径中的状态点;步骤2.4中协方差矩阵进行矩阵奇异值分解: 其中,U和V为酉矩阵,∑为对角阵;步骤2.4中,高斯随机路径采样模型为: 其中,为高斯随机分量。

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沈阳工业大学,其通讯地址为:110870 辽宁省沈阳市铁西区经济技术开发区沈辽西路111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”。

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。