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！

龙图腾网恭喜石河子大学申请的专利一种飞走式巡线机器人柔索环境下滑移反向约束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：CN116300413B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202210582535.9，技术领域涉及：G05B13/04；该发明授权一种飞走式巡线机器人柔索环境下滑移反向约束控制方法是由秦新燕;冯天明;雷金;李惠东;李博;张杰;李兆钧;王艳琦;王德新设计研发完成，并于2022-05-26向国家知识产权局提交的专利申请。

本一种飞走式巡线机器人柔索环境下滑移反向约束控制方法在说明书摘要公布了：本发明提出一种适用于飞走式巡线机器人柔索环境下滑移反向约束控制方法，该方法包括：建立飞走式巡线机器人的多变量模型预测控制的状态变量方程模型，对所述状态方程模型进行模型预测控制；每个控制周期内，比较控制器输出信号值，得到滑移率，将滑移率作为目标函数的约束之一，构成滑移率对控制系统的反向约束，通过遗传算法规划器求解所述目标函数的最优解，得到多变量模型预测控制的参考输入；利用所述参考输入，对多变量模型预测控制的真实输入进行控制分配。本发明提出的方法可用于模型预测控制系统的输入控制，有效的解决多变量模型预测控制系统中存在的反向约束的问题，提高了模型预测控制器的适用范围。

本发明授权一种飞走式巡线机器人柔索环境下滑移反向约束控制方法在权利要求书中公布了：1.一种飞走式巡线机器人柔索环境下滑移反向约束控制方法，其特征在于，包括： 步骤1：定义飞走式巡线机器人多变量模型预测控制的状态变量，建立多变量模型预测的状态变量方程模型；每个控制周期内，通过比较控制器的输出信号值，得到实际滑移率； 步骤2：每个控制周期内，比较实际滑移率与目标滑移率的关系，建立以滑移率为约束之一的目标函数，通过遗传算法求解所述目标函数的最优解，得到多变量模型控制的参考输入量； 步骤3：利用参考输入量，对多变量模型预测控制的真实输入量进行控制分配； 建立多变量模型预测控制的状态变量方程模型，包括： 步骤1：定义飞走式巡线机器人的状态变量x，如下： x＝[x1,x2]T＝[x,v]T1 其中，x1表示线上行走的位移x，x2表示线上行走的速度v； 步骤2：对整个多变量模型预测控制，其控制输入量为驱动电机输出转矩T和压紧电机压紧力P，建立多变量模型预测控制的状态变量方程模型如下： 式中，m为无人机质量，ε为摩擦系数，g为重力加速度，θ为无人机倾角，R为主动轮半径，其中，无人机倾角以正弦函数的方式作为干扰量，即ω＝sinθ； 步骤3：定义多变量模型输入的输出变量，包括： y＝[y1y2y3y4]T＝[x,v,ω1,ω2]T4 其中，y1表示线上行走的位移x，y2表示线上行走的速度v，y3表示主动轮的角速度ω1，y4表示从动轮的角速度ω2； 对所述状态变量方程进行模型预测控制，每个控制周期内，当机器人沿呈悬链状弹性线缆长距离移动时，受机器人自重引起的柔索形变及高空风摆等环境因素干扰，使机器人在线上行走时发生打滑现象；通过比较控制系统的输出信号值，可得到实际滑移率；每个控制周期内，比较实际滑移率与目标滑移率，建立以滑移率为约束之一的目标函数，通过遗传算法求解所述目标函数的最优解，得到多变量模型预测控制系统的参考输入，包括： 步骤1：定义控制系统的控制变量u＝[u1u2]T；其中，u1表示驱动力矩T，u2表示压紧力P； 步骤2：对所述多变量模型预测控制建立控制模型： 步骤3：对所述控制模型进行离散化，得到离散化模型，对所述离散化模型导出的预测输出与目标输出建立模型预测控制的目标函数，通过将滑移率作为约束条件之一，使用遗传算法求解所述模型预测控制的目标函数的最优解，得出控制输入的参考输入； 对所述离散化模型导出的预测输出与目标输出建立预测模型控制的目标函数，通过将滑移率作为约束条件之一进行多目标规划，通过遗传算法求解所述目标函数的最优解，从而得到多变量控制系统的参考输入，包括： 步骤1：机器人不打滑的压紧力需求为： 步骤2：定义滑移率η＝y3y4； 步骤3：建立目标函数： 建立以滑移率为约束之一的约束域为： 步骤4：通过遗传算法的方法求解所述目标函数的最优解，得到多变量模型预测控制的参考输入。

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石河子大学，其通讯地址为：832003 新疆维吾尔自治区石河子市石河子大学机械电气工程学院；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”。