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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華中科技大學申請的專利一種基于跨物種優(yōu)化的機械臂稀疏運動規(guī)劃方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119304894B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25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?zhí)?專利號為：202411864983.3，技術(shù)領(lǐng)域涉及：B25J9/16；該發(fā)明授權(quán)一種基于跨物種優(yōu)化的機械臂稀疏運動規(guī)劃方法及系統(tǒng)是由黃浩恩;趙晨陽;曾志剛設(shè)計研發(fā)完成，并于2024-12-18向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于跨物種優(yōu)化的機械臂稀疏運動規(guī)劃方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于跨物種優(yōu)化的機械臂稀疏運動規(guī)劃方法及系統(tǒng)，屬于機械臂控制技術(shù)領(lǐng)域，包括：S1：以機械臂的關(guān)節(jié)角角速度空間能量為目標函數(shù)，構(gòu)建機械臂的約束稀疏運動規(guī)劃模型，并基于拉格朗日乘子法轉(zhuǎn)化為無約束稀疏運動規(guī)劃模型；S2在當前迭代構(gòu)建用于求解無約束稀疏運動規(guī)劃模型的誤差動量神經(jīng)網(wǎng)絡(luò)，其包含隱藏層和輸出層；S3：求解誤差動量神經(jīng)網(wǎng)絡(luò)模型在不同初始點下的輸出層變量，并將各輸出層變量作為粒子，利用粒子群算法搜索最優(yōu)輸出層變量；S4：若未達到最大迭代次數(shù)，則轉(zhuǎn)入S2；否則，按照各次迭代中的最優(yōu)輸出層變量實現(xiàn)機械臂稀疏運動規(guī)劃。本發(fā)明能快速搜索到全局最優(yōu)解，提升機械臂稀疏運動規(guī)劃的求解質(zhì)量。

本發(fā)明授權(quán)一種基于跨物種優(yōu)化的機械臂稀疏運動規(guī)劃方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于跨物種優(yōu)化的機械臂稀疏運動規(guī)劃方法，其特征在于，包括：步驟S1：將迭代次數(shù)k初始化為0；以機械臂的關(guān)節(jié)角角速度空間能量為目標函數(shù)，構(gòu)建機械臂的約束稀疏運動規(guī)劃模型，并基于拉格朗日乘子法轉(zhuǎn)化為無約束稀疏運動規(guī)劃模型；步驟S2：在當前迭代構(gòu)建用于求解所述無約束稀疏運動規(guī)劃模型的誤差動量神經(jīng)網(wǎng)絡(luò)，其包含隱藏層和輸出層，且表達式如下： 其中，α、β、ω均為正數(shù)，表示網(wǎng)絡(luò)權(quán)重系數(shù)；為輸出層變量，表示關(guān)節(jié)角速度，λk表示拉格朗日乘子，上標T表示轉(zhuǎn)置運算；yk表示隱藏層變量；Ak表示拉格朗日條件的質(zhì)量矩陣，bk表示拉格朗日條件的耦合向量；步驟S3：求解所述誤差動量神經(jīng)網(wǎng)絡(luò)在不同初始點下的輸出層變量，并將各輸出層變量作為粒子，利用粒子群算法搜索最優(yōu)輸出層變量；步驟S4：若未達到最大迭代次數(shù)，則轉(zhuǎn)入步驟S2，以進行下一次迭代；否則，按照各次迭代中的最優(yōu)輸出層變量實現(xiàn)機械臂稀疏運動規(guī)劃。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人華中科技大學，其通訊地址為：430074 湖北省武漢市洪山區(qū)珞喻路1037號；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)”。