科创中国
采用快速双幂次终态神经网络的冗余机器人重复运动规划方法
成果类型：: 发明专利
发布时间: 2024-08-06 08:52:55
科技成果产业化落地方案
方案提交机构：成果发布人| 徐景新 | 2024-08-06 08:52:55
一种采用快速双幂次终态神经网络的冗余机器人重复运动规划方法，在笛卡尔空间中给定机器人末端执行器的期望轨迹rd(t)，并给出各个关节的期望回拢角度θd(0)；对于机器人的重复运动，采用渐近收敛性能指标，通过将冗余机器人轨迹规划的二次优化问题转化为时变矩阵方程求解问题，以快速双幂次终态神经网络作为求解器。在初始位置偏移的情况下，实现冗余机器人快速有限时间收敛的重复运动规划任务。本发明提供一种具有快速有限时间收敛、计算精度高、易于实现的采用快速双幂次终态神经网络的冗余机器人运动规划方法。
为了克服现有冗余机器人重复运动规划方法的不能在有限时间收敛、计算精度较低的不足，本发明提供一种具有快速有限时间收敛、计算精度高，且易于实现的采用快速双幂次终态神经网络的冗余机器人运动规划方法。本发明采用现有渐近收敛性能指标，通过将冗余机器人轨迹规划的二次优化问题转化为时变矩阵方程求解问题，以快速双幂次终态神经网络作为求解器，在初始位置偏移的情况下，实现冗余机器人快速有限时间收敛的重复运动规划任务。
采用快速双幂次终态神经网络的冗余机器人重复运动规划方法 的应用前景
一种采用快速双幂次终态神经网络（Fast Doubly Power-Exponential Terminal Neural Network，简称 FDPTN）的冗余机器人重复运动规划方法具有广泛的应用前景。首先，它可以用于提高机器人在执行重复性任务时的效率和精度，比如在工业制造、自动化物流、服务业等领域。其次，它也可以用于增强机器人在执行复杂任务时的灵活性和可靠性，比如在医疗护理、科学研究、军事应用等领域。此外，它也可以用于研究机器人的控制和学习算法，为机器人的智能化发展提供支持。总之，这项方法具有广泛的应用前景和研究价值。
浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。
本发明的有益效果主要表现在：将一种快速双幂次终态神经网络方法应用于冗余机器人重复运动规划中，在初始位置偏移情况下实现冗余机器人快速有限时间收敛的重复运动规划任务。相比于渐近神经网络重复运动规划方法，快速双幂次终态神经网络法具有更快的收敛特性，而且最终机器人各个关节的回拢角度精度较高。它适用于时变问题求解(式(14)为时变矩阵方程)，在工程应用中易于实现，且成本低，符合工程实际需要。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app