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！

龙图腾网获悉浙江工业大学申请的专利一种异构双机械臂末端位姿映射方法、系统、装置和存储介质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：CN119839864B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202510230384.4，技术领域涉及：B25J9/16；该发明授权一种异构双机械臂末端位姿映射方法、系统、装置和存储介质是由王赫;葛镕畅;童画;高晗;胡雯莹;付明磊设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本一种异构双机械臂末端位姿映射方法、系统、装置和存储介质在说明书摘要公布了：本发明公开了一种异构双机械臂末端位姿映射方法、系统、装置和存储介质，方法包括以下步骤：S1:获取主机械臂各关节角速度、位置和末端姿态信息，计算主机械臂末端的空间位置和姿态；S2:采集主机械臂示教过程中的运动轨迹数据，建立长短期记忆网络模型，预测未来时间步长的位姿，规划从机械臂运动轨迹；S3:传递数据信息，解决通讯时延问题；S4:解算主机械臂末端的位姿信息，调节关节角度，结合比例‑积分‑微分控制调整误差；S5:对位置和速度信号进行滤波，建立机械臂动力学模型，设计自适应控制律，采用轨迹平滑算法；S6：建立虚拟障碍物地图，限定安全工作空间。本发明实现了对异构双机械臂末端位姿的全面、精准的映射和预测。

本发明授权一种异构双机械臂末端位姿映射方法、系统、装置和存储介质在权利要求书中公布了：1.一种异构双机械臂末端位姿映射方法，其特征在于，包括以下步骤： S1:手动进行主机械臂示教操作，获取主机械臂各关节角速度、位置和末端姿态信息，计算主机械臂末端的空间位置和姿态； S2:采集主机械臂示教过程中的运动轨迹数据，建立长短期记忆网络模型，预测未来时间步长的位姿，规划从机械臂运动轨迹； S3:通过通信模块传递数据信息，采用模型预测控制解决通讯时延问题； S4:从机械臂利用比例缩放和逆运动学，解算主机械臂末端的位姿信息，调节关节角度，结合比例-积分-微分控制调整误差； S5:采用扩展卡尔曼滤波器对位置和速度信号进行滤波，建立机械臂动力学模型，设计自适应控制律，采用轨迹平滑算法； S6：建立虚拟障碍物地图，限定安全工作空间，实时检测潜在碰撞风险，规划避障轨迹，设置位置和速度极限； 步骤S1具体包括： S11:施教者手动进行对主机械臂的示教动作; S12:采用绝对式编码器，测量每一主机械臂关节的绝对位置信息，获得旋转角度，主机械臂角速度与角加速度可通过旋转角度获得； S13:将所有采集到的数据存储在实时数据采集系统中，并以固定时间间隔采样，形成一系列时间序列数据，这些时间序列数据包括各关节的角度、角速度和加速度值; S14:通过正运动学的计算得到末端执行器的空间位置和姿态； 步骤S2具体包括： S21:针对主机械臂示教过程可能存在的规律性，采用深度学习对其示教过程进行分析; S22:采集主机械臂示教过程中的运动轨迹序列数据，其中表示t时刻的位姿向量，包含位置和姿态信息，T为序列长度，d为位姿向量维度; S23:构建基于LSTM的编码器网络，并进行状态更新，引入注意力机制计算上下文向量，再构建解码器网络，结合上下文向量预测未来位姿； S24:定义损失函数进行模型训练： 1 2 3 其中，为真实位姿，为模型所有可训练参数，为正则化系数; S25:利用训练好的模型，对输入的主机械臂位姿序列进行实时预测，得到未来时间步长的位姿预测值，其中为预测步长; S26:基于预测的位姿序列，规划从机械臂的运动轨迹，其中为轨迹规划函数，为规划得到的从机械臂轨迹，并实时监测预测误差，当误差超过预设阈值时，触发模型在线微调； 步骤S3具体包括： S31:将所需传递主机械臂相关的位姿信号数据，转变为对系统的离散时间状态空间模型; S32:假设信息传递系统中存在时延，即控制输入在时间步施加到系统上，但在时间步才能观察到其影响; S33:为处理时延，将系统的状态向量扩展为包含过去控制输入的状态向量； S34:代入MPC优化问题通常是在预测时域内最小化目标函数，同时满足系统约束；考虑时延的MPC优化问题表示为： 4 其中：为在时间k时刻预测的第i个控制输入，为在时间k时刻预测的第i个输出，为在时间k时刻预测的第i个状态，是参考输出，和是权重矩阵，分别用于惩罚输出误差和控制输入，和是控制输入的上下限;和表示状态变量的最小和最大限制； S35:通过将过去个时间步的控制输入纳入状态向量，MPC在优化过程中考虑时延的影响，从而生成更优的控制输入序列，完成主从机械臂的信号传递问题； 步骤S4具体包括： S41:针对主从机械臂在尺寸和工作空间上的差异，采用比例缩放方式将主机械臂末端位姿通过比例缩放映射到从机械臂工作空间； S42:通过对主机械臂末端位姿比例缩放，得到从机械臂目标位姿矩阵； S43:根据目标位姿矩阵，逐步计算每个关节的目标角度，从动机械臂旋转相应的角度，实现主从机械臂映射; S44:在反馈控制中，采用PID控制来修正主从机械臂之间的误差; S45:PID控制器根据当前误差实时调整控制输入，以确保从机械臂能够根据主机械臂的实时运动状况做出精确的响应: 5 其中，比例项能够快速响应误差，确保从机械臂能够立即调整位置，积分项有助于消除系统的静态误差，避免长期误差积累，微分项则有助于预测误差的变化，减少过冲和震荡； 步骤S5具体包括： S51:根据当前机械臂相关尺寸，建立机械臂动力学模型及其系统状态空间方程； S52:执行扩展卡尔曼滤波预测步骤，进行状态预测和预测协方差更新；执行扩展卡尔曼滤波更新步骤，计算卡尔曼增益，状态估计更新，协方差矩阵更新； 其中状态向量，观测向量为位置和速度测量值，和分别为过程噪声和测量噪声，且满足，，为状态方程的雅可比矩阵，为观测方程的雅可比矩阵; S53:设计自适应控制律和自适应项的更新律； S54:针对系统的振动，采用振动特征的识别与平滑控制； S55:计算系统振动能量并定义振动指标，当系统振动能量超过预设阈值时，触发振动抑制控制；对于振动系统，采用三次样条插值生成平滑轨迹，进行轨迹平滑处理； S56:为确保机械臂的位姿映射系统趋于稳定，构造Lyapunov函数判定是否趋近稳定； 6 证明其导数满足： 7 其中，为位置跟踪误差，为正定自适应增益矩阵,和为正定增益矩阵;为矩阵的最小特征值。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。

以上内容由龙图腾AI智能生成。