专利交易市场

一种基于有限区间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，以有限区间神经网络作为求解器。本发明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。

一种基于二次根式终态吸引性能指标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目标终端轨迹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，设计一种使当前关节向量与期望关节向量偏差具有二次根式终态吸引性能的性能指标，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，以有限值终态神经网络作为求解器，本发明在初始位置偏移的情况下，实现冗余机器人有限时间收敛的重复运动规划任务。本发明具有有限时间收敛、计算精度高、易于实现的特点。

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。

本发明属于移动机器人领域，是基于最佳观测点序列的移动机器人运动规划方法及装置。本发明以信息采集为任务背景的运动规划方法能够将信息存在于不同区域的概率与其他要素相结合，通过拓扑语义地图，判断空间中不同区域的搜索优先级，合理的对空间进行目标搜索与信息采集，该方法不同于以往机器人由近及远的遍历方式，提高了机器人搜索效率，大大减少了机器人的搜索能耗，并且由于移动机器人的可控性，机器人在工厂的复杂环境内可稳定运行，不仅保障了工厂设备运作的有序性，还保障了工人的人身安全，并提高了生产活动的便捷性。

本发明公开了一种基于人造引力场运动模拟的机器人运动规划方法，包括以下步骤：步骤S1、在路径搜索空间中基于人工势场法在目标终点处构建对机器人的人造引力场，以及在空间故障点处构建对机器人的人造斥力场；步骤S2、量化机器人运动规划路径的路径曲折度，基于路径曲折度与S型函数为人造引力场和人造斥力场构建势场调节因子，并基于势场调节因子组合得到机器人的人造合力场；步骤S3、基于所述人造合力场在路径搜索空间中规划出搜索起点至目标终点的运动规划路径。本发明对运动规划路径的收敛性进行量化，并基于收敛性构建的人造引力场和人造斥力场的调节因子，避免了陷入局部最优问题，避免了陷入目标不可达的问题。

本发明涉及一种爬树机器人关节轨迹优化方法，旨在解决传统算法在机器人关节轨迹优化中初始种群分布不均、易陷入局部最优等问题。首先，将机器人运动轨迹映射到关节空间，并建立轨迹规划的优化，并使其满足运动过程中的各项物理约束。随后，通过引入改进的Tent混队映射初始种群策略，增强种群的多样性和全局搜索能力；同时，结合自适应全局引导策略，动态挑选优异个体，避免算法陷入局部最优；最后，在算法后期融合折射学习策略，增加局部搜索的随机性，提高解的精度和稳定性。