一种基于串联弹性驱动器的四足机器人能效优化方法

    公开(公告)号:CN118963111A

    公开(公告)日:2024-11-15

    申请号:CN202410813502.X

    申请日:2024-06-21

    Abstract: 本发明涉及到四足机器人运动规划控制方法,针对应用串联弹性驱动器的四足机器人,公开了基于串联弹性驱动器的四足机器人能效优化方法,包括基于强化学习的参数协同优化和基于模型预测优化控制,从而为提高四足机器人运动的能效和平稳性提供了一种可行性方案。主要内容:根据物理样机的参数建立四足机器人的动力学模型,基于LuGre摩擦模型建立驱动‑能耗模型;针对每一个设计参数实例,利用强化学习对四足机器人机身的侧翻角、横滚角和俯仰角和位姿,足端落地时间、位置和期望时间、位置的误差,每条腿输出的力矩共计21个状态进行观测,利用LuGre摩擦模型构建能耗评估函数,在奖励函数的设计中,将能耗作为评估指标。

    一种基于量子粒子群优化BP神经网络的机械臂误差补偿方法

    公开(公告)号:CN119973982A

    公开(公告)日:2025-05-13

    申请号:CN202510047070.0

    申请日:2025-01-13

    Abstract: 本发明公开了一种基于量子粒子群优化BP神经网络的机械臂误差补偿方法,主要体现在高维、非线性、多峰以及动态复杂环境中,能实时自适应调整补偿策略,实现对几何‑非几何耦合误差的精确补偿。该方法采用反向传播神经网络BPNN对机器人的关节角误差进行预测,能自适应地学习和逼近非线性误差特征,解决了指数积(POE)模型参数众多、解耦困难导致精度补偿不佳的问题,并且通过量子粒子群算法QPSO对BP神经网络的参数进行优化,增强了全局搜索能力,避免了局部最优解,同时提高了收敛速度,提升了BP神经网络的训练效率,最终显著提高了补偿精度和系统稳定性。

    一种基于高斯滤波算法的关节弹性体优化设计方法

    公开(公告)号:CN119312606A

    公开(公告)日:2025-01-14

    申请号:CN202411133594.3

    申请日:2024-08-15

    Abstract: 本发明涉及机器人关节弹性体优化技术领域,尤其涉及一种基于高斯滤波算法的关节弹性体优化设计方法,该方法通过建立基于阿基米德螺旋线的有限元仿真模型,构建以最大化形变和最小化应力为目标的优化函数,并选取弹性体的关键设计参数分阶段进行迭代优化,最后通过高斯滤波算法对弹性体的H桥结构的边缘曲线进行平滑处理。本发明方法能有效减少关节弹性体应力集中现象并提升其结构的轻薄性,实现对冲击能量的储存和释放,从而在确保受力均匀和刚度系数提升的同时,显著增强关节的动态稳定性和负载能力。

Patent Agency Ranking