(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110649204.8 (22)申请日 2021.06.10 (65)同一申请的已公布的文献号 申请公布号 CN 113297798 A (43)申请公布日 2021.08.24 (73)专利权人 重庆邮电大 学工业互联网研究院 地址 401120 重庆市渝北区数据谷中路28 号 (72)发明人 产林平　黄庆卿　韩延　袁雪　 王平　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 专利代理师 卢胜斌 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/14(2020.01) (56)对比文件 CN 112207834 A,2021.01.12 CN 101320251 A,20 08.12.10 CN 112338912 A,2021.02.09 CN 112859601 A,2021.0 5.28 CN 10946 5825 A,2019.0 3.15CN 111993417 A,2020.1 1.27 US 2005021176 A1,20 05.01.27 US 2005256613 A1,20 05.11.17 王永 等.空间机 器人大时延遥操作技 术研 究综述. 《宇 航学报》 .2010,第31卷(第2期),2 99- 306. 宋扬.环境约束下 可重构机 械臂模块 化力_ 位置控制方法研究. 《中国优秀硕士学位 论文全 文数据库信息科技 辑》 .2015,(第(2015)09期), I140-154. 尚志豪.基 于神经网络修 正的力觉临场感遥 操作系统与力跟踪 控制研究. 《中国优秀硕士学 位论文全文数据库工程科技 Ⅱ辑》 .2018,(第 (2018)10期),C 031-237. Komal Ran i 等.Intelligent co ntroller for hybrid force and positi on control of robot man ipulators usi ng RBF neural network. 《Internati onal Journal of Dynamics and Co ntrol》 .2018,1-9. (续) 审查员 黄娟 (54)发明名称 一种基于人工神经网络的机器人外界接触 力估计方法 (57)摘要 本发明属于机器人控制技术领域， 特别涉及 一种基于人工神经网络的机器人外界接触力估 计方法， 包括对机器人动力学模型进行变型处 理， 将其分成线性模型部分和非线性模型部分； 采用径向基函数神经网络对非线性部分进行近 似逼近， 构建基于径向基函数神经网络的自适应 观测器来估计模 型非线性部分和未知干扰； 将估 计出的模型非线性部分和未知干扰反馈到系统 模型中， 对相应部分进行补偿， 获取线性化的机 器人动力学模 型； 当外界施加力作用在机器人上 时， 根据线性化的机器人动力学模型， 构建主观观测器对外界施加力进行估计； 本发明有效地抑 制各种干扰影 响的同时， 对系统模 型非线性部分 进行了在线估计并将其反馈补偿， 实现对机器人 模型的线性 化和简单化。 [转续页] 权利要求书3页 说明书9页 附图3页 CN 113297798 B 2022.10.11 CN 113297798 B (56)对比文件 Komal Ran i 等.Design of I ntelligent Hybrid Force and Positi on Control of Robot Man ipulator. 《ScienceDirect》 .2018,第 125卷42-49.2/2 页 2[接上页] CN 113297798 B1.基于人工神经网络的机器人外界接触力估计方法， 其特 征在于， 包括以下步骤： S1： 对机器人动力学模型进行变型处理， 将其分成线性模型部分和非线性模型部分， 具 体包括以下步骤： S11、 确定机器人动力学模型， 表示 为： S12、 设置系统状态向量 获得机器人动力学模型的状态空间方程为： S13、 定义矩阵 并利用这两个矩阵对模型状态空间方程进行处 理得到一个统一的方程式， 处 理后的模型状态空间方程式表示 为： S14、 利用一个稳定的伴随矩阵， 且存在两个正定对称矩阵使得伴随矩阵满足李雅普诺 夫方程， 利用该伴随矩阵对 模型状态空间方程进行变型处 理获取稳定的线性表达式； 其中， 为加速度信号， 为速度信号， q为位置信号， M为惯性矩阵， V为科里奥利力和向 心力， g为重力转矩， d为未知干扰， Tc为机器人控制力矩； I 为单位矩阵； S2： 针对机器人模型非线性部分， 采用径向基函数神经网络对进行近似逼近， 获得新的 机器人动力学模型； S3： 针对得到的新的机器人动力学模型， 设计基于径向基函数神经网络的自适应观测 器来估计模型非线性部分和未知干扰； S4： 将估计出的模型非线性部分和未知干扰反馈到系统模型中， 对相应部分进行补偿， 获取线性 化的机器人动力学模型； S5： 当外界施加力作用在机器人上时， 根据线性化的机器人动力学模型， 设计主观观测 器对外界施加力进行估计。 2.根据权利要求1所述的基于人工神经网络的机器人外界接触力估计方法， 其特征在 于， 利用伴随矩阵对 模型状态空间方程进行变型处 理， 处理后得到的系统状态方程 为： 其 中 ， Ac为 伴 随 矩阵 ； 处 理 后 得 到的 系统 状 态 方 程 中 非 线 性 部 分 包 括 和B(M‑1‑I)Tc， 未知干扰为 ‑BM‑1d， 其余为线性部分。 3.根据权利要求2所述的基于人工神经网络的机器人外界接触力估计方法， 其特征在 于， 伴随矩阵Ac表示为： 其中， r1、 r2为矩阵参数。 4.根据权利要求1所述的基于人工神经网络的机器人外界接触力估计方法， 其特征在 于， 针对机器人模型非线性部 分， 采用径向基函数神经网络对进 行近似逼近， 获得新的机器 人动力学模型， 具体包括：权　利　要　求　书 1/3 页 2 CN 113297798 B 3