(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210802072.2 (22)申请日 2022.07.07 (71)申请人 浙江科技学院 地址 310023 浙江省杭州市西湖区留和路 318号 (72)发明人 钱小鸿　孔颖　周靖怡　周俊文　 (74)专利代理 机构 杭州斯可 睿专利事务所有限 公司 33241 专利代理师 王利强 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 一种基于神经网络的手机遥控机械臂抓取 方法 (57)摘要 一种基于神经网络的手机遥控机械臂抓取 方法， 利用手机采集运动轨迹合成末端轨迹进行 轨迹规划和运动控制的机械臂运动系统， 根据机 械臂的正逆运动学模型， 利用神经网络优化方 法， 再结合二次规划方法， 设计一种面向手机遥 控抓取机械臂轨迹规划的神经网络方法， 有效解 决复杂场景复杂任务下的机械臂运动问题。 本发 明能够高效计算手机运动轨迹， 并根据轨迹实时 计算机械臂运动状态， 实现机械臂末端的高精 度、 高时效性实时跟踪。 权利要求书2页 说明书5页 附图3页 CN 115256373 A 2022.11.01 CN 115256373 A 1.一种基于神经网络的手机遥控机械臂抓取方法， 其特征在于， 所述方法包括以下步 骤： 步骤1， 通过ap p获取手机的加速度数据g(x)， 通过w ifi传输至控制程序； 步骤2， 将加速度转换为期望末端速度 和末端轨 迹r(t)； 步骤3， 使用D enavit‑Hartenberg约定， 通过变换矩阵的连乘建立机械臂的逆运动学方 程， 设置初始关节角 角度 θ(0)； 步骤4， 计算实际末端轨迹与期望末端轨迹的误差， 设计机械臂抓取的最优轨迹运动路 线； 步骤5， 基于步骤4中的最优运动轨 迹规划方案， 构建神经网络模型进行求 解； 步骤6， 将每次求得的各个轴角度值通过指定协议发送给机械臂， 并获取机械臂的真实 末端运动轨 迹f( θ )， 将f( θ )带入神经网络模型中， 得到各运动关节轨 迹。 2.如权利要求1所述的一种基于神经网络的手机遥控机械臂抓取方法， 其特征在于， 所 述步骤1中， 加速度g(x)为： g(x)＝[ax； ay； az] ‑[0； 0； glocal] 其中ax， ay， az分别为 三个轴上的加速度， glocal为当地重力加速度。 3.如权利要求1或2所述的一种基于神经网络的手机遥控机械臂抓取方法， 其特征在 于， 所述步骤2中， 期望末端轨 迹 为： 其中t*为上一时刻， t为当前时刻， g(x)为当前时刻的加速度。 4.如权利要求1或2所述的一种基于神经网络的手机遥控机械臂抓取方法， 其特征在 于， 所述步骤3中， 变换矩阵如下： 其中， θ为关节角， α 为连杆扭转角， a为连杆长度， d为连杆偏距， 根据变换矩阵得到基坐 标到机械臂各个轴坐标的旋转矩阵 其中， 为末端坐标系原点在基坐标中的位置， 为基坐标系到末端坐标系的旋转矩 阵。 5.如权利要求1或2所述的一种基于神经网络的手机遥控机械臂抓取方法， 其特征在 于， 所述步骤4的过程如下： 机械臂的控制问题转换为 二次优化问题， 其 性能指标为： 其中， 为机械臂各个轴的角速度， 为机械臂各个轴角速度的转置， 形成的最优 运动规划方程描述 为：权　利　要　求　书 1/2 页 2 CN 115256373 A 2其中， J( θ )是机械臂的雅各比矩阵， r是机械臂的末端执行器的期望轨迹， 为机械臂末 端执行器的期望速度， kP＞0是参数增益， 用 于调节末端执行器运动到期望路径的速率， f ( θ )是机械臂实际的运动轨 迹。 6.如权利要求1或2所述的一种基于神经网络的手机遥控机械臂抓取方法， 其特征在 于， 所述步骤5的过程如下： 5.1采用如下有限时间收敛 特性的网络动态方程： 其中， 为误差的导数， si gn(·)为符号函数， γ＞0， b1＞0， b2＞0， b3＞0， 0＜p＜1为 指定的参数； 5.2根据步骤4中的最优规划方程(3)， 建立拉格朗日函数 其中， λ(t)为 拉格朗日乘 子向量， λT(t)是λ(t)向量的转置， 通过拉格朗日求解得到 下述 方程： w(t)y(t)＝v(t)     (5) 其中， 为了求解上述方程， 将误差设为： E(t)＝w(t)y(t) ‑u(t)    (6) 根据式(4)的定义， 得到如下有限时间收敛神经网络模型： 权　利　要　求　书 2/2 页 3 CN 115256373 A 3