首页 / 专利库 / 传感器与探测器 / 传感器 / 一种未知环境下移动机器人多行为融合酶数值膜控制方法

一种未知环境下移动机器人多行为融合酶数值膜控制方法

阅读:709发布:2024-02-12

专利汇可以提供一种未知环境下移动机器人多行为融合酶数值膜控制方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种未知环境下移动 机器人 多行为融合酶数值膜控制方法,计算目标和机器人的直线距离和 角 度、判断机器人所处的环境、判断机器人与目标之间的直线距离是否为历史最小值、判断目标和障碍物或壁面是否在机器人同一侧、进行多行为选择、执行选择的行为和判断 移动机器人 是否到达目标等步骤。本发明将酶数值膜系统和多行为融合 算法 结合,引入机器人与目标间距离判断及目标、障碍物或壁面是否在机器人同一侧判断,在一定程度上解决了移动机器人未知环境下自主行走的死 锁 问题和绕远问题。采用酶数值膜 控制器 融合多种行为控制器,使机器人能适应复杂环境。,下面是一种未知环境下移动机器人多行为融合酶数值膜控制方法专利的具体信息内容。

1.一种未知环境下移动机器人多行为融合酶数值膜控制方法,其特征在于,包括
步骤1:计算目标和机器人的直线距离CurDist和目标相对于机器人前向方向的度Angle;
步骤2:根据机器人所搭载的传感器获取的信息,判断机器人所处的环境,包括左墙、右墙、走廊、左墙角、右墙角、前墙、左上侧、右上侧、两侧、死角和无障碍物,分别用Ci=1,2,...,11=0表示,其中i=1,2,...,11分别对应上述11种环境;将所处的环境分为4类:壁面类型Ewa,对应左墙、右墙、走廊、左墙角和右墙角的环境;障碍物类型Eob,对应前墙、左上侧和右上侧的环境;死区类型Ede,对应两侧和死角的环境;无障碍物类型Eno,对应无障碍物的环境;
步骤3:判断机器人与目标之间的直线距离CurDist是否为历史最小值MinDist:当MinDist>CurDist时为历史最小值,用变量IfMin=1表示,并令MinDist=CurDist;否则,IfMin=0;
步骤4:判断目标和障碍物或壁面是否在机器人同一侧:
根据角度Angle判断目标在机器人的左侧还是右侧,当Angle>0目标在机器人右侧,当Angle<0目标在机器人左侧;
如C1=0或C4=0或C7=0,则判断障碍物或壁面位于机器人左侧,用变量IfLeft=1表示;
如C2=0或C5=0或C8=0,则判断障碍物或壁面位于机器人右侧,用变量IfLeft=0表示;当Angle>0,IfLeft=1时,目标和障碍物或壁面不在机器人同一侧,用变量IfSame=0表示;当Angle>0,IfLeft=0时,目标和障碍物或壁面在机器人同一侧,IfSame=1;当Angle<
0,IfLeft=1时,IfSame=1;Angle<0,IfLeft=0时,IfSame=0;
步骤5:进行多行为选择后,输出行为变量给执行系统:
当机器人处于Ci=0,i=9、10环境时,判断为死区类型,选择
当机器人处于Ci=0,i=11环境时,判断为无障碍类型:若IfMin=1选择Comgr=1,若IfMin=0选择
当机器人处于Ci=0,i=6、7、8环境时,判断为障碍物类型:
若IfMin=0选择相应的避障行为:i=6选择 i=7选择 i=8选择
若IfMin=1,进一步判断目标和障碍物是否在机器人同一侧,当IfSame=1选择相应的避障行为:i=6选择 i=7选择 i=8选择 当IfSame=
0选择Comgr=1;
当机器人处于Ci=0,i=1、2、3、4、5环境时,判断为壁面类型:
若IfMin=0选择相应的随墙行为:i=1或4选择 i=2或5选择 i=3
选择
若IfMin=1,进一步判断目标和壁面是否在机器人同一侧,当IfSame=1,选择相应的随墙行为:i=1或4选择 i=2或5选择 i=3选择 当IfSame=0
选择Comgr=1;
上述行为变量分别为:前方障碍物避障 左方障碍物避障 右方障碍物避障
侧壁面随墙 右侧壁面随墙 穿越通道 趋向目标Comgr、原地调
头Comde和自转
步骤6:执行系统执行步骤5输出的行为;
步骤7:判断移动机器人是否到达目标,即判断CurDist是否等于0:等于0则表示机器人到达目标,则结束控制;不为0则返回步骤1继续。
2.如权利要求1所述的一种未知环境下移动机器人多行为融合酶数值膜控制方法,其特征在于,所述步骤2中根据机器人所搭载的传感器获取的信息,判断机器人所处的环境的方法为:所述传感器获取的信息为机器人周边的8个距离dx,x=1,2…8;其中d1、d2为机器人右前侧的传感器获得的距离,d3为机器人右侧的传感器获得的距离,d4为机器人右后侧的传感器获得的距离,d5为机器人左后侧的传感器获得的距离,d6为机器人左侧的传感器获得的距离,d7、d8为位于机器人左前侧的传感器获得的距离;当dx阈值,则传感器检测到障碍物,并将对应的距离dx二进制化,1代表检测到障碍物,0代表未检测到障碍物;
之后根据上表确定机器人所处的环境。

说明书全文

一种未知环境下移动机器人多行为融合酶数值膜控制方法

技术领域

[0001] 本发明涉及智能机器人控制技术领域,具体是一种未知环境下移动机器人多行为融合酶数值膜控制方法。

背景技术

[0002] 膜计算(或膜系统)是自然计算中最年轻的分支,是一种从细胞的功能与结构,器官和组织等细胞群的信息处理协作方式中抽象出的计算模型,具有并行性、不确定性、分布式等优良特性。研究表明:理论上膜计算模型具有与图灵机同等的计算能,甚至还有超越图灵机局限性的可能。酶数值膜系统是膜系统中的一种,具有分布式、并行性、易编程、模化的优良特性,适合机器人控制。

发明内容

[0003] 本发明的目的是提供一种未知环境下移动机器人多行为融合酶数值膜控制方法。移动机器人利用传感器获取环境信息,对不同环境进行分类,根据环境的不同、目标与机器人间的距离和度,从多种行为中选择并执行一种,直至达到目标点。
[0004] 实现本发明目的的技术方案如下:
[0005] 一种未知环境下移动机器人多行为融合酶数值膜控制方法,其特征在于,包括[0006] 步骤1:计算目标和机器人的直线距离CurDist和目标相对于机器人前向方向的角度Angle;
[0007] 步骤2:根据机器人所搭载的传感器获取的信息,判断机器人所处的环境,包括左墙、右墙、走廊、左墙角、右墙角、前墙、左上侧、右上侧、两侧、死角和无障碍物,分别用Ci=1,2,...,11=0表示,其中i=1,2,...,11分别对应上述11种环境;将所处的环境分为4类:壁面类型Ewa,对应左墙、右墙、走廊、左墙角和右墙角的环境;障碍物类型Eob,对应前墙、左上侧和右上侧的环境;死区类型Ede,对应两侧和死角的环境;无障碍物类型Eno,对应无障碍物的环境;
[0008] 步骤3:判断机器人与目标之间的直线距离CurDist是否为历史最小值MinDist:当MinDist>CurDist时为历史最小值,用变量IfMin=1表示,并令MinDist=CurDist;否则,IfMin=0;步骤4:判断目标和障碍物或壁面是否在机器人同一侧:
[0009] 根据角度Angle判断目标在机器人的左侧还是右侧,当Angle>0目标在机器人右侧,当Angle<0目标在机器人左侧;
[0010] 如C1=0或C4=0或C7=0,则判断障碍物或墙面位于机器人左侧,用变量IfLeft=1表示;如C2=0或C5=0或C8=0,则判断障碍物或墙面位于机器人右侧,用变量IfLeft=0表示;
[0011] 当Angle>0,IfLeft=1时,目标和障碍物或壁面不在机器人同一侧,用变量IfSame=0表示;
[0012] 当Angle>0,IfLeft=0时,目标和障碍物或壁面在机器人同一侧,IfSame=1;当Angle<0,IfLeft=1时,IfSame=1;Angle<0,IfLeft=0时,IfSame=0;
[0013] 步骤5:进行多行为选择后,输出行为变量给执行系统:
[0014] 当机器人处于Ci=0,i=9、10环境时,判断为死区类型,选择
[0015] 当机器人处于Ci=0,i=11环境时,判断为无障碍类型:若IfMin=1选择Comgr=1,若IfMin=0选择
[0016] 当机器人处于Ci=0,i=6、7、8环境时,判断为障碍物类型:
[0017] 若IfMin=0选择相应的避障行为:i=6选择 i=7选择 i=8选择
[0018] 若IfMin=1,进一步判断目标和障碍物是否在机器人同一侧,当IfSame=1选择相应的避障行为:i=6选择 i=7选择 i=8选择 当IfSame=0选择Comgr=1;
[0019] 当机器人处于Ci=0,i=1、2、3、4、5环境时,判断为壁面类型:
[0020] 若IfMin=0选择相应的随墙行为:i=1或4选择 i=2或5选择 i=3选择
[0021] 若IfMin=1,进一步判断目标和壁面是否在机器人同一侧,当IfSame=1,选择相应的随墙行为:i=1或4选择 i=2或5选择 i=3选择 当IfSame=0选择Comgr=1;
[0022] 上述行为变量分别为:前方障碍物避障 左方障碍物避障 右方障碍物避障 左侧壁面随墙 右侧壁面随墙 穿越通道 趋向目标
Comgr、原地调头Comde和自转
[0023] 步骤6:执行系统执行步骤5输出的行为;
[0024] 步骤7:判断移动机器人是否到达目标,即判断CurDist是否等于0:等于0则表示机器人到达目标,则结束控制;不为0则返回步骤1继续。
[0025] 进一步地,所述步骤2中根据机器人所搭载的传感器获取的信息,判断机器人所处的环境的方法为:所述传感器获取的信息为机器人周边的8个距离dx,x=1,2…8;其中d1、d2为机器人右前侧的传感器获得的距离,d3为机器人右侧的传感器获得的距离,d4为机器人右后侧的传感器获得的距离,d5为机器人左后侧的传感器获得的距离,d6为机器人左侧的传感器获得的距离,d7、d8为位于机器人左前侧的传感器获得的距离;当dx阈值,则传感器检测到障碍物,并将对应的距离dx二进制化,1代表检测到障碍物,0代表未检测到障碍物;
[0026]
[0027] 之后根据上表确定机器人所处的环境。
[0028] 本发明为未知环境下机器人控制领域、膜系统控制领域提供了一种多行为融合酶数值膜控制方法,将酶数值膜系统和多行为融合算法结合,引入机器人与目标间距离判断及目标、障碍物(或壁面)是否在机器人同一侧判断,在一定程度上解决了移动机器人未知环境下自主行走的死问题和绕远问题。采用酶数值膜控制器融合多种行为控制器,使机器人能适应复杂环境。附图说明
[0029] 图1是多行为融合流程图
[0030] 图2是十一种机器人环境模式图;
[0031] 图3是机器人距离传感器分布图;
[0032] 图4是本发明的多行为融合酶数值膜结构图;
[0033] 图5是对比本发明和模糊逻辑控制在G型和回旋形障碍物环境下的实验结果图。

具体实施方式

[0034] 下面结合附图对本发明的具体实施作进一步说明。
[0035] 多行为融合酶数值膜控制流程图如图1。
[0036] 本发明采用的具体相关技术如下:
[0037] 1)以未知环境及机器人目标作为输入将移动机器人置于未知环境中,给定机器人要达到的目标点(xg,yg)。根据距离公式 计算出目标和移动机器人的距离CurDist和根据角度计算公式计算出目标相对于机器人前向方向的角度Angle(取机器人前向方向右侧为正方向)。
[0038] 2)移动机器人的控制
[0039] a)移动机器人所处环境的获取和确定
[0040] 环境中障碍物相对于机器人有多种位置关系,为了移动机器人能够应对复杂的环境,本发明将移动机器人所处的环境类型分为(如下图2):左墙、右墙、走廊、左墙角、右墙角、前墙、左上侧、右上侧、两侧、死角、无障碍物。用Ci=1,...,11表示(Ci=1,...,11=0表示处于对应环境模式:左墙、右墙、走廊、左墙角、右墙角、前墙、左上侧、右上侧、两侧、死角、无障碍物)。
[0041] 移动机器人根据所搭载的传感器获取的信息,判断机器人所处的环境。以移动机器人搭载8个距离传感器为例(如图3)进行具体说明,8个传感器以环形分布在移动机器人上。8个传感器能够获取机器人周边的8个距离信息(d1、d2…d8),(其中d1、d2为位于机器人右前侧的传感器获得的距离信息,d3为机器人右侧的传感器获得的距离信息,d4为机器人右后侧的传感器获得的距离信息,d5为机器人左后侧的传感器获得的距离信息,d6为机器人左侧的传感器获得的距离信息,d7、d8为位于机器人左前侧的传感器获得的距离信息)。设定阈值t,当dx
[0042] 表1.环境类型与二进制传感器值对应关系表
[0043]
[0044] b)判断机器人与目标之间的距离是否为历史最小值
[0045] 机器人与目标间的历史最小值用变量MinDist保存(用CurDist初始化),通过CurDist和MinDist的对比,判断机器人与目标之间的距离CurDist是否为最小值。MinDist>CurDist时,为历史最小值(用变量IfMin=1表示),并将MinDist=CurDist。
[0046] c)判断目标、障碍物(或壁面)是否在机器人同一侧
[0047] 输入的角度Angle能判断出目标在机器人的左侧还是右侧。Angle>0,目标在机器人右侧;Angle<0,目标在机器人左侧。障碍物(或壁面)的位置能通过输入的环境Ci=1,...,11确定。C7=0表示左上侧环境,即判断障碍物位于机器人左侧(用变量IfLeft=1表示);C8=0表示右上侧环境,即障碍物位于机器人右侧(用变量IfLeft=0表示)。C1=0表示左墙环境或C4=0表示左墙角,判断墙面位于机器人左侧(用变量IfLeft=1表示);C2=0表示右墙或C5=0表示右墙角,判断障碍物位于机器人右侧(用变量IfLeft=0表示)。
[0048] 根据上述判断,即可确定目标、障碍物(或壁面)是否在机器人同一侧。当Angle>0,IfLeft=1时,目标、障碍物(或壁面)不在机器人同一侧(用变量IfSame=0表示);Angle>0,IfLeft=0时,IfSame=1;Angle<0,IfLeft=1时,IfSame=1;Angle<0,IfLeft=0时,IfSame=0。总结为以下公式
[0049]
[0050] d)多行为选择
[0051] 本发明定义了五种行为,避障(前方、左方、右方障碍物避障)、随墙(左侧、右侧壁面随墙及穿越通道)、趋向目标、原地调头、自转行为。分别用避障行为变量随墙行为变量 趋向目标行为变量
Comgr、原地调头行为变量Comde、自转行为变量 表示。
[0052] 当满足特定的条件时,选择相应的行为(即相应的行为变量值赋值1),并输出行为变量。
[0053] 当机器人处于Ci=0(i=9、10)环境时,判断环境类型为死区类型,机器人因前进方向受阻,选择原地调头行为
[0054] 当机器人处于C11=0环境时,判断为无障碍类型。此时若IfMin=1,选择趋向目标行为Comgr=1;若IfMin=0,选择自转行为
[0055] 当机器人处于Ci=0(i=6、7、8)环境时,判断为障碍物类型。此时若IfMin=0,选择相应的避障行为 若IfMin=1,判断目标、障碍物是否在机器人同一侧,当IfSame=1,选择相应的避障行为
当IfSame=0,选择趋向目标行为
Comgr=1。
[0056] 当机器人处于Ci=0(i=1、2..5)环境时,判断为壁面类型。此时若IfMin=0,选择相应的随墙行为 若IfMin=1,判断目标、壁面是否在机器人同一侧,当IfSame=1,选择相应的随墙行为
当IfSame=0,选择趋向目标
行为Comgr=1。
[0057] 多行为融合酶数值膜系统输出行为变量给执行系统。
[0058] 3)执行相应的行为
[0059] 执行酶数值膜系统输出的行为。
[0060] 4)判断移动机器人是否到达目标
[0061] 判断距离值CurDist是否等于0。等于0则表示移动机器人到达目标,则结束控制。不为0则移动机器人继续获取环境状态,确定执行行为,直到到达目标。
[0062] 本发明在PC机上进行了仿真,CPU为2.8HZ,4GB RAM,软件平台MATLAB2012、Windows7OS和Webots。以移动机器人Epuck为例,Epuck机器人具有8个红外传感器,双轮差动驱动。
[0063] 参照附图4、5,本发明采取如下步骤:
[0064] 步骤1.以未知环境及机器人目标作为输入
[0065] 将移动机器人Epuck置于图5所示未知环境中,Epuck根据距离和角度计算公式得到当前Epuck与目标的距离Dcur和角度Angle,输入到图4多行为融合酶数值膜系统中。角度Angle通过变量Agr1、Agr2保存,Agr1=Angle,Agr2=-Angle。
[0066] 步骤2.移动机器人的控制
[0067] a)移动机器人所处环境类型的获取和确定
[0068] 环境模式分为11种:左墙、右墙、走廊、左墙角、右墙角、前墙、左上侧、右上侧、两侧、死角、无障碍物,用Ci=1,...,11表示(Ci=1,...,11=0分别处于对应环境模式:左墙、右墙、走廊、左墙角、右墙角、前墙、左上侧、右上侧、两侧、死角、无障碍物)。Epuck通过8个红外传感器获取机器人周边的8个距离信息(传感器值d1、d2…d8)。8个传感器以环形分布在移动机器人上(如图3),(其中d1、d2为位于机器人右前侧的传感器获得的距离信息,d3为机器人右侧的传感器获得的距离信息,d4为机器人右后侧的传感器获得的距离信息,d5为机器人左后侧的传感器获得的距离信息,d6为机器人左侧的传感器获得的距离信息,d7、d8为位于机器人左前侧的传感器获得的距离信息)。阈值70,当dx>70(x=1,2…8)时,认为传感器检测到障碍物,并将dx置1,dx<70,dx置0代表未检测到障碍物。(Epuck传感器的值随着障碍物的距离的增大而减小)。8个传感器处理后的值组成一组二进制传感器值,如:无障碍时为[0 0 0 0 0 0 0 0],将当前得到的二进制组与定义的11种环境二进制组(见表1)对比,判断出当前机器人所处环境Ci=1,...,11,并输出给图4酶数值膜系统。酶数值膜系统将输入的环境分为4个大类:墙面类型(左墙、右墙、走廊、左墙角、右墙角环境对应该类),障碍物类型(前墙、左上侧、右上侧环境对应该类),死区类型(两侧、死角环境对应该类),无障碍物类型(无障碍物环境对应该类)。分别用变量Ewa、Eob、Ede、Eno表示。此步骤由图4子膜JudgeEnvironmentModel完成,该子膜内,一共11条规则Pri=1,2..11,Case。规则1-5(即Pri=1,2..5,Case)将机器人所处环境划分为墙面类型(Ewa=1),规则6,7,8划分为障碍物类型(Eob=1),规则9,10划分为死区类型(死区类型直接对应原地调头行为,故该处实现直接分配Comde=1),规则11划分为无障碍物类型(Eno=1)。
[0069] 此处以规则9说明规则的执行,以后规则执行方式均相同。规则9为Pr9,Case:C9+2(Ec→)1|Comde+1|ET。Pr9,Case为规则名字,用冒号与表达式分开,C9+2为值产生规则,1|Comde+1|ET为值分配规则,括号内为酶变量Ec(当酶变量大于值产生规则中某一变量时,该规则才能激活执行;此处需Ec>C9)。当Ec>C9时,规则9激活,值产生规则产生值C9+2,值产生规则执行后,会将产生规则中的变量清0(即C9会被清0),产生的值由分配规则分配,C9+2分为2份,一份给变量Comde,一份给ET,即Comde=(C9+2)/2,ET=(C9+2)/2。
[0070] b)判断机器人与目标之间的距离是否为历史最小值
[0071] 此步骤在图4子膜JudgeDistanceIfMinimal中完成。规则1判断是否为历史最小值,规则2将历史最小值输出保存。 规则1,2执行,Dmin=1表示为历史最小值,Output=Dcur。
[0072] c)判断目标、障碍物(或壁面)是否在机器人同一侧
[0073] 判断目标、障碍物是否在机器人同一侧由图4子膜JudgeRobotStateObstacle中规则2-7,10,11完成。
[0074] 规则4,5判断目标与机器人的位置。Agr1<0(即Angle<0)时,酶变量Ea[0]>Agr1,激活规则4, 表示目标在机器人左侧。Agr2<0(即Angle>0)时,酶变量Ea[0]>Agr2,激活规则5, 表示目标在机器人右侧。
[0075] 规则Pr2、3,obstaclen用来判断障碍物与机器人间的位置关系。当环境模式C7=0(左上侧)时,障碍物位于机器人左侧,激活规则Pr2,obstaclen:变量Oleft[-1]=1,Oright[-1]=0;环境模式C8=0(右上侧)时,障碍物位于机器人右侧,激活规则Pr3,obstaclen:变量Oright[-1]=1,Oleft[-1]=0。
[0076] 规则Pr6.7.10.11,obstaclen通过 Oleft、Oright的值,得出障碍物、目标与机器人间的关系。当Oleft=1(障碍物在机器人左边), (目标在机器人右边)时,表示障碍物在机器人左侧目标在右,激活规则Pr6,obstaclen:酶变量EOGlr=2;当Oright=1, 时,表示障碍物在右目标在左,激活规则Pr7,obstaclen:酶变量EOGrl=2;当Oleft=1, 时,表示障碍物、目标都在左,激活规则Pr10,obstaclen:酶变量Eogleft=2;当Oright=1,时,表示障碍物、目标都在右,激活规则Pr11,obstaclen:酶变量Eogright=2。
[0077] 判断目标、壁面是否在机器人同一侧由JudgeRobotStateWall中规则2-7,10,11完成。原理相同,故不再赘述。
[0078] d)多行为的选择
[0079] 本发明定义了5种行为,避障(前方、左方、右方障碍物避障)、随墙(左侧、右侧壁面随墙及穿越通道)、趋向目标、原地调头、自转行为。分别用避障行为变量随墙行为变量 趋向目标行为变量Comgr、原地
调头行为变量Comde、自转行为变量 表示(如图4)。行为变量等于1,表示选择该种行为变量。
[0080] 当机器人处于Ci=0(i=9、10)环境时,判断环境类型为死区类型,机器人因前进方向受阻,选择原地调头行为 此部分由图4子膜JudgeEnvironmentModel中规则9或10完成。变量ET=1,终止膜系统的进化计算,输出
[0081] 当机器人处于C11=0环境时,判断为无障碍类型(Eno=1)。此时若Dmin=1,选择趋向目标行为Comgr=1;若Dmin=0,选择自转行为 此部分由图4子膜SelectGoalReachingCase完成。若Dmin=1,规则1无法执行,进而规则2无法执行,规则3无酶变量故每次进化都会执行, 进而规则4执行,Comgr=1,ET=1表示终止膜系统的进化计算。若Dmin=0,规则1,2执行, ET=1。
[0082] 当机器人处于Ci=0(i=6、7、8)环境时,判断为障碍物类型(Eob=1)。图4子膜SelectObstacleAvoidanceCase和JudgeRobotStateObstacle判断选择何种行为。若Dmin=0,SelectObstacleAvoidanceCase中规则1执行 进而规则2或3或4执行,选择相应的避障行为 规则5执行后 使得
JudgeRobotStateObstacle中规则无法执行。若Dmin=1,SelectObstacleAvoidanceCase中规则1无法执行,进而规则2,3,4均无法执行,规则5执行后 如果目标、障碍物在机器人同一侧(Eogleft=2或Eogright=2),规则12或13激活, 或 如果目标、障
碍物不在机器人同一侧(EOGlr=2或EOGrl=2),规则8或9激活, ET=1。
[0083] 当机器人处于Ci=0(i=1、2..5)环境时,判断环境类型为壁面类型(Ewa=1)。图4子膜SelectWallFollowCase和JudgeRobotStateWall判断选择何种行为。原理同避障情况,故不再赘述。
[0084] 步骤3.执行相应的行为
[0085] 执行膜系统输出的行为。
[0086] 步骤4.判断移动机器人是否到达目标
[0087] 判断距离值Dcur是否等于0。等于0则表示移动机器人到达目标,则结束控制。不为0则移动机器人继续获取环境状态,确定执行行为,直到到达目标。
[0088] 从图5的实验结果可以看出相较于模糊逻辑控制,多行为融合膜控制(MBCMC)行走路径更短(图5左),且能摆脱模糊逻辑控制无法摆脱的死区(图5右)。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈