专利驱动的工业机器人技术主题识别及多维度演化分析
杨洁松 林小爱（通讯作者）

南京理工大学知识产权学院，江苏南京，210094；

摘要：目的/意义：本研究旨在系统性识别工业机器人领域关键技术主题及其演化规律。方法/过程：首先以incoPat全球专利数据库为数据来源，对工业机器人领域从“本体、控制、驱动、感知”四个维度进行技术分解并检索，涵盖了机械结构、运动控制、动力传输及环境感知等核心方向；接着通过共现分析筛选高中介中心性的IPC分类号（如B25J9/16、G05B19/00），进而通过构建LDA主题模型对专利摘要进行文本挖掘并识别出11个技术主题，最后量化11个技术主题的强度演变。结果/结论：本体技术维度中的运动规划（Topic #0）由于传统算法在动态场景中的局限性主题强度下降，而与AI技术融合成为其新的研究突破方向；控制系统维度中由数字孪生驱动的协同控制（Topic #8）受到政策的支持作用其强度呈现波动增长的态势；驱动系统技术维度虽然面临技术迭代的瓶颈，但驱动控制（Topic #7）受边缘计算与5G技术的推动主题强度呈现局部回升；感知系统（Topic #9）由于国产LiDAR量产的因素影响主题强度回升。鉴于此，建议加强算法与硬件协同创新以及通过产学研合作缩短技术转化周期，进而使得核心器件的国产化进程加快。

关键词：工业机器人；技术分解；共现分析；LDA主题模型；技术主题强度

参考文献

[1]赵靓,游宏梁,高强,等.基于专利共现网络社区发现的军事智能技术演化分析[J].情报理论与实践,2023,46(04):176-183.

[2]楼旭明,张程锦,唐影.基于专利分析和TRIZ理论的无人机技术态势研究[J].情报杂志,2020,39(02):56-62.

[3]陈伟,林超然,李金秋,杨早立.基于LDA-HMM的专利技术主题演化趋势分析——以船用柴油机技术为例[J].情报学报,2018,37(07):732-741.

[4]Jiang H C,Qiang M S,Lin P.Finding Academic Concerns of the Three Gorges Project Based on a Topic Modeling Approach[J].Ecological Indicators,2016,60:693-701.

[5]杨超,朱东华,汪雪锋,朱福进,衡晓帆.专利技术主题分析:基于SAO结构的LDA主题模型方法[J].图书情报工作,2017,61(03):86-96.

[6]Chen S H,Huang M H,Chen D Z.Identifying and Visualizing Technology Evolution:A Case Study of Smart Grid Technology[J].Technological Forecasting and Social Change,2012,79(6):1099-1110.

[7]巩玥,刘俐媛,陈扬.基于专利计量的汞污染治理技术态势分析[J].环境工程学报,2019,13(06):1473-1487.

[8]Hofmann T. Probabilistic Latent Semantic Indexing[C]//Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval.1999:50-57.

[9]Salton G,Buckley C.Term-weighting Approaches in Automatic Text Retrieval[J].Information Processing and Management,1988,24(5):513-523.

[10]Robert,J,Watts,et al.Innovation Forecasting - ScienceDirect[J].Technological Forecasting and Social Change,1997,56(1):25-47.

[11]李湘东,张娇,袁满.基于LDA模型的科技期刊主题演化研究[J].情报杂志,2014,33(07):115-121.