摘要
本发明提出了一种融合深度强化学习的柔性机械臂高精度控制方法,属于柔性机械臂运动控制技术领域,包括建立柔性机械臂数学模型;设计基于模型的控制律;建立系统的马尔可夫决策过程;设计考虑大范围跟踪误差特性的连续奖励函数;建立基于深度强化学习算法流程;设计基于平滑加权的融合律;本发明所提出的一种融合深度强化学习的柔性机械臂高精度控制方法,不仅轨迹跟踪精度高,而且在没有部署传感器的前提下,实现了精准控制,可有效提高柔性机械臂的轨迹跟踪性能。
技术关键词
柔性机械臂
高精度控制方法
深度强化学习算法
末端执行器
网络
参数
轨迹
运动控制技术
旋转误差
策略
坐标
数学模型
矩阵
符号
索引
因子
离心力
系统为您推荐了相关专利信息
RBF神经网络
精准预测方法
非线性特征
极值
协方差矩阵
样本
图像特征提取
网络训练方法
队列
计算机可读指令
供应链调度系统
多元线性回归模型
数据采集模块
语义向量
供应系统
传感器
回归预测模型
测试方法
控制器
斯皮尔曼相关系数