基于强化学习算法的工业机器人数字孪生模型自更新方法

一种基于强化学习算法的工业机器人数字孪生模型自更新方法，包括以下步骤：第一步、通过传感器收集工业机器人的各项实时运动参数作为数字孪生模型的训练集，在迭代训练过程后得到最优控制策略；对工业机器人不同行为进行分类，并对采集过程中的数据做平衡处理；第二步、构建工业机器人数字孪生模型、构建数字孪生系统的四元组；第三步，基于DQ‑SAC算法的参数更新过程，在SAC算法的基础上中再增加一个Q值形成双Q网络，最终构成DQ‑SAC网络。本发明过优化控制策略来修正孪生模型的故障特征参数，实现模型的自更新。