一种基于深度强化学习的接触式加工机器人运动规划方法

本发明涉及一种基于深度强化学习的接触式加工机器人运动规划方法，所述方法包括：首先，基于DH参数和齐次变换矩阵建立了六自由度机械臂末端状态向量与基座、关节运动向量之间的位置级正、逆运动学模型；其次，综合考虑加工任务、进给速度、进给角度等约束，设计了多级奖励函数对作业参数规划；然后基于双延迟深度确定性策略梯度设计网络结构，对算法进行三层次优化；最后，依据网络结构设计规划流程，以磨抛加工为例，应用于智能接触式加工机械臂系统的规划任务中。本发明能够通过自主学习实现对接触式加工工艺多种加工参数的实时优化与控制，可用于接触式加工工艺动力学耦合情况下的智能安全规划。