基于强化学习全状态约束控制机械臂轨迹方法及系统

本发明提供基于强化学习全状态约束控制机械臂轨迹方法及系统，方法包括：建立n自由度旋转关节的刚性机械臂动力学模型；根据动力学模型、状态约束，设计误差转换函数，将有约束的误差e转换为无约束的误差ξ；根据无约束误差ξ的更新率，设计机械臂系统的成本函数；通过成本函数，构建雅可比‑贝尔曼‑哈密顿方程，求解得到最优控制器；利用critic神经网络近似逼近最优成本函数，得到近似最优控制器；根据近似最优控制器，推出近似哈密顿‑雅可比‑贝尔曼方程，与原哈密顿‑雅可比‑贝尔曼做差，梯度下降获得critic网络权值矩阵更新率。本发明解决了不确定性及动态变化场景下、多约束条件下，存在的难以实现机械臂轨迹跟踪、机械臂轨迹跟踪精度较低的技术问题。