一种基于强化学习的柔性关节机械臂跟踪控制方法及装置

本发明涉及机器人智能控制技术领域，特别涉及一种基于强化学习的柔性关节机械臂跟踪控制方法及装置。方法包括：采用Actor‑Critic网络来估计系统模型中的不确定性和执行器故障，以确保即使系统经历了不可预测的变化，系统性能也保持稳定；采用非奇异终端滑模控制方法避免了奇异点的出现，不仅保证了控制律的连续性和鲁棒性，还保证了机器人系统的精确轨迹跟踪。本发明考虑到柔性关节机械臂的模型参数可能因弹簧刚度、连杆长度和质量等参数的不同而出现偏差，因此采用强化学习来估计模型内的固有不确定性。本发明提出的基于强化学习(RL)和非奇异终端滑模控制(NTSMC)的策略，可以在保持轨迹跟踪的同时补偿系统的不确定性和未知干扰。