基于强化学习与模型预测控制的变负载移动机械臂轨迹跟踪方法

本发明公开一种基于强化学习与模型预测控制的变负载移动机械臂轨迹跟踪方法，首先获取基于拉格朗日方程建立的移动机械臂系统模型，通过系统动能、势能、广义力公式推导出动力学方程。模型预测控制（MPC）模块基于此模型，利用离散状态方程预测未来状态，通过优化成本函数得出控制输入。强化学习（RL）模块则定义特定状态空间、动作空间和奖励函数，采用Q‑学习算法训练智能体。在协同控制阶段，根据系统状态动态调整权重系数，融合MPC和RL的控制输入。本发明有效解决了变负载移动机械臂轨迹跟踪难题，显著提升轨迹跟踪精度，增强系统适应性与鲁棒性，在工业制造、物流仓储等领域具有广阔应用前景。