一种基于人工智能的大负载机器人控制方法

本发明公开了一种基于人工智能的大负载机器人控制方法，涉及负载控制技术领域，本发明，通过卷积神经网络CNN提取转动参数的局部时序特征，并结合注意力机制的Transformer模型解析煤岩硬度的动态变化及负载特性，与实时地质数据的融合和多层感知机MLP的负载预测；采用深度强化学习DRL框架中的深度确定性策略梯度DDPG算法，基于负载预测结果实时调整转矩设定值，策略网络通过环境状态生成最优调节动作，价值网络评估动作价值，快速响应复杂工况下的负载变化；引入反馈机制进一步提升适应能力，将执行后的转矩状态与性能数据作为反馈输入，在线调整Transformer模型和DRL策略网络的参数，通过均方误差MSE形式的损失函数持续优化预测与实际的偏差。