摘要
本发明公开了一种机械臂控制方法及系统,方法包括根据机械臂系统的误差约束设置动态事件触发条件和成本函数;利用评论家神经网络对成本函数进行估计来逼近最优成本函数,使得在哈密顿‑雅可比‑贝尔曼估计误差最小时生成最优控制器;其中,根据动态事件触发条件调整触发阈值和控制评论家神经网络权值矩阵更新规则的更新频率;本发明通过引入动态事件触发机制和强化学习方法,克服现有技术在自适应性、抖振抑制、模型误差和能耗优化等方面的不足。
技术关键词
机械臂控制方法
神经网络权值
误差向量
机械臂系统
估计误差
矩阵
动态事件触发机制
机械臂控制系统
李雅普诺夫函数
强化学习方法
符号
模型误差
计算机程序产品
方程
频率
变量
特征值
参数
系统为您推荐了相关专利信息
模块化机械臂
容错控制方法
径向基神经网络
容错控制策略
执行器
机械臂控制方法
信号
机械臂控制装置
运动误差
神经网络模型
机械臂控制方法
雅可比矩阵
机械臂运动学
速度
噪声鲁棒性
动作计划
融合视觉
纠正方法
语义关键词
误差向量
协方差矩阵
估计方法
控制器局域网总线
方向盘转角信号
估计误差