一种基于强化学习的机器人打磨在线颤振抑制方法

本申请涉及一种基于强化学习的机器人打磨在线颤振抑制方法，涉及机器人振动控制调节技术领域，该方法包括：从机器人打磨过程中的振动信号和力误差信号入手，通过离散小波变换、能量熵计算和统计特征提取，构造出高辨识度的多源特征向量，并归一化后，采用卷积神经网络与多头注意力模块进行特征融合和降维，得到低维特征表示，再通过嵌入LSTM的DDPG框架构建时序增强的策略模型，在策略模型中，Actor网络基于时序状态输出阻抗参数，Critic网络通过最小化损失函数并结合熵正则化实现策略的稳定更新，进而对机器人末端执行器进行调控，本申请实现了对机器人打磨薄壁件过程中复杂颤振机理的实时抑制与高效控制，显著提升了系统的自适应性和控制精度。