一种基于深度学习的大型散料装备运动控制优化方法

本发明公开一种基于深度学习的大型散料装备运动控制优化方法，涉及基于特定计算模型的计算机系统、深度学习、智能控制及工业自动化领域。针对散料装备控制系统中存在的环境感知不全面、动态环境适应性差等问题，本方法首先通过多源传感器采集数据及预处理；其次，构建跨模态注意力融合模型实现特征对齐；最后，设计LSTM‑PPO混合网络架构，其中LSTM层处理时序状态特征，PPO算法实现控制策略优化。与现有技术相比，本发明可以提升传统大型散料装备运动控制中精度与可控性，更易提高系统运行效率与鲁棒性，本方法可广泛应用于物流与散货装卸、工业智能制造和生产领域。