一种数控机床及基于深度学习的自适应控制系统

本发明公开了一种数控机床及基于深度学习的自适应控制系统，具体涉及自适应控制技术领域，包括通过数控机床控制机械手，通过深度学习模型采集物体的位置信息，生成关于物体的不同抓取路径，通过将稳定性最大化作为数控机床控制系统的设计目标，生成稳定性目标函数，并根据机械手不同的抓取路径，数控机床通过和声搜索算法和遗传算法结合，基于机械手的约束条件，优化机械手的抓取路径，基于历史数据中已知物体的最优路径，确定当前物体的路径调整量特征，通过构建逻辑回归模型，量化路径调整对抓取稳定性的影响，判断机械手的抓取路径策略，本发明有助于确保抓取物体的稳定性，并提升物体抓取任务的执行效率。