公开(公告)号：CN118650629B

公开(公告)日：2025-05-09

申请号：CN202411031354.2

申请日：2024-07-30

Applicant: 南京理工大学

Inventor： 钱林方 ,  邹权 ,  恽佳辉 ,  徐亚栋 ,  陈龙淼 ,  佟明昊 ,  陈光宋 ,  王满意

IPC: B25J9/16 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明提出了一种融合深度强化学习的柔性机械臂高精度控制方法，属于柔性机械臂运动控制技术领域，包括建立柔性机械臂数学模型；设计基于模型的控制律；建立系统的马尔可夫决策过程；设计考虑大范围跟踪误差特性的连续奖励函数；建立基于深度强化学习算法流程；设计基于平滑加权的融合律；本发明所提出的一种融合深度强化学习的柔性机械臂高精度控制方法，不仅轨迹跟踪精度高，而且在没有部署传感器的前提下，实现了精准控制，可有效提高柔性机械臂的轨迹跟踪性能。

公开(公告)号：CN118650629A

公开(公告)日：2024-09-17

申请号：CN202411031354.2

申请日：2024-07-30

Applicant: 南京理工大学

Inventor： 钱林方 ,  邹权 ,  恽佳辉 ,  徐亚栋 ,  陈龙淼 ,  佟明昊 ,  陈光宋 ,  王满意

IPC: B25J9/16 ,  G06N3/045 ,  G06N3/092

Abstract: 本发明提出了一种融合深度强化学习的柔性机械臂高精度控制方法，属于柔性机械臂运动控制技术领域，包括建立柔性机械臂数学模型；设计基于模型的控制律；建立系统的马尔可夫决策过程；设计考虑大范围跟踪误差特性的连续奖励函数；建立基于深度强化学习算法流程；设计基于平滑加权的融合律；本发明所提出的一种融合深度强化学习的柔性机械臂高精度控制方法，不仅轨迹跟踪精度高，而且在没有部署传感器的前提下，实现了精准控制，可有效提高柔性机械臂的轨迹跟踪性能。