公开(公告)号：CN118466201B

公开(公告)日：2024-12-03

申请号：CN202410569006.4

申请日：2024-05-09

Applicant: 南通大学

Inventor： 杨杰士 ,  程赟 ,  华亮 ,  袁银龙

IPC: G05B13/04

Abstract: 本发明提供了一种基于深度强化学习的水下机器人机械臂抗扰控制方法，属于机器人控制技术领域。解决了现有的水下机器人机械臂系统在复杂水下环境中船体及机械臂轨迹跟踪和抗水流扰动精度低的技术问题。其技术方案为：包括以下步骤：S1、建立水下机器人机械臂系统的控制模型；S2、设计扩张状态观测器进行实时估计补偿系统的不确定性和外部扰动；S3、设计有限时间控制器以实现快速且精确的状态跟踪；S4、利用深度强化学习算法调整控制参数，以响应环境变化。本发明的有益效果为：在多变和复杂的水下作业环境下，通过深度强化学习算法使水下机器人机械臂系统高效、鲁棒、自适应地完成作业任务。

公开(公告)号：CN118466201A

公开(公告)日：2024-08-09

申请号：CN202410569006.4

申请日：2024-05-09

Applicant: 南通大学

Inventor： 杨杰士 ,  程赟 ,  华亮 ,  袁银龙

IPC: G05B13/04

Abstract: 本发明提供了一种基于深度强化学习的水下机器人机械臂抗扰控制方法，属于机器人控制技术领域。解决了现有的水下机器人机械臂系统在复杂水下环境中船体及机械臂轨迹跟踪和抗水流扰动精度低的技术问题。其技术方案为：包括以下步骤：S1、建立水下机器人机械臂系统的控制模型；S2、设计扩张状态观测器进行实时估计补偿系统的不确定性和外部扰动；S3、设计有限时间控制器以实现快速且精确的状态跟踪；S4、利用深度强化学习算法调整控制参数，以响应环境变化。本发明的有益效果为：在多变和复杂的水下作业环境下，通过深度强化学习算法使水下机器人机械臂系统高效、鲁棒、自适应地完成作业任务。