公开(公告)号：CN119526396A

公开(公告)日：2025-02-28

申请号：CN202411695232.3

申请日：2024-11-25

Applicant: 安徽大学

Inventor： 高赫佳 ,  刘江旭 ,  洪涛 ,  孙长银

IPC: B25J9/16

Abstract: 本发明提供一种输入饱和的柔性双连杆机械臂强化学习控制方法及装置，涉及机器人智能控制技术领域。该方法包括：使用假设模态法，构建柔性双连杆机械臂系统的动力学模型；设计带输入饱和的强化学习自适应振动控制器；根据带输入饱和的强化学习自适应振动控制器，对柔性双连杆机械臂系统进行控制，得到最优控制策略。本发明面向柔性双连杆机械臂提出了一种带辅助系统的强化学习算法，利用辅助系统消除饱和非线性函数对机械臂轨迹跟踪的影响。此外，设计了一种强化学习算法逼近柔性双连杆机械臂系统的不确定信息，使柔性机械臂在实现轨迹跟踪的同时抑制弹性振动。

公开(公告)号：CN119188729A

公开(公告)日：2024-12-27

申请号：CN202411185015.X

申请日：2024-08-27

Applicant: 安徽大学

Inventor： 高赫佳 ,  余泽乐 ,  刘江旭 ,  孙长银 ,  杨凌霄

IPC: B25J9/16

Abstract: 本发明提供一种基于双评价网络的机械臂控制方法及其稳定性评价方法，涉及摩擦系数计算技术领域。所述方法包括：建立柔性双连杆机械臂的运动学方程；设计参考神经网络，得到参考神经网络的内部强化信号；基于参考神经网络的内部强化信号，设计评价神经网络，得到长期成本控制函数，长期成本控制函数用于找到最小化操作成本的最优控制；基于柔性双连杆机械臂的运动学方程，得到柔性双连杆机械臂的初始力矩，基于动作神经网络，得到替换后的控制力，在对FTLM系统进行轨迹跟踪控制，同时抑制系统的弹性振动，消除了对历史数据或预先存在的知识为强化信号赋值的需要。