1. 您所在位置：
  2. 网站首页
  3. 专利分类
  4. 物理
发明

基于深度强化学习的绳驱并联机器人控制方法

2023-06-30 07:00:08 发布于四川 0
  • 申请专利号：CN202210617587.5
  • 公开（公告）日：2023-04-28
  • 公开（公告）号：CN114995137A
  • 申请人：哈尔滨工业大学
摘要：基于深度强化学习的绳驱并联机器人控制方法，属于绳驱并联机器人领域，本发明为解决现有精确动力学模型没有考虑不确定性的影响或者在运动过程中绳驱并联机器人发生了变化，控制性能低的问题。本发明方法包括以下步骤：第一步、建立绳驱并联机器人的动力学模型，将绳驱并联机器人的动力学模型描述成马尔科夫决策过程；第二步、利用Lyapunov的柔性actor‑critic强化学习算法框架获取动作控制信号ur(m)，第三步、将基本控制器输出的动作控制信号ua(m)与强化学习算法框架获取动作控制信号ur(m)叠加生成绳驱并联机器人的控制信号。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114995137 A (43)申请公布日 2022.09.02 (21)申请号 202210617587.5 (22)申请日 2022.06.01 (71)申请人 哈尔滨工业大学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 吴承伟　卢彦岐　张欧阳　姚蔚然　 孙光辉　吴立刚　 (74)专利代理机构 哈尔滨华夏松花江知识产权 代理有限公司 23213 专利代理师 杨晓辉 (51)Int.Cl. G05B 13/04 (2006.01) 权利要求书3页 说明书13页 附图2页 (54)发明名称 基于深度强化学习的绳驱并联机器人控制 方法 (57)摘要 基于深度强化学习的绳驱并联机器人控制 方法，属于绳驱并联机器人领域，本发明为解决 现有精确动力学模型没有考虑不确定性的影响 或者在运动过程中绳驱并联机器人发生了变化， 控制性能低的问题。本发明方法包括以下步骤： 第一步、建立绳驱并联机器人的动力学模型，将 绳驱并联机器人的动力学模型描述成马尔科夫 决策过程；第二步、利用Lyapunov的柔性actor‑ critic强化学习算法框架获取动作控制信号u r (m)，第三步、将基本控制器输出的动作控制信号 u (m)与强化学习算法框架获取动作控制信号u a

最新专利

相关专利