申请/专利权人:南京理工大学
申请日:2024-03-26
公开(公告)日:2024-05-17
公开(公告)号:CN118046388A
主分类号:B25J9/16
分类号:B25J9/16;B25J13/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明公开了一种基于强化学习的多自由度阀控液压机械臂自适应控制方法,该控制方法同时考虑多自由度阀控液压机械臂的不匹配和匹配不确定性。针对多关节之间的强耦合动态和复杂非线性摩擦等不匹配不确定性,设计了基于执行‑评价网络的强化学习控制策略,其中执行网络通过逼近不匹配不确定性产生前馈力矩补偿,评价网络用于评价控制性能;针对复杂内泄漏引起的匹配不确定性,设计了自适应鲁棒控制策略,同时引入动态面控制方法,避免了对虚拟控制输入求导所带来的计算复杂度。针对多自由度阀控液压机械臂跟踪控制问题,该控制方法可同时处理系统不匹配和匹配不确定性,鲁棒性能优越,对液压机械臂机械系统动力学模型依赖程度低,可获得较高的跟踪性能。
主权项:1.一种基于强化学习的多自由度阀控液压机械臂自适应控制方法,其特征在于,包括以下步骤:步骤1,建立多自由度阀控液压机械臂的数学模型,包括液压机械臂机械系统动力学模型和液压系统动力学模型;步骤2,基于多自由度阀控液压机械臂的数学模型,设计基于强化学习的多自由度阀控液压机械臂自适应控制器;步骤3,设计执行-评价网络逼近多自由度阀控液压机械臂系统的不匹配不确定性,用于前馈力矩补偿;步骤4,运用李雅普诺夫稳定性理论对上述基于强化学习的多自由度阀控液压机械臂自适应控制器进行稳定性分析,得到系统有界稳定的结果。
全文数据:
权利要求:
百度查询: 南京理工大学 基于强化学习的多自由度阀控液压机械臂自适应控制方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。