APP下载

基于增强学习的机械臂轨迹跟踪控制

2018-09-08刘卫朋邢关生陈海永孙鹤旭

计算机集成制造系统 2018年8期
关键词:控制策略机械

刘卫朋,邢关生,陈海永,孙鹤旭

( 1.河北工业大学 控制科学与工程学院,天津 300130; 2.青岛科技大学 自动化与电子工程学院,山东 青岛 266042)

0 引言

机械臂动力学具有高度非线性和不确定性,目前针对机械臂轨迹的跟踪控制问题已有很多可行的控制方案。为了便于设计且成本低廉,工业界习惯采用比例—积分—微分(Proportion Integration Differentiation, PID)控制器设计方法,然而传统PID控制方法对不确定的工作环境、负载变化和未知外部扰动的适应能力不足,需要采用先进的自适应技术来提高控制器的工作性能。

近年来增强学习(又称强化学习)逐渐受到研究者的重视。增强学习是一种非线性系统的直接自适应最优控制方法[1],该方法计算简单,能够赋予控制器学习能力,使控制器灵活应对变化的外部环境。增强学习控制器通过与环境(包括动态模型未知的被控对象)相互作用,基于实际运行数据学习控制律,目的是获得最大的长期回报,即使控制系统性能最优。增强学习控制器设计不需要被控对象的动态模型,控制动作的产生是基于当前或历史数据。已有一些研究工作将增强学习算法应用于机械臂控制,例如,文献[2]采用基于K-均值聚类的增强学习方法解决机械臂的避碰问题;文献[3]采用Q-learning算法解决机械臂关节运动的轨迹跟踪控制问题,研究增强学习中的各种函数逼近技术,对比了模糊Q-learning控制[4]、神经网络Q-learning控制[5]、决策树Q-learning控制[6]、支持向量机Q-learning控制[7]在负载变化、力矩扰动情况下的平均偏差、最大偏差等性能指标。……

登录APP查看全文

猜你喜欢

控制策略机械
考虑虚拟惯性的VSC-MTDC改进下垂控制策略
机械革命Code01
调试机械臂
ikbc R300机械键盘
工程造价控制策略
现代企业会计的内部控制策略探讨
简单机械
容错逆变器直接转矩控制策略
基于Z源逆变器的STATCOM/BESS控制策略研究
按摩机械臂