深度Q-RBF网络下的瓶装食品装箱机械臂无碰轨迹规划

摘要：

由于机械臂存在高度的灵活性,可模拟人类手臂完成易碎瓶装食品的装箱工作,并实时矫正机械臂轨迹规划所存在的误差,提升稳定性与精准度.分析装箱机械臂的基本架构,提出基于深度Q-RBF强化学习网络的机械臂无碰轨迹规划模型,通过资源分配自适应方法,根据待建模的样本,调整RBF网络隐含层单元,从而提升网络学习速率与在线学习能力,结合自适应Q强化学习算法,获得最优操作集合.并选用学习率调参法完成网络的参数学习.仿真与实验结果表明:与其他两种方法对比,此方法具有较强的避障能力,机械臂能够较好地依据预定轨迹行进;避碰进程变化缓和,且能够尽快收敛并逐步趋向稳定.

关键词：机械臂、轨迹规划、稳定性、精准度、RBF网络

所属期刊栏目：51

分类号：TH115

资助基金：国家自然科学基金;甘肃省青年科技基金计划;甘肃省青年科技基金计划

在线出版日期：2023-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：89-95