【技术实现步骤摘要】
本专利技术属于机械臂控制领域，尤其涉及一种云边端协同下单连杆机械臂的无模型控制方法及系统。
技术介绍
1、随着科技的进步和工业自动化进程的加速发展，机械臂已成为自动化领域不可或缺的一部分，承担着装配、搬运、焊接等各种重要任务。单连杆机械臂因其结构简单、成本低廉等优点，广泛应用于工业生产、医疗康复等领域；传统的单连杆机械臂控制方法主要分为基于模型的控制和数据驱动控制，因基于模型的控制方法需要建立精确的动力学模型，然而复杂的自身因素和外部环境导致建模难度大，影响了对其的深入研究和应用；而数据驱动控制是直接利用丰富的输入输出数据直接进行控制器的设计，得到了学者的广泛关注。
2、直接型无模型自适应控制，在2013年由侯忠生、朱远明于论文"controller-dynamic-linearization-based model free adaptive control for discrete-timenonlinear systems." ieee transactions on industrial informatics, 2...
【技术保护点】
1.云边端协同下单连杆机械臂的无模型控制方法，所述云边端包含云端、边缘端、终端，其特征在于，包括以下步骤：
2.根据权利要求1所述的云边端协同下单连杆机械臂的无模型控制方法，其特征在于，步骤（2）中所述边缘端将预处理后的数据输入基于在线Actor-Critic强化学习网络进行时变参数自适应学习的无模型控制器，计算得到单连杆机械臂的控制指令的方法包括以下步骤：
3.根据权利要求2所述的云边端协同下单连杆机械臂的无模型控制方法，其特征在于，步骤（3）中所述云端根据边缘端反馈的数据，对所述无模型控制器的参数进行优化更新，所述优化更新过程包括以下步骤：
4.根...
【技术特征摘要】
1.云边端协同下单连杆机械臂的无模型控制方法，所述云边端包含云端、边缘端、终端，其特征在于，包括以下步骤：
2.根据权利要求1所述的云边端协同下单连杆机械臂的无模型控制方法，其特征在于，步骤（2）中所述边缘端将预处理后的数据输入基于在线actor-critic强化学习网络进行时变参数自适应学习的无模型控制器，计算得到单连杆机械臂的控制指令的方法包括以下步骤：
3.根据权利要求2所述的云边端协同下单连杆机械臂的无模型控制方法，其特征在于，步骤（3）中所述云端根据边缘端反馈的数据，对所述无模型控制器的参数进行优化更新，所述优化更新过程包括以下步骤：
4.根据权利要求1所述的云边端协同下单连杆机械臂的无模型控制方法，其特征在于，所述actor-critic强化学习网络采用径向基函数网络；所述径向基函数网络采用隐含层为单层的结构。
5.根据权...
【专利技术属性】
技术研发人员：陈晨，罗健，邓洪，陈伟，古晓东，赵耀，何常红，周敏，郭雅婕，李勇，佟文宇，王振鹏，张煜，杨嘉琛，郭晓旭，白裔峰，梁茹楠，晏寒，张妍君，
申请(专利权)人：中国铁路设计集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。