【技术实现步骤摘要】
本申请属于人工智能领域，尤其涉及一种基于强化学习的水性胶喷涂路径规划方法及系统。
技术介绍
1、水性胶是一种环保型胶粘剂，为了保证水性胶喷涂的质量，在喷涂过程中，对涂层厚度、覆盖均匀性等有较高要求。但是在对深腔、锐边等复杂工件的喷涂中，人工喷涂存在涂胶量不稳定和漏喷等问题，无法保证喷涂的质量。喷涂路径规划可以根据工件的特点，生成喷涂路径，而且相对于人工喷涂，可以精确控制喷涂质量，特别适用在复杂工件的水性胶喷涂中。但是面临的一个问题是，现有的喷涂路径规划侧重于路径的覆盖，对于如何动态调整喷枪姿态、速度以及与工件的距离来精确控制涂层厚度的均匀性缺乏支持。强化学习在复杂决策问题中的自学习与优化能力，可以应用于机器人路径规划。然而，将强化学习直接应用于实际喷涂中仍有很多问题，强化学习得到的价值函数或策略通常是针对局部状态或动作的评估，如何将其转化为指导全局且符合工艺约束的喷涂路径，以及当喷涂质量出现不达标情况时，如何从中提取有价值的信息以针对性地改进策略与价值判断，避免在无效区域重复低效探索，是提高水性胶喷涂质量的关键。
...
【技术保护点】
1.一种基于强化学习的水性胶喷涂路径规划方法，其特征在于，包括：
2.根据权利要求1所述的基于强化学习的水性胶喷涂路径规划方法，其特征在于，所述根据优势估计值的方差构建训练数据集，包括：
3.根据权利要求1所述的基于强化学习的水性胶喷涂路径规划方法，其特征在于，所述利用所述价值网络得到工件表面的节点热图，包括：
4.根据权利要求1所述的基于强化学习的水性胶喷涂路径规划方法，其特征在于，所述利用所述节点热图得到地标子集中地标在当前喷涂区域路径搜索中的贡献值，包括：
5.根据权利要求1所述的基于强化学习的水性胶喷涂路径规划方...
【技术特征摘要】
1.一种基于强化学习的水性胶喷涂路径规划方法，其特征在于，包括：
2.根据权利要求1所述的基于强化学习的水性胶喷涂路径规划方法，其特征在于，所述根据优势估计值的方差构建训练数据集，包括：
3.根据权利要求1所述的基于强化学习的水性胶喷涂路径规划方法，其特征在于，所述利用所述价值网络得到工件表面的节点热图，包括：
4.根据权利要求1所述的基于强化学习的水性胶喷涂路径规划方法，其特征在于，所述利用所述节点热图得到地标子集中地标在当前喷涂区域路径搜索中的贡献值，包括：
5.根据权利要求1所述的基于强化学习的水性胶喷涂路径规划方法，其特征在于，所述调整与所述目标喷涂区域相关的地标的贡献值，包括：
【专利技术属性】
技术研发人员：贺小琪，俞董卫，苏砚军，
申请(专利权)人：武汉众和时利自动化科技有限公司，
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。