-
公开(公告)号：CN117260739B
公开(公告)日：2025-03-11
申请号：CN202311479282.3
申请日：2023-11-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度强化学习和TSK‑FS模糊推理的机器人抓取方法及系统，它属于机器人视觉定位抓取技术领域。本发明解决了现有物体抓取方法无法获得最优行为指导策略且抓取效率低的问题。本发明在深度强化学习模型的行为策略训练阶段加入Gauss噪声值，可以使机械臂有机会探索到更为广泛的动作空间，进而获得最优的行为指导策略。同时本发明的模糊推理利用了与决策动作直接相关的最优推动动作价值、最优抓取动作价值、目标物体边缘物体占有率和连续抓取失败次数信息，使得决策结果综合考虑了推动动作的需求，可以根据当前工作场景中的状态信息进行推抓动作自主决策，有效提高了目标物体的抓取效率。本发明方法可以应用于对机器人的抓取任务进行控制。
-
公开(公告)号：CN115185187B
公开(公告)日：2023-06-20
申请号：CN202210981267.8
申请日：2022-08-16
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于二型椭球型模糊神经网络的机械臂有限时间跟踪控制方法，它属于工业机械臂控制领域。本发明解决了由于来自操作环境和机械臂自身造成的系统不确定性，导致采用现有方法难以实现对机械臂的高精度控制的问题。本发明方法采取的技术方案为：步骤一、建立考虑系统不确定性的机械臂动力学模型；步骤二、采用区间二型椭球型模糊神经网络对系统不确定性进行估计，得到估计结果；步骤三、设计预定时间内收敛的非奇异终端滑模面；步骤四、基于估计结果和非奇异终端滑模面进行跟踪控制器的设计。本发明方法可以应用于对工业机械臂的控制。
-
公开(公告)号：CN115185187A
公开(公告)日：2022-10-14
申请号：CN202210981267.8
申请日：2022-08-16
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于二型椭球型模糊神经网络的机械臂有限时间跟踪控制方法，它属于工业机械臂控制领域。本发明解决了由于来自操作环境和机械臂自身造成的系统不确定性，导致采用现有方法难以实现对机械臂的高精度控制的问题。本发明方法采取的技术方案为：步骤一、建立考虑系统不确定性的机械臂动力学模型；步骤二、采用区间二型椭球型模糊神经网络对系统不确定性进行估计，得到估计结果；步骤三、设计预定时间内收敛的非奇异终端滑模面；步骤四、基于估计结果和非奇异终端滑模面进行跟踪控制器的设计。本发明方法可以应用于对工业机械臂的控制。
-
公开(公告)号：CN117260739A
公开(公告)日：2023-12-22
申请号：CN202311479282.3
申请日：2023-11-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度强化学习和TSK‑FS模糊推理的机器人抓取方法及系统，它属于机器人视觉定位抓取技术领域。本发明解决了现有物体抓取方法无法获得最优行为指导策略且抓取效率低的问题。本发明在深度强化学习模型的行为策略训练阶段加入Gauss噪声值，可以使机械臂有机会探索到更为广泛的动作空间，进而获得最优的行为指导策略。同时本发明的模糊推理利用了与决策动作直接相关的最优推动动作价值、最优抓取动作价值、目标物体边缘物体占有率和连续抓取失败次数信息，使得决策结果综合考虑了推动动作的需求，可以根据当前工作场景中的状态信息进行推抓动作自主决策，有效提高了目标物体的抓取效率。本发明方法可以应用于对机器人的抓取任务进行控制。
-
-
-
Search Results
4
records
(took 0.023 seconds)
