公开(公告)号：CN110083160B

公开(公告)日：2022-04-19

申请号：CN201910406713.0

申请日：2019-05-16

Applicant: 哈尔滨工业大学(深圳)

Inventor： 李建刚 ,  钟刚刚 ,  吴雨璁 ,  苏中秋

IPC: G05D1/02

Abstract: 本发明公开了一种基于深度学习的机器人轨迹规划方法，先通过建立机器人的运动学模型，并给机器人一个基础规划轨迹，让机器人运动起来，采集机器人的实时信息，包括位置，力矩等信息，建立机器人的动力学模型，然后，利用Q‑learning强化学习得到最优的规划轨迹；该发明基于实际采集数据进行建模和学习，避免了在理想环境下建模。该套方法可以在各种复杂的环境中应用于工业机器人因为其具有参数自学习，自调整的能力。在机器人一致性较好的情况下，机器人学习到的模型可以共享给同类型机器人平台。这一研究在工业生产中，具有广泛的应用前景。

公开(公告)号：CN110083160A

公开(公告)日：2019-08-02

申请号：CN201910406713.0

申请日：2019-05-16

Applicant: 哈尔滨工业大学(深圳)

Inventor： 李建刚 ,  钟刚刚 ,  吴雨璁 ,  苏中秋

IPC: G05D1/02

Abstract: 本发明公开了一种基于深度学习的机器人轨迹规划方法，先通过建立机器人的运动学模型，并给机器人一个基础规划轨迹，让机器人运动起来，采集机器人的实时信息，包括位置，力矩等信息，建立机器人的动力学模型，然后，利用Q-learning强化学习得到最优的规划轨迹；该发明基于实际采集数据进行建模和学习，避免了在理想环境下建模。该套方法可以在各种复杂的环境中应用于工业机器人因为其具有参数自学习，自调整的能力。在机器人一致性较好的情况下，机器人学习到的模型可以共享给同类型机器人平台。这一研究在工业生产中，具有广泛的应用前景。

公开(公告)号：CN108927806A

公开(公告)日：2018-12-04

申请号：CN201810921161.2

申请日：2018-08-13

Applicant: 哈尔滨工业大学(深圳)

Inventor： 李建刚 ,  钟刚刚 ,  吴雨璁

IPC: B25J9/16

Abstract: 本发明提供了一种应用于大批量重复性加工的工业机器人学习方法，其特征在于：该学习方法是基于学习模型进行学习，其包括如下步骤：S001、传感器采集状态信息；S002、根据采集的信息进行学习；S003、判断加工质量以及加工周期是否达到要求，若达到要求则结束学习，否则重新采集状态信息重新学习。本发明的方法根据传感器数据去学习并改进控制策略，达到在高速下的良好控制，能够简化机器人调试工作，并可实现在大批量、规模化的重复性加工中应用，并解决机器人在传统的学习方式中缺乏精确动力学模型造成的高速工作下的震荡，提高工业机器人的工作效率。