深度Q-RBF网络下的瓶装食品装箱机械臂无碰轨迹规划

简介

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