基于增强学习的柔性机械臂模糊振动控制

摘要

柔性机械臂的振动会显著降低其定位精度和工作效率.为了对柔性机械臂的振动实施控制,本文提出了一种基于增强学习的模糊控制(增强学习模糊控制,RLFC)方法.增强学习模糊控制方法由增强学习算法和模糊推理系统组成.增强学习算法可以在没有导师信号和预先训练数据的情况下自律的进行学习.它通过与被控对象交互来学习模糊规则库,并通过计算回报函数信号来改变规则库生成策略来实现学习目标.为了验证提出的控制方法,本文考虑了一个典型的含压电片的柔性机械臂结构的振动控制问题.首先,采用有限元方法建立了柔性机械臂结构的动力学模型.然后,给出了控制系统的状态方程.之后,给出了增强学习模糊控制方法的技术细节.最后,进行了仿真验证.仿真结果表明增强学习模糊控制方法能有效抑制柔性机械臂的振动.