关键词：视觉伺服;DDPG学习策略;自适应增益;机械臂;混合滑模控制;可见性约束
摘 要：针对视觉伺服控制系统存在伺服精度低、收敛速度慢和缺乏可见性约束等问题，提出一种基于深度强化学习的自适应调整多策略控制器伺服增益方法，用于机械臂智能控制。首先搭建眼在手配置（EIH）的机械臂视觉伺服系统。然后，融合比例控制与滑模控制（SMC）设计基于图像的视觉伺服控制器（SMCC-IBVS）；针对控制系统特征丢失的问题，将伺服选择增益的过程构建为马尔可夫决策过程（MDP）模型，在此基础上，设计基于深度确定性策略梯度（DDPG）的自适应伺服增益算法，通过深度强化学习来自适应调整控制器（SMCC-IBVS）伺服增益，减少伺服误差，提高效率和稳定性。最后，仿真和物理实验结果表明，使用DDPG学习调控增益的SMCC-IBVS控制器具有强鲁棒性和快速收敛性，且在很大程度上避免了特征丢失；机械臂轴孔装配实验结果也表明，所提出的视觉伺服系统实用性能较强，针对轴孔最小间隙为0.2mm间隙配合的装配实验成功率可达99%。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取