关键词：机械臂;轨迹规划;稳定性;精准度;RBF网络
摘 要：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：与其他两种方法对比，此方法具有较强的避障能力，机械臂能够较好地依据预定轨迹行进；避碰进程变化缓和，且能够尽快收敛并逐步趋向稳定。
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