基于深度强化学习的工业机器人柔性装配策略OA
制造业智能化转型推动离散制造行业更新装配作业模式,传统固定式程序化控制难以适配多品类、小批量零部件的柔性装配生产需求.针对工业机器人装配作业抗扰动能力弱、位姿偏差容错率低、非标工况适配性不足等问题,本文依托深度强化学习对机器人装配决策体系进行优化.结合柔性装配作业特征与工况约束,本文搭建了贴合生产实际的环境模型与运动学模型,构建标准化的状态、动作及奖惩体系,优化神经网络与迭代机制,增设动态扰动自适应模块.该策略可使机器人自主修正装配动作,抵消零件尺寸偏差与环境扰动带来的负面影响,为智能制造领域的柔性装配作业提供技术支撑.
宋琳璐;付豪
南阳农业职业学院南阳农业职业学院
工业机器人柔性装配深度强化学习运动学模型动态扰动
《张江科技评论》 2026 (7)
33-35,3
评论