一种基于强化学习的机械臂自适应预设性能控制方法

本发明涉及机械臂控制技术领域，公开了一种基于强化学习的机械臂自适应预设性能控制方法，包括构建具有外部扰动的多连杆机械臂的动力学模型；对跟踪误差进行等效误差转换，得到无约束误差变量；根据无约束误差变量建立基于反步法和指令滤波器的补偿跟踪误差信号，并通过构造与补偿跟踪误差信号、虚拟控制信号和实际控制信号相关的性能指标，建立哈密顿‑雅可比‑贝尔曼方程；采用基于神经网络的强化学习方法求解哈密顿‑雅可比‑贝尔曼方程，并结合Lyapunov稳定性理论构造与补偿跟踪误差信号、神经网络权重估计误差相关的Lyapunov函数，确定虚拟控制信号、实际控制信号和参数自适应律。本发明可以有效解决存在外部扰动和通信资源受限下的机械臂跟踪控制问题。