买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉无锡广盈集团有限公司申请的专利一种基于深度强化学习的机械臂力反馈控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119550332B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411560191.7，技术领域涉及：B25J9/16；该发明授权一种基于深度强化学习的机械臂力反馈控制方法是由鲁志毅;俞骏;徐军;任伟锋;谢敏;顾敏;胡坚;钱磊;孙庆明;杨东兴设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种基于深度强化学习的机械臂力反馈控制方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的机械臂力反馈控制方法，包括以下步骤：步骤一：数据采集与预处理，包括环境数据采集、操作数据采集和数据预处理；步骤二：自适应深度强化学习算法设计，包括初始模型训练、自适应学习模块和模型在线更新；步骤三：预测模型引入，包括人类操作意图预测和运动轨迹预测；步骤四：性能测试与优化，包括仿真测试和安全性和效率评估。本发明提高机械臂在复杂环境中运行时的力反馈控制精度和人机协作的安全性与效率。该方法通过设计自适应深度强化学习算法和引入人类操作意图预测模型，实现实时更新和调整控制策略，从而更好地应对环境变化和未知干扰。

本发明授权一种基于深度强化学习的机械臂力反馈控制方法在权利要求书中公布了：1.一种基于深度强化学习的机械臂力反馈控制方法，其特征在于，包括以下步骤： 步骤一：数据采集与预处理 环境数据采集：通过传感器网络实时采集机械臂周围环境的各种数据，包括温度、湿度、光照、物体位置和速度； 操作数据采集：采集人类操作人员的运动数据，包括手势、力反馈、操作轨迹和意图数据； 数据预处理：对采集到的数据进行去噪、归一化和特征提取，形成用于训练深度强化学习模型的特征向量； 步骤二：自适应深度强化学习算法设计 初始模型训练：利用预处理后的数据集，使用深度强化学习算法对机械臂的初始控制策略进行训练； 自适应学习模块：设计一个自适应模块，能够根据实时环境和操作数据的变化，动态调整深度强化学习模型的参数，实时更新控制策略； 模型在线更新：实现模型的在线更新功能，使机械臂能够在运行过程中，通过不断学习和优化，适应环境变化和未知干扰； 其中，初始模型训练实用深度Q网络作为深度强化学习算法，具体公式如下： Q函数更新： 其中，表示当前状态，a表示当前动作，r表示即时奖励，表示下一状态，表示学习率，表示折扣因子；表示最大化操作，评估在下一个状态动作中哪个能获得最大的Q值； 使用神经网络近似Q函数： 其中，是神经网络的参数； 损失函数： 其中，是目标函数的参数，D是经验回放池中的样本集合；表示期望值；是一个转移样本元组； 参数更新： 目标网络参数更新： ，周期性更新；表示损失函数关于参数的梯度； 其中，自适应模块用于动态调整深度强化学习模型的参数，实现实时更新控制，包括： 实时数据采集：从环境和操作数据中实时采集新的样本，加入经验回放池D； 动态调整学习率：使用自适应学习率算法调整神经网络的学习率： 其中，是第t次迭代时的学习率，自适应算法根据梯度的一阶矩估计和二阶矩估计自适应调整学习率： 其中，是当前梯度，、是指数衰减率，是防止除零的小数；是梯度的一阶矩估计；是梯度的二阶矩估计；是一阶矩估计的偏差修正值；是二阶矩估计的偏差修正值；是当前时间步； 其中，所述步骤二中还包括经验回放与优先采样过程，引入优先经验回放机制，优先采样误差较大的样本： 其中，是样本i被采样的概率，是样本i的TD误差，是调节采样偏差的超参数； 实时模型更新：结合新采集的数据和优先采样的经验回放池样本，定期进行训练，更新模型的参数： ； 步骤三：预测模型引入 人类操作意图预测：利用卷积神经网络深度学习模型，对人类操作人员的手势和运动轨迹进行预测，判断其操作意图； 运动轨迹预测：基于收集的人类操作数据，建立预测模型，预判机械臂的运动轨迹，从而优化其控制策略； 步骤四：性能测试与优化 仿真测试：在虚拟仿真环境中测试控制算法的性能，验证其在不同场景和环境下的适应性和稳定性； 安全性和效率评估：评估机械臂在人机协作中的安全性和操作效率，确保其满足实际应用需求。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人无锡广盈集团有限公司，其通讯地址为：214000 江苏省无锡市惠山区堰桥街道西昌路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。