文献

J-GLOBAL ID：201702284036951146   整理番号：17A1630802

単リンク・フレキシブル・ロボットマニプレータのための強化学習に基づく振動制御【Powered by NICT】

Vibration Control Based on Reinforcement Learning for a Single-link Flexible Robotic Manipulator

著者 (5件)： Ouyang Yuncheng (School of Automation Engineering and Center for Robotics, University of Electronic Science and Technology of China, Chengdu 611731, China) ,  He Wei (School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing 100083, China) ,  Li Xiajing (Delft Center for Systems and Control, Delft University of Technology, 2628 CD Delft, The Netherlands) ,  Liu Jin-Kun (School of Automation Science and Electrical Engineering, Beihang University, Beijing 100191, China) ,  Li Guang (School of Engineering and Materials Science, Queen Mary University of London, Mile End Road, London E1 4NS, UK)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 50  号： 1  ページ： 3476-3481  発行年： 2017年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,単一リンク柔軟マニプレータの強化学習制御に焦点を当て,その柔軟性と軽量構造のために振動を抑制することを試みた。仮定モード法(AMM)とLagrangeの方程式では,精度の満足度を向上させるためのモデリングを採用した。二動径基底関数ニューラルネットワーク(RBFNN)は設計された制御アルゴリズムで用いられる,コスト関数を評価するための政策と状態評価NNを生成するためのニューラルネットワーク(NN)をactorである。システムの厳密な安定性はLyapunovの直接法により証明されている。提案した制御方式のシミュレーションの性能によると,提案した制御器の優位性と実現可能性を検証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 軽量構造 ,  モデリング ,  費用関数 ,  柔軟性 ,  *強化学習 ,  *マニピュレータ ,  *振動制御 ,  ニューラルネットワーク ,  制御方式 ,  Lagrange方程式 ,  制御装置
準シソーラス用語： 状態評価 ,  制御アルゴリズム ,  動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ニューラルネットワーク ,  振動制御 ,  フレキシブルロボットマニピュレータ ,  仮定モード法 ,  強化学習

分類 (2件)： システム設計・解析  (IA02030D) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (5件)： リンク ,  ロボット ,  マニプレータ ,  強化学習 ,  振動制御