基于深度强化学习的工业机器人运动轨迹优化与控制

陈志伟 1 费松涛（通讯作者）2

1. 宁波汇众汽车车桥制造有限公司 浙江省 宁波市 315000 2. 四川省洪雅县职业高级中学校 四川省眉山市 620360

摘要：针对汽车焊装、3C 装配与航空结构件加工等离散制造产线中工业机器人在节拍约束下易受装夹偏差、夹具热变形与负载波动影响而产生速度不连续与关节冲击的问题，本文将几何路径、时间参数化与动力学可行性纳入统一框架，构建包含末端位姿误差、关节力矩代理能耗、关节角加速度平滑项与任务时间的综合代价模型，并引入关节限位、速度与加速度约束以及安全距离约束。方法上采用改进 DDPG 在连续动作空间学习关节参考增量，通过奖励函数同时编码轨迹精度、约束惩罚与能耗代理量，并与关节空间 PID 伺服形成可落地的融合控制结构。基于 KUKA KR6 R900 平台开展对比实验，结果显示相较几何规划加 PID 基线方法，所提方法平均轨迹误差降低 15%，执行时间缩短 10%，能耗减少 8%，验证了在不完全模型与扰动条件下深度强化学习用于轨迹优化与控制融合的有效性。

关键词：工业机器人；轨迹优化；深度强化学习；DDPG；轨迹跟踪控制