项目描述：针对机械臂在复杂工作环境中因参数扰动、非线性等特性导致的跟踪控制难题，结合比例积分滑膜控制器与深度强化学习算法，设计了一种自适应滑模控制方法提升轨迹跟踪精度。 主要工作：1.通过SolidWorks对零件进行三维参数化建模，并根据机械臂应用需求对各个零部件进行分析、设计与选型等 2.设计算法网络结构，并选择合适的激活函数，优化网络的非线性映射能力和收敛性 3.优化训练机制，集成经验回放与软更新机制，减少数据相关性并提升训练稳定性 4.设计并优化了多重奖励函数组合，指导智能体学习最优控制策略，避免陷入局部最优 5.与PISM控制器的实时交互，通过状态反馈在线调整控制器参数

项目描述：对动力学模型不确定性以外部时变干扰下的机械臂系统，设计了一种无需精确动态模型的自适应控制，提高机械臂在不确定性条件下的跟踪性能。 主要工作：1. 使用 SolidWorks 完成机械臂结构建模，包括底座、关节、连杆等关键部件的设计 2.根据机械臂的动力学性能要求，选择合适的伺服电机和减速器（谐波减速器），确保系统的响应速度和精度 3.用Matlab里的simulink仿真环境，搭建深度强化学习算法框架，设计状态检测模块，奖励模块，回合终止检测模块，智能体模块等 4.通过经验回放机制存储并随机抽样经验数据，消除时间序列相关性；并采用软更新策略，平滑调整目标网络参数 5.设计复合奖励机制，包括奖励惩罚、奖励激励和边界约束，驱动智能体学习高效控制策略 6.DDPG算法与分数阶PD控制器协同工作，实时调整控制器参数