文章预览
致力于数字孪生体技术的研究与发展 通过解决方案和工程化应用造福人类 来源：航空制造技术 作者：段现银 秦志强等 导 读 工业机器人的数字孪生模型能够模拟真实世界中工业机器人的行为和性能，但其仿真精度会受场景更新和设备磨损等使役工况的影响而下降。对此，本文提出了一种基于深度强化学习的工业机器人数字孪生模型更新方法。该方法应用仿真工具Coppeliasim 建立了工业机器人数字孪生模型，同时基于深度确定性策略梯度（DDPG）算法对数字孪生模型的PID 参数、关节阻尼等关键参数进行优化，实现模型的参数更新，提高模型精度。最后，通过ABB–IRB2400 工业机器人仿真同步试验，验证了所提方法的有效性。 关键词 ： 深度强化学习 ； 工业机器人 ； 数字孪生 ； 深度确定性策略梯度（DDPG） ； 模型更新 工业机器人数字孪生模型框架 本
………………………………
