来源：期刊VIP网 时间：
作者：张树鑫;王然风;任函弛;张淋凯;付翔;
单位：太原理工大学矿业工程学院;智能采矿装备技术全国重点实验室;山西焦煤集团有限责任公司博士后工作站;
摘要：选煤厂浮选尾矿灰分人工检测方式自动化程度较低，无法满足在线、快速、精准检测需求。将机械臂应用于浮选尾矿灰分检测，可提升检测效率和安全性。针对浮选尾矿灰分检测机械臂在运动过程中存在卡顿、柔顺性不足的问题，提出一种改进的任务-关节空间动态自适应柔顺控制（TJS-DACC）算法，即在TJS-DACC算法中引入强化学习框架，综合考虑机械臂末端执行器的响应速度和加速度，构建多目标融合的奖励函数，同时设计惩罚函数和损失函数，建立对插值权重因子的寻优模型，以实现机械臂在任务空间和关节空间控制的自适应融合。通过Matlab仿真实验和物理平台实验，验证了采用改进TJS-DACC算法控制时，浮选尾矿灰分检测机械臂的采样效率较采用传统的关节空间PID算法和TJS-DACC算法控制时分别提高26.13%和15.03%，且轨迹连续平滑，关节协同性强，无急停、卡顿与冲击现象，控制效果优于对比算法。
关键词：浮选尾矿;;机械臂;;TJS-DACC算法;;柔顺控制;;强化学习;;轨迹优化
基金资助：国家自然科学基金项目(52274157);; “科技兴蒙”行动重点专项项目(2022EEDSKJXM010)
