简介： 一种基于深度强化学习的机械臂主动容错控制方法，包括：利用深度学习方法进行实时的故障检测，其中，将训练得到的基于数据的动力学模型作为名义模型来产生机械臂关节速度的残差信号，并根据残差信号进行故障检测和诊断；当发生单或多执行器突变故障时，通过诊断定位故障关节；针对发生故障的关节，基于深度强化学习的辅助控制器与系统控制器一起工作，输出补偿控制力矩以弥补关节性能损失；其中，机械臂的每一个关节配置有基于深度强化学习的辅助控制器，当发生故障时，辅助控制器与名义控制器并行工作，自主估计执行器的故障程度并输出补偿力矩。本发明在机械臂发生执行器突变故障时能够及时进行力矩补偿，实现平滑的主动容错控制。