摘要
串联弹性执行器（SEAs）因其优异的低刚度和力控性能，已被广泛应用于协作机器人、康复机器人以及其他柔顺机器人系统中。然而，弹性元件的引入也增加了动力学复杂性，导致了非线性、参数不确定性和振荡等问题。为了解决这些问题，本文提出了一种基于Transformer的时序强化学习控制方法，用于近端策略优化（PPO）框架内的SEAs控制。首先，用Transformer替代传统的多层感知机（MLP）策略网络，通过自注意力机制从观测序列中提取时序依赖特征。其次，在策略输入中引入了固定长度的历史状态窗口，以缓解部分可观测马尔可夫决策过程（POMDP）导致的性能退化问题。仿真和硬件实验均验证了所提出方法的有效性。在仿真中，该方法实现了优异的瞬态性能（10–90%上升时间为0.111秒，超调量为3.68%）以及稳定的正弦跟踪。在物理SEA平台上的实验进一步证实了其实际可行性：多目标阶跃跟踪的10–90%上升时间约为0.15秒，超调量低于2.3%，而长时间正弦跟踪（60°幅度，0.1 Hz）的均方根误差约为2.3°，控制动作平滑无抖振。与MLP、LSTM和CNN架构的对比研究表明，Transformer策略在抑制弹性振荡和生成平滑控制命令方面具有显著优势，证实了时序建模在SEA系统复杂动力学中的有效性。针对历史窗口长度（L = 1–8）的消融研究表明，在快速目标切换下，至少需要四个历史步长来抑制弹性振荡，而当L ≤ 8时，平均推理时间保持在0.81毫秒以下。在硬件负载实验（0–1200克）中，跟踪均方根误差从7.70°单调增加到8.55°，峰值超调从2.50%增加到8.53%，所有运行均保持稳定，无控制器故障或发散；完整的控制任务，包括Transformer推理，在实时控制器上0.61毫秒内执行完毕。
