本发明涉及一种基于DDQN和生成对抗网络的触觉材料分类方法，属于触觉材料的分类方法。使用触觉材料的图片和加速度频谱图训练生成对抗网络GAN，送入VGG19网络中提取特征，设置DDQN的奖励函数，DDQN的评估网络估计Q值，找到全局最优解，保存训练好的网络，根据最大Q值所对应的动作来分类图片。优点是使用生成对抗网络GAN生成的触觉信息去分类触觉材料，提高了数据的抗噪能力，首次将DDQN用于分类问题，引入了卷积神经网络VGG19处理图片，避免了噪声的干扰，保证提取的特征的鲁棒性，避免了复杂的触觉信息采集过程，节省了分类成本，与传统分类的CNN方法相比，只用了很小的时间代价，提高了分类精度，避免了采购昂贵的触觉信息采集设备。