一种基于深度确定性策略梯度的自适应控制方法技术

本发明专利技术提供了一种基于深度确定性策略梯度的自适应控制方法，依据真实系统特性构建的仿真训练环境；构建状态(观测量)，回报函数，截止条件，动作；构建深度确定性策略梯度方法的critic网络、actor网络和相应的目标网络，通过与仿真训练环境的试错交互进行训练；使用actor网络训练结果作为该系统的控制器。本发明专利技术将深度强化学习方法应用于控制器设计，介绍该方法的实施步骤，通过离线仿真训练，达到控制器要求后移植到真实环境中，实现非线性系统自适应控制。

【技术实现步骤摘要】
一种基于深度确定性策略梯度的自适应控制方法
：本申请涉及计算机软件
，具体涉及一种基于深度强化学习技术的自适应控制方法。
技术介绍
：传统的PID控制器需要系统进行精确建模，并通过拉普拉斯变换将时域模型转换为频域传递函数，再根据根轨迹等方法设计经典PID控制器，该种方法缺点在于非线性问题需要进行线性假设，建模过程较为复杂，并且控制器设计的好坏依赖于所抽象的数学模型精确程度。本申请所要解决的问题是如何解决非线性系统的控制问题，并且不依赖于精确的数学模型，构建一种无模型控制方法。
技术实现思路
本申请的目的是提出一种基于深度强化学习技术的自适应控制方法。解决非线性系统的控制问题，并且不依赖于精确的数学模型，构建一种无模型控制方法。本申请的技术方案包括以下步骤：一种基于深度确定性策略梯度的自适应控制方法，其特征在于：它包括以下步骤：1)首先依据真实系统特性构建仿真训练环境，仿真训练环境与真实系统保持一致，使环境与强化学习训练进行交互；2)分别构建状态，回报，动作和截止条件作为深度强化学习的训练本文档来自技高网...

【技术保护点】
1.一种基于深度确定性策略梯度的自适应控制方法，其特征在于：它包括以下步骤：/n1)首先依据真实系统特性构建仿真训练环境，仿真训练环境与真实系统保持一致，使环境与强化学习训练进行交互；/n2)分别构建状态，回报，动作和截止条件作为深度强化学习的训练要素，动作区间：a∈[A

【技术特征摘要】
1.一种基于深度确定性策略梯度的自适应控制方法，其特征在于：它包括以下步骤：
1)首先依据真实系统特性构建仿真训练环境，仿真训练环境与真实系统保持一致，使环境与强化学习训练进行交互；
2)分别构建状态，回报，动作和截止条件作为深度强化学习的训练要素，动作区间：a∈[Amin,Amax]，根据真实系统进行控制指令限幅；
3)构建critic网络、actor网络和相应的critic-target网络、actor-target网络，上述网络形成神经网络；
4)对critic网络和actor网络进行若干轮训练；本轮训练结束，开始下一轮训练；
5)使用训练结果actor网络作为控制器。


2.根据权利要求1所述的一种基于深度确定性策略梯度的自适应控制方法，其特征在于：所述状态，回报，动作和截止条件分别为状态state：以当前值truevalue，误差值error＝reference–truevalue和误差的积分∫edt作为状态量state；
回报：reward＝10(|e|＜0.1)-1(|e|≥0.1)-100(truevalue≤min||truevalue≥max)如果实际值小于最小值min或最大值max，则回报为-100；如果误差绝对值大于0.1，则回报值为-1；如果误差绝对值小于0.1，则回报值为+10；
截至条...

【专利技术属性】
技术研发人员：卢旺，孟凡石，孙继泽，
申请(专利权)人：沈阳航盛科技有限责任公司，
类型：发明
国别省市：辽宁;21