基于深度确定性策略梯度算法的机电设备自适应控制系统技术方案

本发明专利技术涉及基于深度确定性策略梯度算法的机电设备自适应控制系统，属于机电设备智能控制领域，解决机电设备控制系统无法自适应调节导致设备运行状态偏离理想运行目标的问题。本发明专利技术通过数据采集模块采集机电设备运行状态、控制参数及运行目标数据；状态转移模型训练模块训练LSTM网络得到状态转移模型；运行目标数据预测模型训练模块训练深度神经网络得到运行目标数据预测模型；控制参数自适应模型训练模块基于DDPG算法对控制参数自适应模型进行训练；数据生成模块基于训练后的控制参数自适应模型得到控制参数数据，并由控制参数执行模块输出至机电设备。本发明专利技术能够实时、动态、自动的调整机电设备的运行状态，提升机电设备的智能化水平。

【技术实现步骤摘要】

本专利技术属于机电设备智能控制，具体涉及一种基于深度确定性策略梯度算法的机电设备自适应控制系统。

技术介绍

1、机电设备运行过程中，由于各子系统之间的复杂耦合关系，控制系统的参数往往会发生轻微的突变，这种突变可能导致机电设备的运行状态不稳定。例如，对于测试设备，测试材料性能时设备的异常运行状态可能直接影响测试结果的准确性；而在生产设备中，由于设备当前的运行状态影响了控制参数的执行，可能导致能源浪费和生产效率的下降。前者属于由于设备状态的突变导致不稳定的情况，而后者则是由于控制参数在实际运行中未能适应设备当前状态，导致无法达到理想的输出或产出。

2、当前，机电设备的控制系统大多采用传统的控制策略，如pid控制、模糊控制等，这些控制方法在大多数情况下能够满足常规的操作需求。然而，随着设备运行环境和工况的复杂性增加，传统机电设备的控制系统在处理复杂、非线性、时变系统时表现出一定的局限性。尤其在需要实时调整控制参数和应对动态变化的工况时，传统控制系统的适应性差，无法有效地优化设备的运行性能。自适应控制技术逐渐成为解决机电设备控制问题的一个重要方向。传统本文档来自技高网...

【技术保护点】

1.一种基于深度确定性策略梯度算法的机电设备自适应控制系统，其特征在于，包括：

2.根据权利要求1所述的基于深度确定性策略梯度算法的机电设备自适应控制系统，其特征在于，长短时记忆神经网络的网络架构为一个输入层为16、一个隐藏层数量为40、堆叠的层数为4的LSTM网络，一个神经元数量为240的输入层、四个神经元数量为512的隐藏层和一个神经元数量为8的输出层，输入层和隐藏层使用了RELU激活函数；

3.根据权利要求1或2所述的基于深度确定性策略梯度算法的机电设备自适应控制系统，其特征在于，深度神经网络的网络架构为一个神经元数量为16的输入层、三个神经元数量为512的...

【技术特征摘要】

1.一种基于深度确定性策略梯度算法的机电设备自适应控制系统，其特征在于，包括：

2.根据权利要求1所述的基于深度确定性策略梯度算法的机电设备自适应控制系统，其特征在于，长短时记忆神经网络的网络架构为一个输入层为16、一个隐藏层数量为40、堆叠的层数为4的lstm网络，一个神经元数量为240的输入层、四个神经元数量为512的隐藏层和一个神经元数量为8的输出层，输入层和隐藏层使用了relu激活函数；

3.根据权利要求1或2所述的基于深度确定性策略梯度算法的机电设备自适应控制系统，其特征在于，深度神经网络的网络架构为一个神经元数量为16的输入层、三个神经元数量为512的隐藏层和一个神经元数量为1个的输出层，输入层和隐藏层使用了relu激活函数；

4.根据权利要求1或2所述的基于深度确定性策略梯度算法的机电设备自适应控制系统，其特征在于，策略网络的网络架构为一个输入层为16、一个隐藏层数量为40、堆叠的层数为4的长短时记忆神经网络，一个神经元数量为240的输入层，四个神经元数量为256的隐藏层和一个神经元数量为8的输出层，输入层和隐藏层使用了relu激活函数。

5.根据权利要求1或2所述的基于深度确定性策略梯度算法的机电设备自适应控制系统，其特征在于，价值网络的网络架构为一个神经元数量为24的输入层、两个神经元数量为256的...

【专利技术属性】
技术研发人员：高熙宇，刘鹏，赵安然，黄国泰，丁登航，
申请(专利权)人：吉林大学，
类型：发明
国别省市：