典型文献
基于强化学习的过热汽温自适应PI控制器设计
文献摘要：
针对锅炉过热汽温模型结构和参数发生较大变化时常规PID控制效果难以令人满意的问题,提出一款基于actor-critic(AC)强化学习(reinforcement learning,RL)的自适应PI控制器.控制器采用径向基神经网络(RBF-NN)实现AC强化学习结构,其中actor网络输出为PI控制器参数,cri-tic网络对actor网络输出进行评判以生成时序差分(temporal difference,TD)误差信号,TD误差信号驱动RBF网络权值在线更新.介绍了锅炉过热汽温控制系统结构特点,给出了RL-PI控制器设计和算法执行步骤.完成了锅炉过热汽温控制系统的设计.以典型的非线性时变锅炉过热汽温系统为被控对象,进行了正常工况、增益增大、惯性增大、增益突变、惯性突变以及加扰动等6种工况下的仿真试验.结果表明:与模型预测控制、模糊控制以及常规PI串级控制方法相比,该RL-PI控制器具有明显的优势,能够极大提高系统适应工况变换的能力,且具有更强的自学习能力,收敛速度更快,鲁棒性更强.
文献关键词：
过热汽温;actor-critic学习;强化学习;机器学习;径向基网络;时序差分算法;自适应控制;PI控制
中图分类号：
作者姓名：
于来宝;谢兴旺;宋晶;袁博
作者机构：
中国地质大学 地球物理与空间信息学院,湖北武汉430074;武汉城市职业学院机电学院,湖北武汉430070;华中科技大学 人工智能与自动化学院,湖北 武汉430074
文献出处：
引用格式：
[1]于来宝;谢兴旺;宋晶;袁博-.基于强化学习的过热汽温自适应PI控制器设计)[J].江苏大学学报（自然科学版）,2022(06):685-690
A类：
过热汽温控制
B类：
强化学习,控制器设计,锅炉,模型结构,数发,PID,令人满意,actor,critic,AC,reinforcement,learning,RL,径向基神经网络,RBF,NN,学习结构,控制器参数,出进,temporal,difference,TD,误差信号,权值,在线更新,控制系统结构,和算,算法执行,行步,被控对象,加扰,仿真试验,模型预测控制,模糊控制,串级控制,自学习,收敛速度,径向基网络,时序差分算法,自适应控制
AB值：
0.289041
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
