控制理论与应用

作者：贺伟,严佳成,周旺平,李洪杰

单位：南京信息工程大学大气环境与装备技术协同创新中心,南京信息工程大学大气环境与装备技术协同创新中心,南京信息工程大学大气环境与装备技术协同创新中心,西安交通大学电气工程学院

关键词：恒功率负载;直流降压变换器;长短时记忆神经网络;双深度Q网络;深度强化学习

基金：国家自然科学基金项目(62373195,62173205,52077105, 62073169)资助.

基于深度强化学习的无模型控制方法将避免系统建模的复杂过程,回避较难处理的非线性系统控制问题,且具有优良的鲁棒性.本文针对带恒功率负载的直流降压变换器系统,基于长短时记忆神经网络提出一种无模型自适应控制策略.首先,定义一种由连续电压误差信号组成的状态空间,此状态空间将误差信号构建为控制算法的输入状态;其次,基于参考电压构建离散动作空间并设计奖励函数,动作空间将算法输出转换为占空比,并基于被控系统下一时刻状态给予一个奖励信号评判算法控制效果;然后,将长短时记忆神经网络作为双深度Q网络的状态动作价值函数估计器,计算输入状态下各个决策的Q值,并选取Q值最高的决策作为最优决策输出;最后,对本方法控制下的带恒功率负载的直流降压变换器系统进行仿真和实验研究.实验结果证明,该控制策略具有优良的跟踪给定性能,当存在外界扰动时,该控制策略作用下的系统具有良好的鲁棒性.

来源：2025年第9期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第9期