本发明公开了基于并行优势动作评价的强化学习自适应PID控制方法，包括设置采样周期，A2C算法的线程个数n，初始化网络参数；根据当前状态误差，利用状态转换器构造第i个智能体的输入状态向量；利用RBF网络同时实现第i个智能体策略函数和值函数的学习，参数值修正后计算系统输出，并观测下一采样时间系统误差ei(t+1)，计算奖励函数ri(t)；判断是否更新参数，数据总量达到batch size，停止采样，输出状态估计值并更新权值，将n个智能体上传的梯度汇总并求平均，更新Global Net参数，Global Net传递给Actor(i)和Critic(i)新的权值；迭代重复，输出算法的最优解。通过本发明提供的方法，可以有效的克服大超调，非线性和滞后性对PID控制器带来的影响。
声明：
“基于并行优势动作评价的强化学习自适应PID控制方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1103
编辑：管理员
来源：北方有色网
咨询细节
