大多數工業程序具有固有的非線性特性，因此，使用線性化模型的經典控制策略在實作最優控制方面并不有效，本文提出了一種基于人工神經網路（ANN）的強化學習（RL）策略來控制非線性相互作用液位系統，該控制策略充分利用了神經網路的泛化能力、抗噪能力和函式逼近能力以及RL方法的最優決策能力，提出了求解一般非線性控制問題的兩種不同的ANN-RL方法，并將其應用于兩個基準非線性液位控制問題，并與基于離散狀態空間的純RL控制策略進行了比較，對基準非線性液位控制問題的性能比較表明，ANN-RL方法可以獲得更好的控制效果，其振蕩、干擾抑制和超調量都很小，
代碼演示了復雜非線性系統的RL控制，相互作用的兩罐液位系統的狀態空間模型可以用不同系統的狀態空間模型代替，并且可以調整相同的代碼來控制其他非線性系統，
大多數工業程序都表現出固有的非線性特性，因此，使用線性化模型的經典控制策略無法有效地實作最佳控制，本文提出了一種基于人工神經網路（ANN）的強化學習（RL）策略，用于控制非線性相互作用液位系統，這種ANN-RL控制策略利用了ANN的通用性，抗噪性和功能逼近能力以及RL方法的最佳決策能力，提出了兩種解決一般非線性控制問題的ANN-RL方法，并將其應用于兩個基準非線性液位控制問題，以評估其性能，也將ANN-RL方法與基于離散狀態空間的純RL控制策略進行了比較，
獲取代碼
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/240123.html
標籤：其他
上一篇：樹莓派——智能推送