一种基于模型的强化学习 PID 设计方法
系统与控制
2022-06-09 v1 系统与控制
摘要
比例-积分-微分(PID)控制器因其实现简单而广泛应用于各类工业过程控制中。然而，在实践中微调 PID 参数以实现鲁棒性能可能颇具挑战。本文提出一种基于模型的强化学习(RL)框架，利用用于控制学习的概率推断(PILCO)方法与 Kullback-Leibler 散度(KLD)来设计 PID 控制器。由于 PID 控制器比网络基函数具有更强的可解释控制结构，PILCO 给出的最优策略被转化为一组用于欠驱动机械系统的鲁棒 PID 整定参数。所提方法具有通用性，可与若干基于模型与无模型的算法结合。针对受扰动与系统参数不确定性下的基准小车-杆系统，通过仿真研究验证了所设计 PID 控制器的性能。
引用
@article{arxiv.2206.03567,
title = {A Model-Based Reinforcement Learning Approach for PID Design},
author = {Hozefa Jesawada and Amol Yerudkar and Carmen Del Vecchio and Navdeep Singh},
journal= {arXiv preprint arXiv:2206.03567},
year = {2022}
}