具有参数不确定性的非线性动态系统中用于扰动抑制的深度强化学习控制
系统与控制
2024-04-09 v1 系统与控制
摘要
本工作描述了一种针对具有不确定模型参数的非线性柔性小车倒立摆系统，主动抑制多个独立且时间相关的随机扰动的技术。控制律通过深度强化学习确定，具体采用了一种被称为 Deep Deterministic Policy Gradient 的连续 actor-critic 变体的深度 Q-learning，而扰动幅度通过独立的随机过程演化。随后将仿真结果与经典控制系统的结果进行了比较。
引用
@article{arxiv.2404.04699,
title = {Deep Reinforcement Learning Control for Disturbance Rejection in a Nonlinear Dynamic System with Parametric Uncertainty},
author = {Vincent W. Hill},
journal= {arXiv preprint arXiv:2404.04699},
year = {2024}
}