基于强化学习的高速列车速度跟踪改进自抗扰控制

• 全文链接
• 请求原文

作   者：

安柯欣;  陈光武;  石建强; 

作者机构：

兰州交通大学光电技术与智能控制教育部重点实验室;  甘肃省高原交通信息工程及控制重点实验室; 

关键词：

参数整定;  速度跟踪;  自抗扰控制;  强化学习;  高速列车; 

期刊名称：

北京交通大学学报

i s s n：

1673-0291

年卷期：

2023 年 02 期

页   码：

86-94

摘   要：

针对列车速度跟踪问题和自抗扰控制器（Nonlinear Active Disturbance Rejection Controller, NLADRC）参数整定问题，设计了一种基于强化学习自抗扰的高速列车速度控制算法.首先，采用结构简化的Levant跟踪微分器，提高对输入信号的跟踪.其次，设计基于ifaln函数改进扩张状态观测器的二阶NLADRC，解决误差大时系统增益大的问题.再次，考虑列车追踪要达到高精度的需求，控制器应该有良好的稳、动态性能，提出综合型目标函数指标.最后，根据列车运行系统特点设计长时连续动作强化学习器（Long Time Continuous Action Reinforcement Learning Automata,LTCARLA），在保持控制器非线性优势的情况下进行参数整定.实验结果表明：该算法在外加干扰作用下，跟踪误差仍能保持在±0.06 km/h间，抗扰性强，学习出的这组参数值能使控制器性能最优.