一种电机驱动算法基于强化学习的自适应搜索自整定方法

本发明涉及强化学习、电机驱动等技术领域，提供一种电机驱动算法基于强化学习的自适应搜索自整定方法，通过引入Q学习机制在多种启发式搜索算子之间进行自适应切换，实现个体搜索行为的最优决策。同时结合基于差分进化的邻域搜索策略，增强局部搜索能力，提升全局优化性能。该方法应用于电机驱动系统关键参数的整定问题，以I TAE性能指标为优化目标，通过自适应策略动态调整搜索行为，从而获得更优的控制性能。与现有方法相比，本发明方法在收敛速度、自适应能力和抗干扰性方面表现出显著优势。