一种基于深度强化学习的行波旋转超声电机速度控制方法及系统

本发明提供一种基于深度强化学习的行波旋转超声电机速度控制方法及系统。首先，构建基于长短期记忆网络LSTM的虚拟动态模型，能够精准捕捉TRUM的时变行为，平均预测误差在0.5％以内。其次，设计基于近端策略优化PPO算法的智能控制器，并优化奖励函数与结构，以增强控制策略的适应性。仿真及实验结果表明，该方法实现了0.034秒的快速响应和低于0.21rpm的跟踪误差，相比传统控制器误差最高下降0.42rpm。本发明有效解决现有技术中存在的建模精度不足、控制精度低、响应速度慢以及对动态特性适应能力差等问题，为TRUM在高精度复杂任务中的应用提供了新路径。