基于多目标奖励Q学习的双容水箱控制方法、系统、设备及介质

本发明基于多目标奖励Q学习的双容水箱控制方法，属于机器学习与自动控制技术领域；该方法首先建立双容水箱液位控制系统的离散化数学模型，设计多目标奖励函数；其次仅在液位跟踪误差超限或控制量突变时存储经验数据，根据奖励绝对值分配采样权重；最后基于时间差分误差更新Q表，依据动态调整后的PID参数对双容水箱进行闭环实时控制；本发明设计了五维奖励函数，通过线性加权实现多指标动态平衡；仅在液位跟踪误差超限时存储经验元组，适用于双容水箱动态时变场景的快速响应需求；采用非均匀分档策略对连续状态空间进行降维，显著降低计算复杂度；构建了“感知‑决策‑执行”的一体化框架，摒弃了传统控制方法对水箱数学模型的依赖。