一种基于深度强化学习的结构主动控制随机时滞补偿方法

一种基于深度强化学习的结构主动控制随机时滞补偿方法，选定被控结构模型，建立结构振动控制系统动力学方程；确定初步控制器；增添随机时滞来模拟真实的作动器工作情况，搭建被控结构和作动器的双向通信环境；利用传感器采集的结构动态响应设置回馈函数；确定深度强化学习算法、神经网络框架、网络训练参数；搭建智能体和环境的训练交互界面；采取SAC深度强化学习算法进行智能体的训练，进行智能体的在线策略梯度更新，获取成熟智能体，嵌入动力学方程作为控制补偿器，进行控制力的补偿计算；计算成熟智能体的回馈函数，调整控制补偿信号来实现振动控制。本发明保证控制器在复杂环境下的控制性能，保证鲁棒性，属于结构振动控制领域。