首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于强化学习的电磁悬浮型磁浮列车悬浮控制
引用本文:胡轲珽,徐俊起,刘志刚,林国斌.基于强化学习的电磁悬浮型磁浮列车悬浮控制[J].同济大学学报(自然科学版),2023,51(3):332-340.
作者姓名:胡轲珽  徐俊起  刘志刚  林国斌
作者单位:1.同济大学 国家磁浮交通工程技术研究中心,上海 201804;2.同济大学 交通运输工程学院,上海 201804;3.同济大学 铁道与城市轨道交通研究院,上海 201804
基金项目:中国博士后科学基金(2022M712408);国家自然科学基金(52232013,52072269)
摘    要:为了保证磁浮列车的安全、可靠运行,研究了悬浮系统在参数摄动条件下的悬浮控制问题。首先,对电磁悬浮(EMS)型磁浮列车的基本悬浮单元建模,给出了电流控制模型;然后,建立了悬浮系统的强化学习环境以及软演员-评论家(SAC)智能体,并设计了加速训练的奖励函数与“吸死”处理方案;最后,提出了基于强化学习的悬浮控制方法。与传统比例-积分-微分(PID)控制方法的对比结果表明,本方法具有更快的动态响应,在损失50%线圈匝数或磁极面积变化时具有更好的跟踪精度。

关 键 词:电磁悬浮(EMS)型磁浮列车  悬浮控制  强化学习控制  软演员-评论家(SAC)智能体  奖励函数设计
收稿时间:2022/12/30 0:00:00

Reinforcement Learning-based Suspension Control for Electromagnetic Suspension Maglev Trains
HU Keting,XU Junqi,LIU Zhigang,LIN Guobin.Reinforcement Learning-based Suspension Control for Electromagnetic Suspension Maglev Trains[J].Journal of Tongji University(Natural Science),2023,51(3):332-340.
Authors:HU Keting  XU Junqi  LIU Zhigang  LIN Guobin
Abstract:
Keywords:electromagnetic suspension (EMS) maglev trains  suspension control  reinforcement learning control  soft actor-critic (SAC) agent  reward function design
点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息
点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号