首页|基于Q-学习的底盘测功机自适应PID控制模型

基于Q-学习的底盘测功机自适应PID控制模型

扫码查看
原文链接
  • 万方数据
  • 维普
为了解决汽车底盘测功机控制系统在动态控制时出现延迟较高和误差大的问题,提出了一种基于强化学习的底盘测功机控制策略.以PID控制算法为基础,扭力偏差为控制器输入,调节电压控制量为输出,选择扭力差变化为智能体奖惩的学习策略,通过Q学习算法对PID参数进行在线自适应整定;在底盘测功机仿真试验中验证了控制器的调控性能,并与传统PID控制以及神经网络PID控制的结果进行了对比;实验结果表明,基于Q学习的自适应PID控制模型较传统PID算法控制周期缩减至40.7％,相较于神经网络PID算法控制周期缩短至27.9％.相对于传统PID控制模型与神经网络PID模型,基于Q学习的自适应PID控制模型输出力上升过程稳定且快速.提出的基于Q学习的自适应PID控制模型能够有效提升底盘测功机控制精度,满足其使用的工业要求.
Adaptive PID Control Model of Chassis Dynamometer Based on Q-Learning

乔通、周洲、程鑫、郭兰英、王润民

展开 >

长安大学 信息工程学院,陕西 西安 710064

陕西省车联网与智能汽车测试技术工程研究中心,陕西 西安 710064

强化学习 PID控制 Q学习 控制策略 底盘测功机

国家重点研发计划陕西省重点研发计划西安市科技计划中央高校基本科研业务费专项

2018YFB16008002020GY-01820RGZN0008300102241305

2022

10.3969/j.issn.1673-629X.2022.05.020

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(5)
  • 3
  • 7