融合无模型强化学习的永磁同步电机混沌抗扰控制
Published in 智能科学与技术学报, 2025
针对永磁同步电机（permanent magnet synchronous motor,PMSM）控制中出现的由非线性震荡引发的混沌行为，提出了一种利用电机历史运行数据迭代获取最优控制策略的无模型强化学习方法，该方法解决了不同工作环境下因负载扰动不确定、电机模型参数不确定带来的问题。首先针对外部负载扭矩的不确定性，建立电机最优控制与外部最坏扰动之间的零和博弈，设计迭代形式的黎卡提方程，基于该方程进一步构建了一种基于模型的抗干扰最优控制器。在该控制器基础上，引入无模型强化学习思想，设计了PMSM混沌现象的数据驱动稳定方法，利用电机历史运行数据实现优化求解无模型抗扰动稳定控制器，实现对电机混沌行为的抗扰稳定控制。最后通过多个数值仿真实验对比验证了所设计方法的性能。实验结果显示，在外界负载扰动不确定的情况下，提出的方法相较传统有限时间控制方法在累计资源消耗损失性能方面提升了39.04%，在电机模型参数不确定的情况下，提出的方法相比线性二次型调节器的控制成功率提高10.71%。
Recommended citation: 谭浚楷, 薛霜思, 郭子航, 等 (2025). 融合无模型强化学习的永磁同步电机混沌抗扰控制[J/OL]. 智能科学与技术学报.
Download Paper