来源：期刊VIP网 时间：
作者：梁杰;专祥涛;严家政;
单位：武汉大学电气与自动化学院;武汉大学深圳研究院;
摘要：传统的PID(proportional integral differential)算法在用于控制一些模型复杂、参数时变的对象时存在参数整定过程繁琐、控制性能不佳、无法解决控制对象实时变化状态的影响等问题。针对上述问题，提出了一种基于双延迟深度确定性策略梯度（twin delayed deep deterministic policy gradient,TDDDPG,以下简称TD3）算法的PID参数自整定算法。该算法将TD3算法与PID算法相结合，对TD3算法中的神经网络结构、奖励函数进行设计，能够实现控制器参数的自整定。以两轮直立车为实验对象，针对直立车的角度PID控制器进行参数整定实验。实验结果表明，与传统的参数整定算法（Z-N(Ziegler-Nichols)参数整定法）和基于强化学习的动态PID参数自整定算法相比，所提出的算法具有更优的控制效果，能够通过神经网络学习拟合更优的控制策略，提升控制器的动态响应性能和鲁棒性。
关键词：深度强化学习;;TD3算法;;整定;;控制器;;直立车
基金资助：深圳市知识创新计划项目(编号：JCYJ20170818144449801)
