江淮前沿技术协同创新中心;哈尔滨工业大学刘健行获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉江淮前沿技术协同创新中心;哈尔滨工业大学申请的专利一种基于两阶段训练强化学习的自抗扰控制器参数优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118963136B 。
龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411049808.9，技术领域涉及：G05B13/04；该发明授权一种基于两阶段训练强化学习的自抗扰控制器参数优化方法是由刘健行;刘壮;范雨思;朱乔曼;林欣魄;沈肖宁;张欧阳;徐睿琦;高亚斌设计研发完成，并于2024-08-01向国家知识产权局提交的专利申请。
本一种基于两阶段训练强化学习的自抗扰控制器参数优化方法在说明书摘要公布了：一种基于两阶段训练强化学习的自抗扰控制器参数优化方法，它属于计算机系统控制技术领域。本发明解决了现有方法采用自抗扰控制器时存在参数调节效率低、无法保证参数最优、依赖初始参数选择的问题。本发明的基于预训练和进阶强化学习的两阶段训练方法，在预训练阶段设计了基于速度误差的奖励函数，在进阶训练过程中设计了基于误差阈值的分段式奖励机制，将电机的速度跟踪过程划分为不同的区间，在不同区间以不同的奖励指导智能体训练，解耦性能指标，有效避免参数的局部最优，实现自抗扰控制器的参数最优。本发明方法可以应用于自抗扰控制器的参数优化。
本发明授权一种基于两阶段训练强化学习的自抗扰控制器参数优化方法在权利要求书中公布了：1.一种基于两阶段训练强化学习的自抗扰控制器参数优化方法，其特征在于，所述方法具体包括以下步骤： 步骤一、建立自抗扰控制器模型和永磁同步电机模型； 步骤二、建立深度强化学习模型，将建立的永磁同步电机模型作为智能体的交互环境，将自抗扰控制器的待优化参数作为智能体的动作空间； 步骤三、设计基于速度误差的奖励函数，利用基于速度误差的奖励函数和演员评论家算法对深度强化学习模型进行预训练，直至奖励函数收敛时停止预训练，获得预训练好的深度强化学习模型； 步骤四、将预训练得到的深度强化学习模型参数作为初始参数，设计基于误差阈值的分段式奖励函数，并利用分段式奖励函数对深度强化学习模型进行进阶训练，直至分段式奖励函数收敛时停止训练，获得进阶训练好的深度强化学习模型； 步骤五、利用步骤四训练好的深度强化学习模型输出自抗扰控制器的参数，将自抗扰控制器的输出量作为永磁同步电机模型的速度环的输入，实现对速度环的控制。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江淮前沿技术协同创新中心;哈尔滨工业大学，其通讯地址为：230088 安徽省合肥市高新区望江西路920号中安创谷科技园二期H6栋；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励