基于Q-学习的底盘测功机自适应PID控制模型

为了解决汽车底盘测功机控制系统动态控制中存在的大滞后、大误差等问题，提出了一种基于强化学习的底盘测功机控制策略。以为基础的PID控制算法、转矩偏差作为控制器输入，调节电压控制量作为输出，选择转矩差的变化作为agent奖惩的学习策略，通过Q学习算法在线调整PID参数。在底盘高山模拟试验中验证了控制器的调节性能，并与传统PID控制和神经网络-PID控制的结果进行了比较。实验结果表明，基于Q学习的自适应PID控制模型的控制周期比传统PID算法缩短了40.7%，比神经网络-PID算法缩短了27.9%。相对于传统PID控制模型和神经网络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快速。提出的基于Q学习的自适应PID控制模型可以有效提高底盘测功机的控制精度，满足其工业使用要求。