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！

龙图腾网获悉东南大学申请的专利一种基于深度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：CN115097736B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210955313.7，技术领域涉及：G05B13/04；该发明授权一种基于深度强化学习的自抗扰控制器参数优化方法是由房淑华;王翌丞设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本一种基于深度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：本发明公开了一种基于深度强化学习的自抗扰控制器参数优化方法，属于机电领域，其中，所述方法包括：以永磁同步电机自抗扰控制器参数作为优化目标；搭建深度强化学习模型，将控制系统作为环境，将电机转速作为状态，以转速平稳程度和抗干扰能力设置奖励，使用Actor‑Critic算法训练智能体根据环境和状态选择优化动作，依据动作后获得奖励大小改进优化动作，使智能体自主学习自抗扰参数优化；设计深度确定性策略梯度方法，使参数优化过程收敛，完成基于深度强化学习的参数优化模型训练，获得最优参数。采用上述方案，能以最小人工调试成本获得自抗扰控制器最优参数，进而解决自抗扰控制器参数多，耦合性强，敏感性低，难于调试使其工作在最优状态的问题。

本发明授权一种基于深度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：1.一种基于深度强化学习的自抗扰控制器参数优化方法，其特征在于，包括： 建立起速度环自抗扰控制器模型；根据速度环自抗扰控制器模型选出需要被优化的自抗扰控制器参数及数量，设置优化目标； 结合马尔可夫决策过程搭建自抗扰控制器参数的深度强化学习模型，将当前电机控制系统作为环境，将电机转速曲线作为状态，以转速平稳程度和抗干扰能力设置奖励； 结合马尔可夫过程搭建自抗扰控制器参数的深度强化学习模型；使用Actor-Critic算法使智能体不断与环境交互，自主学习自抗扰控制参数优化方法使用Actor-Critic算法训练智能体根据环境和状态选择不同的优化动作，并依据动作后获得的奖励大小改进优化动作，使智能体不断与环境交互，自主学习到自抗扰控制参数优化的方法； 设计深度确定性策略梯度方法，使参数优化过程收敛，完成基于深度强化学习的自抗扰控制器参数优化模型的训练。 所述速度环自抗扰控制器模型为一阶模型，一阶速度环自抗扰控制器模型包括跟踪微分器、扩张状态观测器和非线性误差状态反馈； 将马尔可夫决策过程与自抗扰控制环境结合，电机转速值设置为：状态，用于评估参数优化效果；电机控制环境设置为：环境，负责在参数变化后给出实时状态；动作，学习对参数进行调整与探索；奖励，采用动作后依据此时环境给出的新的状态进行评估；所采用的奖励函数为： R＝r1eoss1+r2trss2+r3trls3+r4|el|s4 其中eos、el、trs和trl是优化目标，eos和el分别是启动和突然负载转换时的速度误差，trs和trl分别是启动时间和突然负载后速度恢复正常的时间，s1、s2、s3和s4是标准化系数，因为优化目标之间的维度不同；r1、r2、r3和r4是四个优化目标的权重系数，根据应用环境的不同需求进行更改，当最终评估值R最小时，将获得最佳优化结果。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区新街口街道四牌楼2号；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”。