一种基于Q学习算法的对角递归神经网络控制策略

授权

摘要

本发明设计了一种基于Q学习算法的对角递归神经网络(DRNN)控制策略(Q‑DRNN)，Q‑DRNN将Q学习的强搜索能力与DRNN的自带递归环结构、动态映射能力以及适应时变性等优势有机结合，用于提高无刷直流电机(BLDCM)的工作稳定性。在Q‑DRNN中，DRNN通过隐含层中独有的递归环对输出变量进行迭代，并对其关键权重进行优化，以加快迭代速度。同时，引入改进的Q学习对DRNN的权动量项因子进行修正，使DRNN具有自学习和在线修正的能力，使得系统的抗干扰能力增强、鲁棒性增强，从而使无刷直流电机达到更好的控制效果。

基本信息

专利标题：

一种基于Q学习算法的对角递归神经网络控制策略

专利标题（英）：

暂无

公开（公告）号：

CN111665718A

申请号：

CN202010502825.9

公开（公告）日：

2020-09-15

申请日：

2020-06-05

授权号：

CN111665718B

授权日：

2022-05-10

发明人：

王宏志王婷婷胡黄水韩优佳

申请人：

长春工业大学

申请人地址：

吉林省长春市延安大街2055号

代理机构：

代理人：

优先权：

CN202010502825.9

主分类号：

G05B13/04

IPC分类号：

G05B13/04