基于强化学习的倒立摆控制研究.docxVIP

PAGE 0 基于强化学习的倒立摆控制研究 基于强化学习的倒立摆控制研究 基于强化学习的倒立摆控制研究  摘 要 强化学习采用“试验——评价——调整”机制，利用环境交互的评价信号进行学习，通过最大化动作带来的累积回报期望调整动作选择概率，从而寻找最优策略。学习算法的优势在于在没有先验知识的条件下，能够解决无模型的控制问题。 倒立摆系统是一个经典的复杂物理系统，直线一级倒立摆系统通常包含摆杆偏角和角速度、小车位移和速度四个状态变量。由于系统是单输入控制的高阶物理系统，控制难度较高，常被用于分析检验控制算法有效性、精确性和快速性。此控制系统可反映控制算法的稳定性、实时性、随动性等效果。