Training a robust reinforcement learning controller for the uncertain system based on policy gradient method

هدف از این مقاله، طراحی یک کنترل کننده قوی بدون مدل برای سیستم های نامشخص است. عدم اطمینان سیستم کنترل به طور عمده شامل عدم قطعیت مدل و اختلال خارجی است که به طور گسترده ای در استفاده عملی وجود دارد. این عدم اطمینان منفی بر عملکرد سیستم تاثیر می گذارد و این باعث می شود که ما یک کنترلر آزاد مدل را برای حل این مشکل آموزش دهیم. یادگیری تقویت کننده یک شاخه مهم یادگیری ماشین است و قادر است با بهینه سازی یک سیاست بدون دانش مدل ریاضی گیاه به خوبی نتایج کنترل را به دست آورد. در این مقاله، ما یک ماژول تابع پاداش را برای توصیف محیط خاص سیستم مورد نظر، با توجه به عدم قطعیت در نظر می گیریم. سپس با استفاده از یک روش شبیه سازی جدید سیاست برای بهینه سازی خط مشی و اجرای این الگوریتم با شبکه های شبکه ساختاری بازیگر منتقد. این دو شبکه کنترل کننده های تقویت کننده ما هستند. در نهایت، کاربرد و کارایی روش پیشنهادی را با استفاده از آن در یک مدل پلت فرم هلی کوپتر تجربی، که شامل عدم اطمینان مدل و اختلالات خارجی است، نشان می دهد.