杜慧东， 邱 婷， 朱明泽

(1.西华大学 电气与电子信息学院， 成都 610039； 2.哈尔滨电气国际工程有限责任公司，哈尔滨 150028)

基于PSO的近似动态规划及其在电机控制中的应用

杜慧东1， 邱 婷1， 朱明泽2

(1.西华大学 电气与电子信息学院， 成都 610039； 2.哈尔滨电气国际工程有限责任公司，哈尔滨 150028)

提出一种采用粒子群优化思想的改进近似动态规划算法，并用以控制永磁同步电机。近似动态规划是一种基于强化学习原理的在线学习算法，并以PID神经网络为工具求解Bellman问题。传统算法的权值更新采用反向传播算法，要求有精确的一阶导数，如果梯度不精确就会使得算法对网络初始值选取十分敏感，稳定性与收敛速度就会受到影响。针对这一问题，采用改进的粒子群优化算法不需要任何梯度信息，能保证算法快速稳定地收敛。设计一种用粒子群优化算法与神经网络近似动态规划相结合的在线学习PID控制器用于永磁同步电机矢量控制系统中，仿真结果表明，该算法设计的控制器提高了控制系统的响应速度与精度，具有更强的适应性和鲁棒性。

近似动态规划；粒子群算法；PID神经网络；永磁同步电机

由Bellman提出的动态规划算法在工程控制中有着重要的意义，而近似动态规划(approximate dynamic programming,ADP)[1-2]的研究一直受到重视，研究者提出了许多改进以及在众多领域中的运用[3-6]。J W Park将启发式动态规划与多层感知器神经网络和径向基神经网络相结合来控制同步发电机[7]。Jennie Si等[8]提出直接启发式动态规划算法(direct heuristic dynamic programming, DHDP)并将其应用于倒立摆系统，DHDP不要求建模的优点使得它被广泛运用。……