基于强化学习的水下振动台时滞补偿与控制优化

开展水下地震模拟振动台试验时,振动台多向振动受到的水体动力效应十分复杂、难于补偿,因而在试验前合理考虑台体实际加载能力与精度十分重要。该文考虑水深、激励频率和运动方向等因素,开展水-振动台系统控制性能的影响研究。通过实测数据辨识水-振动台系统的数学模型,提出基于模型的前馈补偿与强化学习结合的数据驱动混合控制方法。根据DDPG算法利用位移指令的误差数据离线训练Actor-Critic网络,并将之用于实时修正基于模型的补偿指令。通过与前馈补偿方法对比,开展了不同水深、激励频率和振动台运动方向的50组水下振动台测试验证及性能评价。结果表明:随着水深与激励频率增加,控制性能下降;水深对振动台垂直向运动影响更大;与基于模型方法相比,在水深2 m垂直向运动的设备最不利条件下,该文所提控制方法的性能指标J_(1)和J_(2)分别提升了6.54%和7.52%。所提方法在考虑水-振动台系统动力非线性控制时具有优良的时滞补偿性能,且是一种宽频带补偿方法。