基于多智能体强化学习的焦炉集气管压力多级协调控制

针对焦炉集气管压力这类多变量强扰动非线性耦合系统,提出了一种基于Multi-Agentsystem(MAS)的焦炉集气管压力智能多级协调控制系统方案.采用基于Agent单元系统梯级协调体系和基于任务分解的实时Agent的组织与演化机制,通过Agent模态变迁进行模式切换,以适应快速突变环境.在控制Agent中采用Actor-critic强化学习方法,运用TS回归模糊神经网络实现行动和评判模块,使用分布式学习算法对多个Agent协调优化.工程应用表明,提出的控制策略有效地解决了高压氨水大干扰对集气管压力的冲击控制问题.