Temperature regulation of an optomechanical frame based on reinforcement learning active disturbance rejection control
简介：空间光机系统在轨运行过程中面临极端热扰动与毫开尔文级温度控制精度的双重挑战,对控制策略的鲁棒性提出了极高要求.针对传统固定参数自抗扰控制(ADRC)在复杂工况下性能受限的问题,本文提出一种基于Q学习的自适应ADRC框架.结合强化学习驱动的参数优化机制,建立了包含多源热扰动(太阳辐射、结构传导及接触热阻)的热传递模型.通过ε-贪婪策略实时调整观测器带宽(ωo ∈[0.01,0.2])与控制器带宽(ωc ∈[0.01,0.1]),实现对总扰动的动态估计与补偿.仿真结果表明,与固定参数ADRC及SIMC-PI控制相比,本方法在设定值响应过程中可分别缩短31.3%和15.4%的调节时间;在阶跃响应下,积分绝对误差(IAE)较固定参数ADRC降低21.8%;在±10 K周期扰动与阶跃扰动下,控制精度分别提高12.7%和52.5%.蒙特卡洛鲁棒性试验结果显示,在±5%参数摄动下,IAE、调节时间及超调量的波动范围显著减小.该方法为空间光学载荷的毫开尔文级高精度热控提供了一种新的控制范式.展开
关键词：optomechanical systemactive disturbance re-jection controllerQ-learninghigh precision temperature control光机系统自抗扰控制Q学习高精度温度控制
在线出版日期：2026-04-16 （网站首发日期）
