机床与液压

作者：张廷元，纪金豹，李倩，李绅

单位：北京工业大学工程抗震与结构诊治北京市重点实验室；北京工业大学工程抗震与结构诊治北京市重点实验室；北京工业大学工程抗震与结构诊治北京市重点实验室；北京工业大学工程抗震与结构诊治北京市重点实验室

关键词：振动台;DDPG算法;强化学习;智能控制

基金：国家自然科学基金项目（51978015）

为提升地震模拟振动台系统在复杂负载工况下的加速度跟踪精度，基于深度确定性策略梯度（DDPG）算法构建振动台强化学习控制策略。建立空载和单自由度试件下的振动台系统模型；采用DDPG算法对控制网络进行迭代训练，通过Actor-Critic框架实现控制模型的学习与优化；将训练好的网络引入振动台模型进行验证，对比分析DDPG算法与传统三变量控制的性能差异，对比测试多种地震波激励下的控制效果。仿真结果表明：在空载条件下，相比传统三参量控制算法，DDPG控制算法的相关系数显著提高，在El-Centro波激励下，DDPG控制的相关系数达到94.3%，相比三参量算法的91.9%提高了2.4%；在考虑单自由度试件的情况下，DDPG算法也可保持良好的控制精度，在El-Centro波激励下，相关系数达到92.9%，相比传统算法的83.7%提高了9.2%。强化学习在振动台控制中的有效性得到了验证，为振动台系统的智能控制提供了新的技术路径。

来源：2026年第2期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第2期