机床与液压

作者：陆振宇，孙守迪，金陆乔，查万荣，纵怀志，蔡存，刘国平

单位：南昌大学先进制造学院;南昌大学智能机器人江西省重点实验室；南昌大学先进制造学院;南昌大学智能机器人江西省重点实验室；南昌大学先进制造学院;南昌大学智能机器人江西省重点实验室；南昌大学先进制造学院;南昌大学智能机器人江西省重点实验室；浙江大学流体动力基础件与机电系统全国重点实验室；南昌大学先进制造学院;南昌大学智能机器人江西省重点实验室；南昌大学先进制造学院;南昌大学智能机器人江西省重点实验室

关键词：阀控缸系统;深度强化学习;位置控制;智能体跨系统迁移

基金：国家自然科学基金项目（52205059；52175050）；江西省科学教育学会在校研究生重点项目（2025KXJYS072）

电液伺服技术具有控制精准度高、动态响应迅捷、功率密度大等特性，能够达到高精密、高性能的运动调控目标。针对液阻全桥网络比例阀控缸系统建模复杂、传统控制方法调参繁琐的问题，提出深度强化学习（DRL）的跨系统迁移控制策略。利用AMESim搭建传统阀控缸液压系统与液阻全桥网络比例阀控缸系统模型，提供强化学习算法的选择依据，提出一种创新的研究策略：利用DRL无模型自适应特性，采用结构简单的传统阀控缸系统训练智能体，使其掌握应对非线性与耦合问题的控制能力；随后，将训练成熟的智能体直接迁移至复杂的液阻全桥网络比例阀控缸系统，无需重新建模或大量调参。仿真结果表明：迁移后的智能体方波跟踪静态误差不大于0.35 mm，正弦跟踪相对误差不大于8.3%，方波上升时间为0.13 s，调整时间为0.23 s，显著优于传统系统;6 000 N超越负载下智能体的相对误差仅8.217%，均方根误差1.039 mm。迁移后的智能体仍保持良好的动态响应与抗干扰能力，有效缩短调参时间，验证了DRL跨系统迁移在液压控制中的可行性，为复杂液压系统的智能控制提供了高效解决方案。

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