基于强化学习DDPG算法的轮式助行机器人控制方法

在使用轮式助行机器人辅助行走和康复训练过程中，机器人运动控制的稳定性和轨迹跟踪的准确性是人机交互的重要研究内容。本文将强化学习中的深度确定性策略梯度（DDPG）算法与比例积分微分（PID）控制器相结合，提出了一种轮式助行机器人轨迹跟踪方法。首先，对轮式助行机器人底盘的运动学模型进行了分析。其次，介绍了强化学习中的DDPG算法与PID控制器相结合的自适应PID控制器的实现原理和控制结构。最后进行了仿真实验。实验结果表明，与传统PID控制器相比，基于DDPG算法的PID控制器能在机器人系统跟踪期望轨迹时自适应调整参数，使机器人始终按照期望轨迹运动。同时，得益于强化学习的试错机制，控制器具有较强的抗干扰能力。     

渣油加氢装置杂质沉积规律与压降升高机理分析

反应器压降升高是影响固定床渣油加氢装置长周期运行的重要因素。选取三套加工不同典型原料的工业渣油加氢装置，分析不同位置不同种类运转后催化剂的杂质沉积和孔结构变化情况，采用扫描电子显微镜-二维元素分析方法对结块催化剂杂质沉积分布进行原位表征，获得渣油加氢装置杂质沉积规律。结合装置原料性质和运行工况，对反应器压降升高机理进行分析。结果表明，长周期运行过程中，前部反应器催化剂大量沉积金属杂质，积炭严重，催化剂孔结构发生显著变化；同时，在催化剂颗粒间隙沉积大量焦炭或含铁垢物，造成床层堵塞。Ni、V主要沉积在催化剂颗粒内部，Fe、Ca则沉积在催化剂颗粒之间或附着在催化剂外表面，结块催化剂颗粒间隙填堵大量焦炭。反应器压降升高遵循两种不同的机理或路径。原料Fe、Ca含量较低时，反应器下部脱金属催化剂因沉积金属Ni、V而失活，进而在催化剂颗粒之间形成大量积炭，导致床层板结、压降上升；原料Fe、Ca含量高时，Fe、Ca在床层上部保护剂颗粒间大量沉积，导致反应器堵塞，压降升高。在严格控制进料Fe、Ca含量的同时，还应针对性优化催化剂及其级配设计，延长运转周期。