一种基于李雅普诺夫策略的数字孪生校准框架构建方法

一种基于李雅普诺夫策略的数字孪生校准框架构建方法，通过构建含代理网络的数字孪生模型模拟系统动态，以马尔可夫决策过程定义状态、动作空间及奖励函数。引入约束型Lyapunov动作‑评论家（CLAC）算法，优化策略网络和李雅普诺夫网络，该算法在高噪声和偏差下能稳定动作。实时参数优化借助单次神经网络前向传播、经验回放池等实现。各网络结构明确，采用特定初始化和优化方法。此方法可将校准问题转化为参数跟踪任务，在无标记数据下高效训练，能满足稳定性等约束要求，适用于工业机器人关节控制等场景。