平稳瞬态优于PID
离线强化学习策略，在无需在线探索的安全约束下，实现可重复使用火箭发动机启动瞬态的平稳协调控制。
Liu, Yuwei · 程玉强 · 吴建军
Aerospace Science and Technology 2026
通过离线强化学习训练的策略在1200 kN和920 kN两种推力工况下，相比开环和PID控制，启动过程超调更小、振荡更少。
策略完全基于历史试车数据校准的仿真环境训练，无需在真实发动机上进行在线探索，避免了高风险试错。
CA2PR在瞬态调节与多个控制目标之间取得平衡，保持有竞争力的累积奖励和稳态精度。