1.一种电石炉石灰粉料压球控制系统的积分强化学习控制方法，其特征在于，该方法包括以下步骤：
S1:首先采集电石炉石灰粉料压球机进料铰刀电机的转速来获得电机的电流作为输出信号，利用电机的输入电压对电机电流进行控制；并定义非二次策略效用函数，使得输出信号跟踪给定的电流期望轨迹，并且使所用的输入电压信号波动最小；具体如下：
定义非二次策略效用函数SUF；
式中,k为采样步数， 为正常数,u(k)为电机的控制输
入电压信号，y(k)为电机电流的输出信号，r＞0,υ为控制输入的饱和界限， 为有界的一对一函数，满足 而且 为单调递增奇函数； 的梯度是有界的；q(y(k))＝(y(k)-yr(k))2，其中，yr(k)为电石炉石灰粉料压球机给定的电流期望轨迹，是紧子集R上的一个已知的光滑有界函数，由于 是单调奇函数，W(u(·))是正定的；
根据Bellman最优化原理，得到最优的SUF值J*(·)，满足以下HJB方程：
q(k)为q(y(k))的简写；
S2:在每一个采样周期内，根据隐函数定理，由最优的SUF值J*(·)，得到一个最优控制律u*(k)，作为电机的输入电压，使电石炉石灰粉料压球机电机电流跟踪给定的电流期望轨迹，最优控制律如下：
式中， τ为系统时延；
*
S3:利用评论器NN神经网络近似最优SUF值J (·)；评论器NN神经网络的预测误差ec(k)为：
式中 表示评论器NN神经网络的输出，
0＜rc＜1； 为回归向量,由输入和输出测量值的回归值组
成,z(k)为由输入信号和输出信号的反馈值组成的向量，作为评论器NN神经网络的输入；a(k)是开关信号；评论器NN神经网络具有双层结构, 和 分别表示其
输出的实际权向量和隐藏层的权矩阵；nc项表示隐藏层神经元的数量，nz＝m+n+1，m和n分别为输入和输出信号的阶次；隐藏层的激活函数向量 简写为φc(k)；评论器NN神经网络近似最优SUF值J*(·)的公式如下：
式中，T为转置符号，Wc为最优SUF的期望权矩阵，为公式中需要更新的参数，为J*(k)的有界的最优逼近误差，根据需求精度进行选择；
评论器NN网络的权值估计误差 为：
近似权值估计误差ζc(k)表示为：
因此，预测误差为：
其中，
G(k)＝1+|N(x(k))|
其中，e(k)为时刻的跟踪误差，N(x(k))为Nussbaum增益，λ为一个阈值，λ>0；将预测误差的二次函数Ec(k)定义为评论器NN神经网络的最小化对象，进而确定预测误差中的ζc(k)；
评论器NN神经网络的权值更新规则是一个基于梯度的自适应算法：
式中， αc∈R是可调节的自适应增益；然后根据以下引理，得
到权重更新律；
引理:考虑到矩阵A∈Rm×m,X∈Rn×m和向量b∈Rn，q∈Rm,下面的二次项关于矩阵X的导数为：
式中，矩阵A，向量b和q与矩阵X无关；
可得评论器NN的权值更新规律为
根据得到的权值更新规律和确定的近似权值估计误差，得到需要更新的最优SUF的期望权矩阵，进而得到最优SUF值；
S4:利用执行器NN生成电石炉石灰粉料压球机输入电压信号来近似最优控制律u*(k)，具体如下：
利用执行器NN近似电石炉石灰粉料压球机输入电压的控制律表达式：
式中，u(k)为控制律，是执行器的输入， 为执行器NN的输出；
和 分别为输出层的加权向量和隐含层的加权矩阵，Z(k)是输入和
输出信号的反馈信号组成的向量；S(Vaz(k))简写为S(z(k))，表示隐含层的激活函数向量,na为隐含层神经元的数量；nz＝m+n+1，m和n分别为输入和输出信号的阶次；
定义辅助变量：
式中 ，W a 为期 望加 权向 量 ，是需 要 更新 的参 数 ，则 最优 控 制律 为d*(k)表示有界误差；
k+τ时刻的跟踪误差为：
式中，φ(z(k),u(k))＝y(k+τ)-dt(k)，
dφ(k)＝dt
(k)-yr(k+τ)+φ(z(k),u*(k))；其中，dt(k)为干扰信号，Φ(·,·)满足Lipschitz条件，并且 有界,即 式中 为正常数；因此，k+τ时刻的跟踪误差可表示为：
c *
式中， U (k)∈[min{U (z
(k)),U(k)},max{U*(z(k)),U(k)}]， 和δ分别表示δ的上界和
下界；
因此，跟踪误差的动态表达式为
式中 为执行器的近似权值估计误差，其中
执行器NN的自适应律的设计原则是最小化SUF函数并跟踪期望轨迹；执行器NN的预测误差定义为
式中，
根据Δx(k)可计算出Nussbaum增益N(x(k))；
G(k)＝1+|N(x(k))|
其中，λ是一个阈值，λ>0；
调整执行器NN的权重 来最小化目标函数Ea(k)；
评论器NN神经网络的权值更新规则是一个基于梯度的自适应算法：
式中， αa∈R+为执行器NN的自适应增益；然后根据以下引
理，得到权重更新律；
引理:考虑到矩阵A∈Rm×m,X∈Rn×m和向量b∈Rn，q∈Rm,下面的二次项关于矩阵X的导数为：
式中，矩阵A，向量b和q与矩阵X无关；
因此，得到执行器NN的权值更新规律为
根据得到的权值更新规律和确定的跟踪误差，得到需要更新的期望加权向量Wa，进而得到最优控制律u*(k)。
2.根据权利要求1所述的一种电石炉石灰粉料压球控制系统的积分强化学习控制方法，其特征在于，步骤S1中 为双曲正切函数，即
3.根据权利要求1所述的一种电石炉石灰粉料压球控制系统的积分强化学习控制方法，其特征在于，步骤S2具体为：根据隐函数定理，存在一个最优控制律u*(k)，定义为假设J*(·)是光滑的，J*(k)的最小值通过令q(k)+W(u(k))+J*(k+1)对于u(k)的梯度为零来精确求解，即
求解后，可得相应的最优控制律u*(k)。