1.一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，所述方法包括：
S1：获取系统数据；
S2：基于系统数据，构建线性连续时间系统模型；
S3：基于线性连续时间系统模型，设置无限时间跨度的性能指标；
S4：基于设置无限时间跨度的性能指标，利用系统数据进行计算，获得初始的稳定控制反馈矩阵；
S5：基于初始的稳定控制反馈矩阵，获得最优控制策略和干扰策略。
2.根据权利要求1所述的一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，所述步骤S2中，所建立的线性连续时间系统模型为：
其中，x表示系统的状态，初始状态为x0，表示系统状态的导数，u表示控制输入，w表示满足 的外部扰动，状态x，控制输入u和外部扰动w的维数分别为n，m和q，矩阵A，B1和B2是未知的常数矩阵，并且具有适当的维度。
3.根据权利要求1所述的一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，所述步骤S3中，无限时间跨度的性能指标为：
其中，Q为半正定矩阵，R为正定矩阵，γ表示预设的扰动衰减级别。
4.根据权利要求2或3所述的一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，对于给定的γ，对于系统模型参数存在以下两个设定：
设定1：(A,B1)具有能控性；
设定2： 具有能观测性。
5.根据权利要求1所述的一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，所述步骤S4的具体方法为：
S41：对设置无限时间跨度的性能指标，参数初始化，获得确认的指标参数；
S42：基于确认的指标参数，构建对称矩阵进行求解，获得正定矩阵；
S43：基于获得的正定矩阵进行计算，获得初始参数计算控制反馈矩阵；
S44：基于获得的初始参数计算控制反馈矩阵，获得优化的控制反馈矩阵。
6.根据权利要求5所述的一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，所述S42的具体方法为：
设置初始的β＝0，对于一个n×n维的对称矩阵P，定义
增大β，如下等式中解出
0
其中Pi (i＝0)， 和 分别是n×n维的对称矩阵，n×m维的控制反馈矩阵
和n×q维的矩阵；如果解出的 不是一个正定矩阵，则继续增大β，求解上述等式，直到解出的 是一个正定矩阵。
7.根据权利要求1所述的一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，所述S5的具体方法为：
S51：基于获得的稳定的控制反馈矩阵，设置初始策略；
S52：基于设定的初始策略进入外部循环中进行计算，结束后进行内部循环；
S53：设定内部循环初始策略，进入内循环中进行计算，获得误差函数；
S54，基于误差函数进行更新，获得最优干扰策略和控制策略。
8.根据权利要求7所述的一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，所述S51的具体方法为：
设定初始策略如下：
其中， 为n×n维的对称矩阵； 为n×q维的干扰策略矩阵； 为n
×m维外部循环的控制策略矩阵；设置外部循环初始迭代次数i＝0。
9.根据权利要求7所述的一种解决H无穷控制问题的无模型在线强化学习方法，其特征在于，所述设置内部循环初始策略的方法为：
其中wi为当前循环的干扰策略； 为n×n维的对称矩阵； 为n×m维
的内部循环控制策略矩阵；并将设置内部循环初始迭代次数j＝0。
10.一种解决H无穷控制问题的无模型在线强化学习系统，用于实现权利要求1‑9任一项所述的方法，其特征在于，所述系统包括：
数据获取模块，获取系统数据；
模型构建模块，基于系统数据，构建线性连续时间系统模型；
参数设置模块，基于线性连续时间系统模型，设置无限时间跨度的性能指标；
矩阵获取模块，矩阵基于设置无限时间跨度的性能指标，利用离线系统数据进行计算，获得初始的稳定控制反馈矩阵；
策略获取模块，基于初始的稳定控制反馈矩阵，获得最优控制策略和干扰策略。