El sistema pantógrafo-catenaria (PCS) es esencial para que los trenes obtengan energía eléctrica. A medida que aumenta la velocidad de operación del tren, la vibración entre el pantógrafo y la catenaria se intensifica, reduciendo la calidad de la recolección de corriente. El control activo puede reducir significativamente la vibración del PCS, disminuir eficazmente el costo de la modernización de la línea y mejorar la calidad de la recolección de corriente. Este artículo propone un mejorado gradiente de política determinista profunda (IDDPG) para el problema de control activo del pantógrafo, que retrasa la actualización de las redes Actor y Actor-Objetivo y adopta un mecanismo de repetición de experiencia reconstruida. El módulo de ambiente de aprendizaje por refuerzo profundo (DRL) se estableció primero creando un modelo de acoplamiento PCS. Sobre esta base, el módulo DRL del controlador está diseñado con precisión utilizando la estrategia IDDPG. Finalmente, la estrategia de control se integra con el PCS para el entrenamiento, y el rendimiento del controlador se valida en el PCS. Los experimentos de simulación muestran que la estrategia mejorada reduce significativamente el tiempo de entrenamiento, mejora el rendimiento en estado estacionario del agente durante las etapas de entrenamiento posteriores y reduce efectivamente la desviación estándar de la fuerza de contacto pantógrafo-catenaria (PCCF) en un promedio de más del 51.44%, mejorando efectivamente la calidad de la recolección de corriente.