这个例子说明了如何PI控制器转换在水缸
金宝appSimulink将模型转换为一种强化学习深度确定性策略梯度(DDPG)代理。有关在MATLAB®中训练DDPG代理的示例,请参见培训DDPG代理控制双积分器系统。
本例的原始模型是水箱模型。目标是控制水箱中的水位。有关水箱模型的更多信息,请参见watertank仿金宝app真软件模型(金宝app仿真软件控制设计)。
修改通过以下的改变原始模型:
删除PID控制器。
插入RL代理块。
连接观测向量 ,其中 为水箱的高度, 和 是基准高度。
设立奖励 。
配置终止信号,使得模拟如果停止 要么 。
得到的模型是rlwatertank.slx
。有关此模型和更改的详细信息,请参阅创建强化学习的金宝appSimulink环境。
open_system(“rlwatertank”)
创建环境模型包括定义如下:
操作和观察信号代理使用与环境互动。有关更多信息,请参见rlNumericSpec
和rlFiniteSetSpec
。
奖赏信号代理使用来衡量其成功。有关更多信息,请参见定义奖赏信号。
定义观测规范obsInfo
和动作规范actInfo
。
obsInfo = rlNumericSpec([3 1],…“LowerLimit”,[-inf -inf 0]',…“UpperLimit”[INF INF INF]');obsInfo.Name =“观察”;obsInfo。描述=“综合误差、误差和测量高度”;numObservations = obsInfo.Dimension(1);actInfo = rlNumericSpec([1 1]);actInfo.Name =“流”;numActions = actInfo.Dimension (1);
构建环境接口对象。
ENV = rl金宝appSimulinkEnv(“rlwatertank”,'rlwatertank / RL代理',…obsInfo actInfo);
设置一个自定义重置函数,该函数为模型随机化引用值。
env.ResetFcn = @(上)localResetFcn(IN);
指定仿真时间特遣部队
和所述试剂的采样时间Ts
在几秒钟内。
t = 1.0;Tf = 200;
修正了重复性的随机生成种子。
rng (0)
给定观察和行为,DDPG代理使用批评家值函数表示近似长期奖励。要创建批评家,首先创建一个具有两个输入(观察和动作)和一个输出的深度神经网络。有关创建深度神经网络值函数表示的更多信息,请参见创建策略和价值函数表示。
statePath = [featureInputLayer(numObservations,'正常化',“没有”,“名字”,'州') fullyConnectedLayer (50,“名字”,'CriticStateFC1') reluLayer (“名字”,'CriticRelu1')fullyConnectedLayer(25,“名字”,'CriticStateFC2')];actionPath = [featureInputLayer(numActions,'正常化',“没有”,“名字”,'行动')fullyConnectedLayer(25,“名字”,'CriticActionFC1')];文件版本= [additionLayer(2,“名字”,“添加”) reluLayer (“名字”,'CriticCommonRelu') fullyConnectedLayer (1,“名字”,'CriticOutput')];criticNetwork = layerGraph();criticNetwork = addLayers(criticNetwork,statePath);criticNetwork = addLayers(criticNetwork,actionPath);criticNetwork = addLayers(criticNetwork,文件版本);criticNetwork = connectLayers(criticNetwork,'CriticStateFC2','添加/ IN1');criticNetwork = connectLayers(criticNetwork,'CriticActionFC1',“添加/平方英寸”);
查看批评家网络配置。
图图(criticNetwork)
使用指定批评家表示形式的选项rlRepresentationOptions
。
criticOpts = rlRepresentationOptions(“LearnRate”1 e 03'GradientThreshold',1);
创建使用指定的深层神经网络和选项的评论家表示。你还必须指定动作和观察规格的批评家,你从环境中获得的接口。有关更多信息,请参见rlQValueRepresentation
。
评论家= rlQValueRepresentation (criticNetwork obsInfo actInfo,“观察”{'州'},'行动'{'行动'},criticOpts);
给定观察结果,DDPG代理决定使用actor表示采取哪个操作。创建演员,首先创建一个深和一个输入神经网络,观察,和一个输出,行动。
构建演员评论家以类似的方式。有关更多信息,请参见rlDeterministicActorRepresentation
。
actorNetwork = [featureInputLayer(numObservations,'正常化',“没有”,“名字”,'州') fullyConnectedLayer (3“名字”,“actorFC”)tanhLayer(“名字”,“actorTanh”)fullyConnectedLayer(numActions,“名字”,'行动')];actorOptions = rlRepresentationOptions(“LearnRate”1 e-04'GradientThreshold',1);演员= rlDeterministicActorRepresentation(actorNetwork,obsInfo,actInfo,“观察”{'州'},'行动'{'行动'},actorOptions);
要创建DDPG剂,采用先指定DDPG代理选项rlDDPGAgentOptions
。
agentOpts = rlDDPGAgentOptions(…'采样时间',TS,…'TargetSmoothFactor'1 e - 3,…'DiscountFactor',1.0,…“MiniBatchSize”,64,…“ExperienceBufferLength”1 e6);agentOpts.NoiseOptions。方差= 0.3;agentOpts.NoiseOptions。VarianceDecayRate = 1 e-5;
然后,使用指定的actor表示、批评家表示和代理选项创建DDPG代理。有关更多信息,请参见rlDDPGAgent
。
代理= rlDDPGAgent(演员、评论家、agentOpts);
为了培养剂,先指定的培训方案。在这个例子中,使用下列选项:
运行最多每次培训5000
集。指定每一集最多持续时间装天花板(Tf / Ts)
(那是200
)时间的步骤。
在“情节管理器”对话框中显示训练进度(设置情节
选项)和禁用命令行显示(设定详细
选项假
)。
当代理接收到一个平均的累积奖励大于停止训练800
在20.
连续发作。在这一点上,代理可以控制水箱中的水的水平。
有关更多信息,请参见rlTrainingOptions
。
maxepisodes = 5000;maxsteps =装天花板(Tf / Ts);trainOpts = rlTrainingOptions (…'MaxEpisodes'maxepisodes,…'MaxStepsPerEpisode',maxsteps,…“ScoreAveragingWindowLength”, 20岁,…“放牧”,假,…“阴谋”,“训练进步”,…“StopTrainingCriteria”,'AverageReward',…'StopTrainingValue', 800);
使用列车上的代理火车
函数。训练是一个计算密集型的过程,需要几分钟才能完成。为了在运行此示例时节省时间,请通过设置加载一个预先训练过的代理doTraining
来假
。为了训练自己的代理,集doTraining
来真正
。
doTraining = FALSE;如果doTraining培训代理。trainingStats =列车(代理人,ENV,trainOpts);其他%加载预训练剂的例子。负载('WaterTankDDPG.mat',“代理”)结束
验证对仿真模型中了解到剂。
simOpts = rlSimulationOptions ('MaxSteps',maxsteps,“StopOnError”,“上”);经验= sim (env,代理,simOpts);
功能= localResetFcn(中)随机参考信号BLK = sprintf的('rlwatertank /期望\ nWater级别');h = 3*randn + 10;而h <= 0 || h >= 20 h = 3*randn + 10;结束在= setBlockParameter(黑色,“价值”num2str (h));%随机初始高度h = 3*randn + 10;而h <= 0 || h >= 20 h = 3*randn + 10;结束黑色=“rlwatertank /水箱系统/ H”;在= setBlockParameter(黑色,'初始条件'num2str (h));结束