Kishen马哈,MathWorks
采用强化学习和DDPG算法对永磁同步电机进行磁场定向控制。本演示在标准面向现场的控制体系结构的内环中将两个PI控制器替换为强化学习代理,并展示如何使用强化学习工作流设置和培训代理。
在这个 视频, 我们展示了如何 使用强化学习的领域定向控制 一个 永磁同步电机。
为了展示这一点,我们从一个使用典型的面向领域的控制架构的例子开始,其中外环控制器负责速度控制;而内环 PI 控制器负责控制d轴和q轴电流。
然后,我们创建并验证 强化学习代理 它取代了此体系结构的内环控制器。
当系统是非线性的时,使用RL代理尤其有益,在这种情况下,我们可以训练单个RL代理,而不是在多个操作条件下调整PI控制器。
在本例中,我们使用线性电机模型展示了使用强化学习的磁场定向控制工作流,对于复杂的非线性电机,该工作流也保持不变。
让我们看看实现面向现场控制体系结构的金宝appSimulink模型。
该模型包含两个控制回路:外部速度回路和内部电流回路。
外环是在“速度控制”子系统中实现的,它包含一个PI控制器,负责为内环产生参考电流。
内环在“电流控制”子系统中实现,包含两个PI控制器,用于确定dq帧中的参考电压。
然后,参考电压用于生成适当的PWM信号,控制逆变器的半导体开关,然后驱动永磁同步电机以实现所需的转矩和磁通。
让我们继续运行Simulink模型。 金宝app
我们可以看到,控制器的跟踪性能良好,能够跟踪期望的速度。
让我们保存此结果,以便稍后与强化学习控制器进行比较。
现在,我们更新现有模型,用强化学习代理块替换当前回路中的两个PI控制器。
在这个例子中,我们使用DDPG作为强化学习算法,它同时训练一个演员和一个评论家来学习一个最优的策略,使长期回报最大化。
一旦用强化学习块更金宝app新了Simulink模型 ,我们就可以按照强化学习工作流来设置、训练和模拟控制器。
强化学习工作流程如下:
第一步是创建一个环境。在本例中,我们已经有了一个Simulink模型,其中包含使用“电厂和逆变器”子系统中的电机控制块集和Simscape Elect金宝apprical建模的永磁同步电机。
然后,我们使用此Simulink模金宝app型创建一个具有适当观察和操作的强化学习环境界面。
在这里,对强化学习块的观察是定子电流“id错误”和“iq错误”以及定子电流“id”和“iq”中的错误。
动作是定子电压“vd”和“vq”。
接下来,我们创建奖励信号,让强化学习代理根据其与环境的交互,知道其在训练期间选择的动作的好坏。
在这里,我们基于二次奖励惩罚(惩罚距离目标和控制努力的距离)来塑造奖励。
然后我们继续创建网络体系结构。
在这里,我们根据DDPG算法的要求,使用MATLAB函数对层和表示进行编程构造参与者和评论网络。
神经网络也可以使用Deep Network Designer应用程序构建,然后导入MATLAB。
本例中的批评家网络将观察值和动作作为输入,并给出估计的Q值作为输出。
另一方面,行动者网络将观察作为输入,并将行动作为输出。
创建演员和影评人表示后,我们可以创建DDPG代理。
DDPG代理的采样时间根据控制回路的执行要求进行配置。
一般来说,样本时间较小的代理需要更长的时间进行训练,因为它涉及到每个事件中更多的模拟步骤。
我们现在准备培训代理。
首先,我们指定培训选项。
这里我们指定我们希望最多运行2000集的培训,如果平均奖励超过提供的价值就停止培训。
然后我们使用' train '命令开始训练过程。
通常,最佳做法是在训练过程中将参考信号随机分配给控制器,以获得更稳健的策略。这可以通过为环境编写局部重置函数来实现。
在培训过程中,可以在事件管理器中监控进度。
一旦训练完成,我们就可以从训练的代理模拟和验证控制策略。
利用训练agent对模型进行仿真,发现强化学习agent控制定子电流时,磁场定向控制具有良好的速度跟踪性能。
通过查看这一性能与先前保存的输出,我们看到,具有强化学习代理的领域定向控制的性能与它的PI控制器对应部分相当。
视频到此结束。
您还可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。