面向现场控制的强化学习
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。该演示在标准的面向现场的控制架构的内环中用一个强化学习代理替换了两个PI控制器,并展示了如何使用强化学习工作流设置和训练代理。
在这个 视频中, 我们将展示如何 使用强化学习对 永磁同步电机的场定向控制。
为了展示这一点,我们从一个使用典型的面向场控制架构的示例开始,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,我们创建并验证一个 强化学习代理 ,它取代了该体系结构的内环控制器。
当系统是非线性时,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。
在这个例子中,我们使用一个线性电机模型来展示使用强化学习的面向现场控制的工作流程,这个工作流程对于复杂的非线性电机也是一样的。
让我们看看实现面向字段的控制体系结构的Simulink模型
该模型包含两个控制环:外部速度环和内部电流环。
外环在“速度控制”子系统中实现,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。
然后使用参考电压产生适当的PWM信号,控制逆变器的半导体开关,然后驱动永磁同步电机实现所需的转矩和磁通。
让我们继续运行Simulink模型
我们可以看到控制器的跟踪性能很好,能够跟踪所需的速度。
让我们保存这个结果,以便以后与强化学习控制器进行比较。
现在我们更新现有的模型,用一个Reinforcement Learning Agent块替换当前循环中的两个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,以学习一个使长期奖励最大化的最优策略。
一旦Simulink模型 更新了强化学习块,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:
第一步是创造一个环境。在这个例子中,我们已经有了一个Simulink模型,它包含了在“工厂和逆变器”子系统中使用motor Control Blockset和Simscape electric建模的永磁同步电机。
然后,我们使用这个Simulink模型创建一个具有适当观察和操作的强化学习环境接口。
在这里,对强化学习块的观察是定子电流“id错误”和“iq错误”中的错误以及定子电流“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,让强化学习代理知道它在训练期间选择的动作是好是坏,这是基于它与环境的相互作用。
在这里,我们基于二次奖励惩罚来塑造奖励,惩罚距离目标和控制努力的距离。
然后我们继续创建网络架构。
在此,我们使用MATLAB函数进行层和表示,以编程方式构建DDPG算法所需的行动者网络和评论家网络。
神经网络也可以使用深度网络设计器应用程序构建,然后导入MATLAB。
本例中的评论家网络将观察和行动作为输入,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,并将动作作为输出。
创建了参与者和评论家表示之后,我们可以创建DDPG代理。
DDPG代理的采样时间根据控制循环的执行需求进行配置。
一般来说,样本时间越小的agent训练时间越长,因为它每集涉及的模拟步骤越多。
我们现在准备培训代理。
首先,我们指定培训选项。
在这里,我们指定我们希望运行最多2000集的训练,如果平均奖励超过提供的值,则停止训练。
然后使用' train '命令开始训练过程。
一般来说,在训练过程中将参考信号随机分配给控制器以获得更健壮的策略是最佳实践。这可以通过为环境编写一个本地复位函数来实现。
在培训过程中,可以在插曲管理器中监控进度。
训练完成后,我们可以模拟并验证训练代理的控制策略。
通过训练后的智能体对模型进行仿真,我们发现强化学习智能体控制定子电流的磁场定向控制具有良好的速度跟踪性能。
在查看之前保存的输出的性能时,我们看到使用强化学习代理的面向场控制的性能与它的PI控制器相媲美。
视频到此结束。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。