طراحی رویکرد کنترلی مبتنی بر یادگیری تقویتی و روش تطبیقی -فازی-لغزشی جهت کنترل سیستم های سوئیچینگ

این مقاله به بررسی مسئله چالش برانگیز کنترل همزمان ورودی های گسسته و پیوسته در سیستم های سوئیچینگ، می پردازد. سیستم های سوئیچینگ که نوع خاصی از سیستمهای ترکیبی هستند، به دلیل ماهیت ترکیبی خود، نیازمند روش های کنترلی پیشرفته ای هستند که بتوانند به طور همزمان ورودی های پیوسته و گسسته را مدیریت کنند. در این مقاله، یک رویکرد نوآورانه با ترکیب کنترل تطبیقی-فازی-مد لغزشی (AFSMC) و یادگیری تقویتی (RL) معرفی شده است. این روش نه تنها قابلیت مدیریت همزمان این دو نوع ورودی را دارد، بلکه قادر است با داشتن حداقل اطلاعات از مدل، به صورت تطبیقی و مقاوم عمل کرده و در حالت آنلاین به یادگیری و بهینه سازی بپردازد. برای ارزیابی عملکرد و راستی آزمایی این الگوریتم، سیستم دو مخزن به عنوان یک نمونه معیار در این حوزه انتخاب شده است. نتایج شبیه سازی نشان داد که خطای ردیابی سطح مخازن با وجود نویز در اندازه گیری با انحراف معیار ۰۰۵/۰ و همچنین تغییر ناگهانی پارامتر سیستم، به کمتر از ۱ سانتی متر کاهش می یابد. همچنین، تعداد تغییرات وضعیت شیرها به ۶ بار بعد از ۱۰۰۰ اپیزود (episode)میرسد که نشان دهنده کاهش چشمگیر تعداد سوئیچینگ و افزایش پایداری سیستم است. این الگوریتم با کاهش هزینه کنترلی در مقایسه با روش های غیر ترکیبی (مدیریت همزمان ورودی گسسته و پیوسته)، به اهداف مطلوب دست می یابد. همچنین، این رویکرد می تواند به عنوان یک چارچوب قابل توسعه برای کنترل سایر سیستم های پیچیده با ورودی های ترکیبی در حوزه های مختلف مهندسی مورد استفاده قرار گیرد

کلیدواژه ها:

adaptive-fuzzy-sliding mode control ، reinforcement learning ، switching system ، two tank system ، کنترل تطبیقی-فازی-مد لغزشی ، یادگیری تقویتی ، سیستم سوئیچینگ ، سیستم دو مخزن