کنترل هوشمند سرعت موتور جریان مستقیم با استفاده از یادگیری تقویتی

این مقاله به بررسی و توسعه یک روش کنترلی نوین برای تنظیم دقیق سرعت موتورهای جریان مستقیم (DC) می پردازد. در سیستم های صنعتی دستیابی به پاسخ سریع و بدون خطای حالت ماندگار برای کنترل سرعت بسیار حیاتی است. در این پژوهش یک کنترل کننده مبتنی بر یادگیری تقویتی (Reinforcement Learning) طراحی شده و عملکرد آن با کنترل کننده کلاسیک PID مقایسه می شود. مسئله کنترل به عنوان یک فرآیند تصمیم گیری مارکوف (MDP) فرموله شده است به طوری که تابع پاداش به گونه ای تعریف شده است که عامل یادگیرنده را به سمت کمینه سازی خطای سرعت سوق دهد. مدل دینامیکی موتور DC به عنوان محیط شبیه سازی مورد استفاده قرار گرفته است. نتایج شبیه سازی نشان می دهد که کنترل کننده مبتنی بر RL ضمن حذف کامل خطای حالت ماندگار، پاسخ دینامیکی بهتری از جمله زمان نشست کوتاه تر و اورشوت کمتر را در مقایسه با تنظیمات بهینه شده PID ارائه می دهد. این رویکرد هوشمند قابلیت انطباق پذیری بالایی را در برابر اغتشاشات و تغییرات ناگهانی در گشتاور بار فراهم می آورد و مسیر را برای طراحی سیستم های کنترلی مقاوم و کارآمد در کاربردهای دقیق باز می کند. علاوه بر این برای ارزیابی پایداری، سیستم یک تغییر ناگهانی در گشتاور بار به موتور اعمال شد. نتایج نشان داد که کنترل کننده مبتنی بر RL توانایی بازیابی سریع تر سرعت مرجع و حفظ پایداری سیستم را نسبت به کنترل کننده PID دارد.

کلیدواژه ها:

کنترل سرعت موتور DC ، یادگیری تقویتی (RL) ، کنترل PID ، مدل دینامیکی ، پاسخ دینامیکی ، کنترل هوشمند