基于深度强化学习算法的直线电机控制系统研究
发布时间:2023-10-27 20:36
精密气悬浮平台常常被用作精密加工领域精确运动的载物平台,为了实现精密平台的高精度运行,作为精密气悬浮平台的执行机构——永磁同步直线电机(PMSLM),对其控制系统有着低超调、快调节的动态性能要求。深度确定性策略梯度(DDPG)算法是一种数据驱动的深度强化学习算法,可以根据系统的输入输出数据直接进行控制器的设计和分析,并根据给定的奖励实现系统的最优控制。将这种深度强化学习算法引入到电机控制系统中,凭借其优异的自学习自适应能力,来满足直线电机的动态性能要求。本论文以精密气悬浮平台为研究背景,以永磁同步直线电机的控制系统为研究对象,深入研究了一种基于深度强化学习算法的直线电机控制系统。首先,分析了永磁同步直线电机的控制系统,并根据永磁同步直线电机的实际结构,结合矢量控制原理建立了直线电机的数学模型;然后,在Simulink平台搭建了直线电机模糊PID控制系统模型,并进行了仿真。其次,在直线电机高速运行的情况下,为提高其控制系统的抗干扰能力且达到低超调的动态性能要求,提出了一种基于DDPG算法的自适应控制器,并在Simulink平台与模糊PID控制器进行了对比仿真。仿真结果表明,DDPG自适应...
【文章页数】:71 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 课题背景及意义
1.2 直线电机国内外发展现状
1.2.1 直线电机的发展与应用
1.2.2 直线电机控制技术
1.3 论文的研究内容与结构
第2章 永磁同步直线电机控制系统模型建立与仿真
2.1 永磁同步直线电机原理简介
2.2 直线电机控制系统模型建立
2.2.1 控制系统仿真概述
2.2.2 直线电机控制系统
2.2.3 永磁同步直线电机数学模型
2.2.4 矢量控制原理
2.2.5 直线电机Simulink仿真模型
2.3 直线电机模糊PID控制设计及仿真
2.3.1 模糊PID控制器
2.3.2 模糊PID控制系统仿真
2.4 本章小结
第3章 基于深度强化学习的直线电机控制系统研究
3.1 深度强化学习算法探究
3.1.1 强化学习算法
3.1.2 深度Q网络
3.1.3 确定性策略梯度算法
3.1.4 深度确定性策略梯度算法
3.2 深度强化学习控制器设计
3.2.1 DDPG自适应控制器设计流程
3.2.2 深度确定性策略梯度自适应控制器
3.3 深度强化学习控制系统仿真
3.3.1 DDPG自适应控系统仿真
3.3.2 DDPG自适应控制器网络搭建
3.3.3 仿真结果与分析
3.4 本章小结
第4章 DDPG自适应控制系统硬件平台
4.1 硬件平台介绍
4.1.1 相关硬件介绍
4.1.2 气悬浮平台硬件结构
4.2 DDPG自适应系统硬件验证
4.2.1 改进控制方案设计
4.2.2 Simulink信号发送与接收
4.2.3 Xenus驱动器配置
4.2.4 PWM控制信号产生
4.2.5 实验结果与分析
4.3 本章小结
第5章 结论
参考文献
在学研究成果
致谢
本文编号:3857231
【文章页数】:71 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 课题背景及意义
1.2 直线电机国内外发展现状
1.2.1 直线电机的发展与应用
1.2.2 直线电机控制技术
1.3 论文的研究内容与结构
第2章 永磁同步直线电机控制系统模型建立与仿真
2.1 永磁同步直线电机原理简介
2.2 直线电机控制系统模型建立
2.2.1 控制系统仿真概述
2.2.2 直线电机控制系统
2.2.3 永磁同步直线电机数学模型
2.2.4 矢量控制原理
2.2.5 直线电机Simulink仿真模型
2.3 直线电机模糊PID控制设计及仿真
2.3.1 模糊PID控制器
2.3.2 模糊PID控制系统仿真
2.4 本章小结
第3章 基于深度强化学习的直线电机控制系统研究
3.1 深度强化学习算法探究
3.1.1 强化学习算法
3.1.2 深度Q网络
3.1.3 确定性策略梯度算法
3.1.4 深度确定性策略梯度算法
3.2 深度强化学习控制器设计
3.2.1 DDPG自适应控制器设计流程
3.2.2 深度确定性策略梯度自适应控制器
3.3 深度强化学习控制系统仿真
3.3.1 DDPG自适应控系统仿真
3.3.2 DDPG自适应控制器网络搭建
3.3.3 仿真结果与分析
3.4 本章小结
第4章 DDPG自适应控制系统硬件平台
4.1 硬件平台介绍
4.1.1 相关硬件介绍
4.1.2 气悬浮平台硬件结构
4.2 DDPG自适应系统硬件验证
4.2.1 改进控制方案设计
4.2.2 Simulink信号发送与接收
4.2.3 Xenus驱动器配置
4.2.4 PWM控制信号产生
4.2.5 实验结果与分析
4.3 本章小结
第5章 结论
参考文献
在学研究成果
致谢
本文编号:3857231
本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3857231.html