Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

1 2024

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: TD3 agent

Sortuj według:

Ogranicz wyniki do:

AI-based field-oriented control for induction motors

Benmalek Elmehdi, Rayyam Marouane, Gege Ayoub, Ennasiri Omar, Ezzaidi Adil

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

2024

T. 14, nr 4

75--81

The current article deals with the implementation of Reinforcement Learning based Field Oriented Control (FOC) for the induction motors (IM). It is pertinent to mention that although conventional controllers like PID are widely used in FOC induction, they are model-based and face problems such as parameter adjustment. PID controllers need to be tuned because of the approximations of the model, variations of the parameters during operation,and the external disturbances that are uncertain and unpredictable. RL is a machine learning approach that is model-free which can adaptto the variations and disturbances. Therefore, these controllers can be an excellent alternative to the conventional controllers. In this study,an RL-based controller was used to control the speed of the induction motor using the FOCand spacevector modulation (SVM). Computational simulations weredone using the MATLAB/SIMULINK to test the controllers’ performance under different operating conditions. This study highlights the effectivenessof RL in optimizing IM control, offering potential benefits in various industrial and automation applications.

Niniejszy artykuł dotyczy implementacji uczenia ze wzmacnianiem (Reinforcement Learning–RL) opartego na sterowaniu polowym (FOC) dla silników indukcyjnych (IM). Należy wspomnieć, że chociaż konwencjonalne regulatory, takie jak PID, są szeroko stosowane windukcji FOC, są one oparte na modelu i napotykają problemy, takie jak dostosowanie parametrów. Regulatory PID muszą być dostrajane ze względu na przybliżenia modelu, zmiany parametrów podczas pracy,oraz zewnętrzne zakłócenia, które są niepewne i nieprzewidywalne. RLto podejście oparte na uczeniu maszynowym, które jest wolne od modelu i może dostosowywać się do zmian i zakłóceń. Dlatego też regulatory temogą być doskonałą alternatywą dla konwencjonalnych regulatorów. W niniejszym badaniu do sterowania prędkością silnika indukcyjnego wykorzystano sterownik oparty na RL, wykorzystujący FOC i modulację wektora przestrzennego (SVM). Symulacje obliczeniowe przeprowadzono przy użyciu MATLAB/SIMULINK w celu przetestowania wydajności sterowników w różnych warunkach pracy. Badanie to podkreśla skuteczność RL w optymalizacji sterowania IM, oferując potencjalne korzyści w różnych zastosowaniach przemysłowych i automatyzacji.