خوارزمية عصبية لتحسين معلمات التحكم في الكائنات متعددة الأبعاد

الملخص يتمثل التحكم الأمثل للأنظمة المتعددة المتغيرات في عملية ديناميكية معقدة تقلل من دالة التكلفة للحصول على استراتيجية التحكم المثلى. للأسف، بالنسبة للأنظمة غير الخطية، لا يمكن استخدام المنظم التربيعي الخطي التقليدي (LQR)، الذي سيكون مثالياً على مدى نطاق كامل لتغير المعلمات. تعتبر مشكلة الأنظمة متعددة المتغيرات غير الخطية وتحكمها الأمثل شديدة الأهمية. تستند الحلول المقدمة في هذه الورقة إلى تطبيق شبكات التعلم التعزيزي (RL) في التحكم في نظام رافعة overhead بخمسة درجات من الحرية. بالإضافة إلى ذلك، فإن الخوارزمية معدلة لتحليل البيانات الجدولية المدخلة والمخرجة للنموذج الخاضع للتحكم بدلاً من تحليل حالته كاستجابة (بدون نموذج). أدى تنفيذ الهيكل الجديد للتحكم في النظام متعدد المتغيرات إلى تحسين جودة التحكم مقارنةً بالمنظم التقليدي LQR مع التقريب عند نقطة التشغيل. بالإضافة إلى الجودة، تم تحسين مؤشرات الموارد، والتي تمثل في منظم LQR بواسطة المصفوفة R، بشكل كبير. يتم تقديم بنية نظام التحكم العصبي، مما يضمن الحفاظ على جودة التحكم عبر نطاق غير الخطية بالكامل مع تقليل تكلفة كثافة موارده. الحصول على التحكم الأمثل مع تقليل الموارد لتنفيذه يؤدي إلى مجموعة واسعة من تطبيقات مثل هذا التحكم العصبي في الأنظمة الهندسية. لقد تم إثبات فعالية نظام التحكم المقترح في الدراسات والمحاكاة. تقدم نتائج المحاكاة أداءً ممتازاً في التحكم ومرونة عبر النطاق الكامل من غير خطية الكائن. أدت الخوارزمية العصبية إلى تقليل زمن الضبط بشكل كبير وجودة تحكم أفضل مع استهلاك أقل بكثير من موارد النظام وزيادة ديناميكية النظام.