کنترلکننده هیبریدی یادگیری تقویتی و مد لغزشی برای سیستم بهبودیافته آونگ معکوس بروی گاری | ||
| مهندسی مکانیک مدرس | ||
| Volume 26, Issue 4, January 1405, Pages 241-251 PDF (2.03 M) | ||
| Document Type: مقاله پژوهشی | ||
| DOI: 10.48311/mme.2025.117163.82870 | ||
| Authors | ||
| علی جلالی; نوید محمدی* ; مرتضی طایفی | ||
| پژوهشکده سیستمهای کنترل هوشمند، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران | ||
| Abstract | ||
| این مقاله به ارائه یک مطالعه جامع در زمینه کنترل آونگ معکوس روی گاری میپردازد که با افزودن دینامیک فنر-دمپر پیچشی و دمپر گاری بهبود یافته است. برای این منظور، یک تنظیمکننده بهینه مرتبه دوم (LQR) با استفاده از مدل خطیسازیشده طراحی شد. همچنین کنترلکنندههای پیشبین مدل (MPC) و یادگیری تقویتی (RL) با شبیهسازیهای مونتکارلویی ترکیب شدند تا مقاومت و حساسیت سیستم ارزیابی گردد. نتایج در ناحیه خطی عملکرد قابل مقایسهای را بین تمام روشها نشان دادند که در آن زمان نشست زیر ۲۰ ثانیه و تغییرات فراجهش در حدود 3% ثبت شد. به منظور مقابله با دینامیکهای غیرخطی، یک راهبرد کنترلی هیبریدی مد لغزشی-یادگیری تقویتی (SMC-RL) توسعه یافت که منجر به کاهش زمان نشست و بهبود چشمگیر قابلیت حفظ پایداری در شرایط رفتار غیرخطی و زوایای اولیه بزرگ تا ۱۵۰-۱۲۰ درجه گردید. چارچوب پیشنهادی SMC-RL نرخ موفقیت بالایی در پایدارسازی سیستم از شرایط اولیه گوناگون به دست آورد و به طور معناداری در پاسخ گذرا و پایداری، از کنترلگرهای منفرد پیشی گرفت. پایداری سیستم از طریق معیار لیاپانوف تأیید و به صورت تجربی توسط شبیهسازیهای مونتکارلو اثبات شد؛ بهگونهای که عملکردی پایدار با حداقل انحراف معیار در ۸۰ آزمون تصادفی را نشان داد. | ||
| Keywords | ||
| کنترل هیبریدی SMC– RL، یادگیری تقویتی، کنترل پیشبین مدل، شبیهسازی مونتکارلو، آونگ معکوس روی گاری | ||
| References | ||
|
| ||
|
Statistics Article View: 641 PDF Download: 123 |
||
| Number of Journals | 45 |
| Number of Issues | 2,238 |
| Number of Articles | 25,342 |
| Article View | 31,617,443 |
| PDF Download | 19,331,926 |