STEROWANIE ZORIENTOWANE POLOWO DLA SILNIKÓW INDUKCYJNYCH OPARTE NA SZTUCZNEJ INTELIGENCJI

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 w indukcji 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. RL to podejście oparte na uczeniu maszynowym, które jest wolne od modelu i może dostosowywać się do zmian i zakłóceń. Dlatego też regulatory te mogą 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.