通信故障下蒸汽发生器水位MPC/DDPG切换控制

针对核动力蒸汽发生器系统存在未知通信故障、多变工况等复杂因素,提出蒸汽发生器水位模型预测/数据驱动切换控制方法。首先,进行深度强化学习(deep deterministic policy gradient,DDPG)数据驱动控制器设计,包括状态参数选取、动作参数设计、奖励函数设计、isdone条件设计与网络设计等。在蒸汽发生器控制系统没有发生通信故障时,DDPG控制器正常运行。在此基础上,设计模型预测(model predictive control,MPC)补偿控制器来抵御通信故障,在发生通信故障时,系统切换到MPC控制器来补偿丢失的数据。仿真结果表明:在典型外部输入下,蒸汽发生器水位MPC/DDPG切换控制器均能获得良好的控制性能,并且针对未知故障表现出了较好的稳定性和安全性。

永磁同步直线电机DDPG自适应控制

为了在高速高精度应用场合实现对非线性、强耦合、负载扰动大的永磁同步直线电机的快速精准控制,提出一种基于深度确定性策略梯度(DDPG)算法的自适应控制策略,应用在PMSLM的速度环中,以速度作为控制变量,以交轴电流iq做被控变量,在Simulink仿真平台上进行仿真,并与传统PID控制策略进行比较,结果显示,采用DDPG自适应控制策略以后,直线电机伺服系统的快速性、稳定性及抗干扰能力有了明显的提升。基于DDPG自适应控制的直线电机控制系统具有较强的自学习自整定性能,使直线电机伺服系统具有更好的动态响应性和更稳定的跟踪性能。

采煤机自适应调高控制策略

针对采用理想化信号模拟滚筒受载进行采煤机调高液压系统性能分析准确性差、基于传统优化控制算法难以实现对采煤机滚筒调高的自适应控制、响应速度和跟踪性能不好等问题,提出一种基于深度确定性策略梯度算法DDPG(Deep Deterministic Policy Gradient)的采煤机滚筒自适应调高控制策略,并利用虚拟样机技术、深层卷积神经网络(DCNN)与深度强化学习等机器学习算法搭建了采煤机自适应调高机-液-控一体化系统。利用Pro/E及RecurDyn建立采煤机调高系统刚柔耦合动力学仿真模型,根据某采煤工作面实际赋存条件,利用EDEM建立离散元煤壁模型,基于DEM-MFBD接口构建EDEM-RecurDyn双向耦合调高机构机械系统模型,基于AMEsim建立调高机构液压系统模型,利用Simulink搭建了集信号处理模块(Signal processing)、时频谱图生成模块(Continuous wavelet transform System)、数据样本扩充模块(Fancy PCA System)、截割状态识别模块(Alexnet Transfer Learning System)、调高控制决策模块(Height Control decision)和DDPG高度调节模型模块(DDPG Height Adjustment Model)6个模块于一体的采煤机自适应调高控制系统模型,基于接口技术搭建EDEM-RecurDyn-AMEsim-Simulink多领域协同仿真的采煤机自适应调高机-液-控一体化系统模型。利用该系统模型进行仿真并对其调高性能分析,研究结果表明:基于连续小波变换、Fancy PCA和Alexnet网络迁移学习能够实现煤岩截割状态的精准识别,识别准确率可达95.58%,所搭建系统的仿真过程能够更真实地模拟采煤机截割煤岩破碎过程,系统仅经0.6 s左右即能感知到截割工况的变化,且能够快速识别出煤岩截割状态并准确地将滚筒调整至目标高度,响应速度快,能够根据工况变化自适应调节活塞运动速度;相比于模糊PID控制,基于DDPG控制的采煤机自适应调高系统的活塞缩回位移稳态误差最大仅为0.002 1 mm,为前者的0.66%;对比调高前后稳定阶段的控制性能,模糊PID控制的系统活塞运动速度和液压缸腔室流量波动显著增大,而DDPG控制的系统则差别较小,表明后者具备更强的自适应性,更适于复杂煤层赋存条件下采煤机调高液压系统的自适应控制;通过试验验证了采煤机自适应调高控制策略及仿真结果的正确性,可有效提高采煤机对复杂煤层的适应性,促进煤矿智能化的发展进程。