Učící se řídící člen aktivního magnetického ložiska založený na metodě CARLA

Self-learning controller of active magnetic bearing based on CARLA method

journal article - other

en

The active magnetic bearing control through analytically designed linear PD regulator, with parallel nonlinear compensation represented by automatic approximator is described in this contribution. Coefficient (parameter) values come from actions of Continuous Action Reinformcement Learning Automata (CARLAs). Influence of CARLAs parameters to learning is discussed. Parameters influence is proved by simulation study. It is shown that learning improvement can be reached by selecting appropriate parameters of learning.

V příspěvku je popsáno řízení aktivního magnetického ložiska pomocí navrženého lineárního regulátoru s paralelní nelineární kompenzací. Parametry kompenzace jsou učeny pomocí metody CARLA (Continuous Action Reinforcement Learning Automata). Je zde popsán vliv parametrů učení na průběh učení. Vliv parametrů je dále ověřen pomocí simulační studie. Je ukázáno, že vhodnou volbou parametrů lze dosáhnout zlepšení řízení.

The active magnetic bearing control through analytically designed linear PD regulator, with parallel nonlinear compensation represented by automatic approximator is described in this contribution. Coefficient (parameter) values come from actions of Continuous Action Reinformcement Learning Automata (CARLAs). Influence of CARLAs parameters to learning is discussed. Parameters influence is proved by simulation study. It is shown that learning improvement can be reached by selecting appropriate parameters of learning.

řízení, aktivní magnetické ložisko, opakovaně posilované učení

control, active magnetic bearing, reinforcement learning

2007

01.01.2007

0032-4140

Pomiary Automatyka Kontrola

2007

1

6–9

4