Интеллектуальная система управления платформой Стюарта на основе применения метода обучения с подкреплением

Abstract

В статье представлена интеллектуальная система управления платформой Стюарта, являющейся механизмом параллельной кинематики с шестью степенями свободы. Основным недостатком таких механизмов является наличие особых положений рабочей области, в которых может произойти потеря устойчивости. Стандартные алгоритмы управления часто оказываются неэффективными при прохождении через потенциально нестабильные зоны, поэтому в качестве основного компонента предлагаемой системы управления выбран метод обучения с подкреплением (Reinforcement Learning), относящийся к виду машинного обучения. Выбор обусловлен эффективностью работы метода в непрерывных пространствах действий, что особенно важно для системы управления, обеспечивающей плавное движение в пределах рабочей области с переменными координатами. В условиях действия эксплуатационных нагрузок, вибраций и температурных колебаний необходима коррекция в реальном времени. Применение искусственной нейронной сети повысит точность и гибкость для адаптации к меняющимся условиям эксплуатации без снижения производительности на основе моделирования сложных нелинейных зависимостей и обучения с использованием накопленного опыта. Представлены следующие аспекты системы управления: схема работы и общая архитектура реализации метода обучения с подкреплением, схема алгоритма обучения, UML-диаграмма классов среды и агента, архитектура сети Актоар и Критика, процесс обучения сети и результаты ее тестирования, которые показали высокую эффективность ее применения.