基于参数优化的输出反馈强化学习在材料挤出增材制造系统温度控制中的应用
最优化与控制
2023-10-06 v1
摘要
随着增材制造(AM)的快速发展，对工艺进行先进监控与控制的需求日益迫切。AM工艺的诸多方面对工艺的效率、精度与可重复性起着重要作用，其中温度调节是最为重要的方面之一。本文中，我们解决了大型面域增材制造(BAAM)系统状态空间温度模型的最优跟踪控制问题。具体而言，我们探讨了在无法获取精确系统状态、仅能获得测量值形式信息的情况下，设计线性二次型跟踪(LQT)控制器的问题。我们首先基于强化学习概念，通过观测器进行状态估计，以基于模型的方法求解该问题。随后，我们设计了一种带有内部状态估计步骤的无模型强化学习控制器，并通过系统行为仿真器验证了其性能。我们的结果表明，可直接从过程数据中学习最优策略，而无需精确复杂的工艺模型，即可取得可比拟的结果。我们认为这一成果是迈向自主智能制造的重要一步。
引用
@article{arxiv.2310.03599,
title = {Output Feedback Reinforcement Learning with Parameter Optimisation for Temperature Control in a Material Extrusion Additive Manufacturing system},
author = {Eleni Zavrakli and Andrew Parnell and Subhrakanti Dey},
journal= {arXiv preprint arXiv:2310.03599},
year = {2023}
}