Reinforcement learning in process control

Abstract

Bruk av forsterkningsinnlæring som kontroller i prosessindustriene ble utforsket som et alternativ for kontroll til sammenligning med vanlige kontrollere. I denne oppgaven var forsterkningsinnlæringsmetodene value based- og policy based brukt som kontrollere for tre forskjellige tilfeller av tanknivåregulering. Kontrollerne ble sammenlignet med en tradisjonell P-kontroller for evaluering av kontrollerens ytelser. forsterkningsinnlæringsregulatorene viste lovende resultater da de klarte å kontrollere væskenivået mellom de forhåndsbestemte begrensningene. Imidlertid viste P-kontrollerne en bedre ytelse med mindre ventilposisjonsendringer sammenlignet med forsterkningsinnlæringsregulatorene som hadde store ventilposisjonsendringer som resulterte i oscillerende væskenivå. Denne oppgaven viser at etableringen av forsterkningsinlæringsregulatorer er komplisert og tidkrevende, og en velinnstilt tradisjonll regulator vil være et bedre valg av regulator. Med mer forskning og standardiserte metoder er det et stort potensial for å inkludere forsterkningsinnlæring inn i prosessindustriene på grunn av dens mulighet til å takle ikke-linearitet og langsiktig evaluering.