论文题目：多道次定模动辊机电系统动力学智能优化方法
摘要：定模动辊变截面辊弯成型装备是对板材进行变截面渐进成型加工的复杂机电设备。加工出的成品具有种类多且载荷性能优良的特点,因而有着广泛应用前景。因此,对五道次定模动辊变截面辊弯成型机的加速度展开优化分析,减小加速度峰值,提高设备运行的稳定性,对提高产品质量具有重要意义。本文利用强化学习智能优化方法,对定模动辊成型机进行优化。首先基于能量守恒原理,通过计算定模动辊机电系统中势能、动能、电场能、磁能、机械损耗能、电磁损耗能,获得定模动辊动力学微分方程。根据定模动辊动力学方程,确定优化目标函数以及待优化参数。最后将定模动辊机电系统动力学方程组定义为环境、待优化参数定义为动作、加速度绝对值峰值定义为状态、根据优化目标函数得到奖励函数,建立定模动辊机电系统动力学强化学习模型。针对机电系统动力学优化这类高维、连续动作空间的优化问题,本文采用DDPG算法对定模动辊动力学模型进行优化分析。按照DDPG算法进行优化,算法获得局部优化结果。因此对DDPG算法进行改进:1.只将奖励值大于0的数据存入经验池。2.动作扰动采用动态减小方法。通过这两点改进,改进后的DDPG算法得到的加速度峰值比未优化时下降了约28.13%。同时为了验证强化学习方法在机电系统动力学优化领域的应用效果,本文又以PSO优化算法与改进DDPG算法的优化结果进行对比,二者优化后的加速度峰值之差小于1%。这表明强化学习完全可用于机电系统动力学优化领域,而且有着良好的效果。论文研究不仅为五道次定模动辊变截面辊弯成型机的大批量工业生产应用提供理论依据,也为机电系统动力学优化提供新的方法。
关键词：强化学习;动力学优化;深度确定性策略梯度;定模动辊;机电系统
学科专业：机械工程
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 研究的目的与意义
1.3 研究进展
1.3.1 辊弯成形理论及成形设备的发展
1.3.2 优化方法的发展
1.4 研究内容
第二章 强化学习原理与机电系统动力学优化
2.1 强化学习
2.1.1 马尔可夫决策过程
2.1.2 强化学习模型
2.1.3 值函数
2.2 强化学习算法
2.2.1 Q-Learning算法
2.2.2 DPG算法
2.3 深度强化学习
2.3.1 DQN算法原理
2.3.2 经验缓存
2.3.3 目标神经网络冻结
2.3.4 DDPG算法
2.4 基于强化学习方法的机电系统动力学优化
2.5 本章总结
第三章 定模动辊机电系统动力学建模
3.1 五道次定模动辊机电系统动力学模型分析
3.2 机电系统能量守恒原理
3.3 定义机电系统广义坐标
3.4 定模动辊机电系统建模
3.4.1 机械系统能量计算
3.4.2 电磁系统能量计算
3.4.3 定模动辊机电系统动力学方程
3.5 动力学微分方程组求解
3.6 本章总结
第四章 定模动辊机电系统动力学优化
4.1 优化问题分析
4.2 动力学优化的强化学习模型
4.3 基于DDPG算法的动力学优化
4.3.1 DDPG算法参数设置
4.3.2 神经网络设置与优化
4.4 优化结果分析
4.5 DDPG算法改进
4.6 改进DDPG算法与PSO算法优化结果对比
4.7 章节小结
第五章 结论与展望
5.1 主要结论
5.2 研究展望
参考文献
致谢