gym electric motor

Motor eléctrico de gimnasio

Descripción general

El paquete Gym-Electric-Motor (GEM) es una caja de herramientas de Python para la simulación y el control de varios motores eléctricos. Se basa en entornos de gimnasio Faram y, por lo tanto, puede usarse tanto para los experimentos de simulación de control clásico como para el aprendizaje de refuerzo. Le permite construir un tren de transmisión típico con los bloques de construcción habituales, es decir, voltajes de suministro, convertidores, motores eléctricos y modelos de carga, y obtener no solo una simulación de circuito cerrado de esta estructura física, sino también una interfaz rica para conectar cualquier algoritmo de toma de decisiones, desde control de retroalimentación lineal hasta profundos agentes de gradientes de políticas deterministas. Además, se proporciona un marco automatizado para estructuras de control clásicas basadas en controladores PI.

Empezando

Una manera fácil de comenzar con GEM es jugar con los siguientes cuadernos interactivos en Google Colaboratory. Se exhiben características más importantes de las manifestaciones de GEM y de la aplicación, y ofrecen un principio para los ingenieros en la industria y la academia.

• Libro de cocina de gemas
• Ejemplo de DDPG de Baselines de establo3
• Baselines estables3 Ejemplo DQN
• Ejemplo de MPC

También hay una lista de scripts de ejemplo independientes para demostraciones minimalistas.

Una rutina básica es tan simple como:

 import gym_electric_motor as gem

if __name__ == '__main__' :
    env = gem . make ( "Finite-CC-PMSM-v0" )  # instantiate a discretely controlled PMSM
    env . reset ()
    for _ in range ( 10000 ):
        ( states , references ), rewards , done , _ =  
        	env . step ( env . action_space . sample ())  # pick random control actions
        if done :
            ( states , references ), _ = env . reset ()
    env . close ()

Instalación

• Instale el motor de gimnasia eléctrico de PYPI (recomendado):

 pip install gym-electric-motor

• Instalar desde la fuente de GitHub:

 git clone [email protected]:upb-lea/gym-electric-motor.git 
cd gym-electric-motor
# Then either
python setup.py install
# or alternatively
pip install -e .

Bloques de construcción

Un entorno de gemas consiste en los siguientes bloques de construcción:

• Estructura física:
  • Suministro de voltaje
  • Convertidor
  • Motor eléctrico
  • Modelo de carga
• Funciones de utilidad para generación de referencia, cálculo de recompensas y visualización

Flujo de información en un entorno gema

Entre varios modelos motores DC, están disponibles los siguientes motores de CA, junto con sus contrapartes electrónicas de potencia:

• Motor sincrónico de imán permanente (PMSM)
• Motor de reticencia sincrónico (SYNRM)
• Motor sincrónico salido externamente (EESM)
• Motor de inducción de jaula de ardilla (SCIM)
• Motor de inducción doblemente alimentado (DFIM)

Los convertidores pueden ser impulsados ​​por un ciclo de trabajo (conjunto de control continuo) o comandos de conmutación (conjunto de control finito).

Citación

Se puede encontrar un documento blanco para la caja de herramientas general en el contexto de la simulación de unidad y la creación de prototipos de control en el Journal of Open Sorce Software (JOSS). Utilice la siguiente entrada de Bibtex para citarla:

 @article{Balakrishna2021,
    doi = {10.21105/joss.02498},
    url = {https://doi.org/10.21105/joss.02498},
    year = {2021},
    publisher = {The Open Journal},
    volume = {6},
    number = {58},
    pages = {2498},
    author = {Praneeth {Balakrishna} and Gerrit {Book} and Wilhelm {Kirchgässner} and Maximilian {Schenke} and Arne {Traue} and Oliver {Wallscheid}},
    title = {gym-electric-motor (GEM): A Python toolbox for the simulation of electric drive systems},
    journal = {Journal of Open Source Software}
}

Un documento blanco para la utilización de este marco dentro del aprendizaje de refuerzo está disponible en IEEE-xplore (preimpresión: arxiv.org/abs/1910.09434). Utilice la siguiente entrada de Bibtex para citarla:

 @article{9241851,  
  author={Traue, Arne and Book, Gerrit and Kirchgässner, Wilhelm and Wallscheid, Oliver},
  journal={IEEE Transactions on Neural Networks and Learning Systems}, 
  title={Toward a Reinforcement Learning Environment Toolbox for Intelligent Electric Motor Control}, 
  year={2022},
  volume={33},
  number={3},
  pages={919-928},
  doi={10.1109/TNNLS.2020.3029573}}

Un documento blanco para los enfoques de control clásico del control-motor-motor de gimnasia está disponible en IEEE-XPLORE. Utilice la siguiente entrada de Bibtex para citarla:

 @INPROCEEDINGS{10239044,
  author={Book, Felix and Traue, Arne and Schenke, Maximilian and Haucke-Korber, Barnabas and Wallscheid, Oliver},
  booktitle={2023 IEEE International Electric Machines & Drives Conference (IEMDC)}, 
  title={Gym-Electric-Motor (GEM) Control: An Automated Open-Source Controller Design Suite for Drives}, 
  year={2023},
  volume={},
  number={},
  pages={1-7},
  doi={10.1109/IEMDC55163.2023.10239044}}

Ejecución de pruebas unitarias con pytest

Para ejecutar las pruebas unitarias, se requiere '' PyTest ''. Todas las pruebas se pueden encontrar en la carpeta '' Pruebas ''. Ejecutar pytest en la carpeta raíz del proyecto:

 >>> pytest

o con cobertura de prueba:

 >>> pytest --cov=./

Todas las pruebas pasarán.