gym electric motor

健身电机

概述

健身电动机（GEM）套件是用于模拟和控制各种电动机的Python工具箱。它建立在Faram体育馆环境上，因此可以用于经典的控制模拟和强化学习实验。它使您可以使用通常的构建块，即，供应电压，转换器，电动机和负载模型来构建典型的驱动列车，不仅获得了对这种物理结构的闭环模拟，而且还获得了插入任何决策算法的丰富界面，从线性反馈控制到深度确定性的政策毕业生。此外，还提供了基于PI控制器的经典控制结构的自动框架。

入门

开始GEM的一种简单方法是在Google Colaboratory中使用以下交互式笔记本。展示了宝石的最重要特征以及应用程序演示，并为工业和学术界的工程师提供了一个启动。

• 宝石食谱
• 稳定的baselines3 ddpg示例
• 稳定的baselines3 DQN示例
• MPC示例

也有一个独立示例脚本列表以及简约的演示。

基本例程很简单：

 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 ()

安装

• 从PYPI安装体育馆 - 电动机（推荐）：

 pip install gym-electric-motor

• 从GitHub来源安装：

 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 .

构建块

宝石环境包括以下构件：

• 物理结构：
  • 电压电源
  • 转换器
  • 电动机
  • 负载模型
• 用于参考生成，奖励计算和可视化的实用程序功能

宝石环境中的信息流

在各种直流电动机模型中，可提供以下AC电动机及其电源电子对应物：可用：

• 永久磁铁同步电动机（PMSM）
• 同步不情愿电动机（Synrm）
• 外部退出的同步电动机（EESM）
• 松鼠笼感应电动机（SICIM）
• 双喂养的感应电动机（DFIM）

转换器可以通过占空比（连续控制集）或切换命令（有限控制集）的方式来驱动。

引用

在驱动器仿真和控制原型制作的背景下，可以在《 Open Sorce软件杂志》（Joss）中找到一份通用工具箱的白皮书。请使用以下Bibtex条目进行引用：

 @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}
}

在IEEE-XPLORE（预印象：arxiv.org/abs/1910.09434）上，可以在加固学习中使用此框架的白皮书。请使用以下Bibtex条目进行引用：

 @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}}

IEEE-XPLORE提供了用于体育电动机控制的古典控制方法的白皮书。请使用以下Bibtex条目进行引用：

 @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}}

使用Pytest进行单元测试

需要运行单元测试“ pytest”。所有测试都可以在“测试”文件夹中找到。在项目的根文件夹中执行pytest：

 >>> pytest

或测试覆盖范围：

 >>> pytest --cov=./

所有测试均应通过。