Uso da técnica de reinforcement learning para controle de nível de tanque
Keywords:
Reinforcement Learning, Controle PI, MatlabAbstract
Metodologias baseadas em dados são cada vez mais utilizadas para a resolução das mais diversas atividades. Nesse trabalho, a técnica reinforcement learning (RL) é aplicada no escopo de controle de processos. Esse mecanismo consiste em treinar um agente, a exemplo de um programa, código ou algoritmo, a interagir em um ambiente, por meio de ações, para atingir um objetivo. Nesse sentido, visando sua aplicação, realizou-se um projeto de um controlador baseado na técnica de aprendizado por reforço no ambiente de simulação do software MATLAB, e, adicionalmente foi feita a comparação com um controlador Proporcional e Integral – PI. Por meio destas simulações foi possível visualizar as vantagens e desvantagens da técnica reinforcement learning em relação ao controle PI para controle de um tanque linear.
References
BIKMUKHAMETOV, Timur. JASCHKE, Johannes. First Principles and Machine Learning Virtual Flow Metering: A Literature Review. Journal of Petroleum Science and Engineering. Department of Chemical Engineering, Norwegian University of Science and Technology, 7034, Sem Sælandsvei 4, Trondheim, Norway. Publicado em 2020.
DOGRUER, Tufan. TAN, Nusret. Design of PI Controller using Optimization Method in Fractional Order Control Systems. Science Direct. Graziosmanpasa University, Department of Electronic and Automation, 60250, Tokat, TURKEY. Inonu University, Department of Electrical and Electronics, 44280, Malatya, TURKEY. Publicado em 1998.
FRANÇA, Mário. Curso de introdução ao MATLAB. Faculdade de Ciência e Tecnologia da Universidade de Coimbra. Publicado em fevereiro de 2011.
IDE, Hidenori. KURITA, Takio. Improvement of learning for CNN with ReLU activation by sparse regularization. Hiroshima University. Publicado em maio de 2017.
JING, Hong. Reinforcement Learning – The Value Function. Disponível em: https://jinglescode.github.io/2019/06/30/reinforcement-learning-value-function/. Acesso em: 28 de setembro de 2020.
KAELBLING, Pack Leslie. LITTMAN, Michael L. MOORE, Andrew W. Reinforcement Learning: A Survey. Journal of Artificial Intelligence Research 4. Computer Science Department, Box 1910, Brown University Provinde, RI 02912-1910 USA. Smith Hall 221, Carnegie Mellon University, 5000 Forbes Avenue Pittsburgh, PA 15213 USA. Publicado em maio de 1996.
KIEFER, Nicholas M. A Value Function Arising in the Economics of Information. Journal of Economic Dynamics and Control. Publicado em abril de 1989.
LAU, Thomas. LI, Haoqian. Reinforcement Learning: Prediction, Control and Value Function Approximation. Columbia University. Point Zero One Technology. Publicado em 29 de agosto de 2019.
MINOARIVELO, Henintsoa Onivola. Application of Markov Decision Processes to the Control of a Traffic Intersection. University of Barcelona, Spain. Publicado em 22 de maio de 2009.
SCHWAB, Klauss. A Quarta Revolução Industrial. Instituto Federal de Tecnologia de Zurique (ETH Zurich). Publicado em 2016.
SHIPMAN, William J. COETZEE, Loutjie C. Reinforcement Learning and Deep Neural Networks for PI Controller Tuning. Science Direct. MINTEK, Johannesburg, South Africa. Publicado em 2019.
SULTAN, Hossam H. SALEM, Nancy M. Multi-Classification of Brain Tumor Images Using Deep Neural Network. Helwan University. Publicado em maio de 2019.
SUTTON, Richard S. BARTO, Andrew G. Reinforcement Learning: An Introduction. The MIT Press Cambridge, Massachusetts London, England. Publicado em 2014.
WATKINS, Hellaby Cornish John Christopher. Learning from Delayed Rewards. King’s College. Publicado em maio de 1996. Acesso em: 28 de setembro de 2020.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Apoena Revista Eletrônica
Esta obra está licenciada sob a Licença Internacional Creative Commons Atribuição 4.0.
A reprodução, total ou parcial, dos artigos publicados fica sujeita à expressa menção da procedência de sua publicação, a edição e data dessa publicação, dando crédito ao criador. Para efeitos legais, deve ser consignada a fonte de publicação original.