绳牵引并联机构末端执行器运动轨迹精度评价方法

面向高动态运动目标模拟需求,设计一种平面4绳牵引2自由度并联机构,研究其末端执行器轨迹精度评价方法。基于末端执行器直线、抛物线和圆运动轨迹离散点测量数据,提出基于最小二乘法的轨迹误差计算方法,完成了末端执行器运动轨迹精度评价。研究结果表明：末端执行器直线运动轨迹误差为1.54%,抛物线运动轨迹误差为1.23%,圆运动轨迹误差为2.26%。     

基于深度强化学习的分布式能源系统运行优化

分布式能源系统凭借其高效、环保、经济、可靠、和灵活等特点成为我国能源未来发展的重要方向。目前我国的很多分布式能源系统经济效益较差,主要原因是能源系统没有良好的运行策略。本文提出一种基于深度强化学习的分布式能源系统运行优化方法。首先,对分布式能源系统的各个设备进行数学建模。深入阐述了强化学习的基本原理、深度学习对强化学习的结合原理及一种基于演员评论家算法的分布式近端策略优化(Distributed Proximal Policy Optimization, DPPO)算法流程,将分布式能源系统运行优化问题转化为马尔可夫决策过程(Markov decision process,MDP)。最后采用历史的数据对智能体进行训练,训练完成的模型可以实现对本文的分布式能源系统的实时优化,并对比了深度Q网络(Deep Q Network, DQN)算法和LINGO获得的调度策略。结果表明,本文提出的基于DPPO算法的能源系统调度优化方法较DQN算法和LINGO得到的结果运行费用分别降低了7.12%和2.27%,可以实现能源系统的经济性调度。