gym-electric-motor

项目介绍：gym-electric-motor

概述

gym-electric-motor（简称GEM）是一个用于模拟和控制各种电动机的Python工具包。该工具包基于Faram Gymnasium Environments构建，适用于经典控制模拟和强化学习实验。用户可以通过GEM构建一个典型的传动系统，包括供电电压、变频器、电动机和负载模型，从而实现该物理结构的闭环模拟。此外，GEM还为各种决策算法提供了丰富的接口，这些算法范围从线性反馈控制到深度确定性策略梯度（DDPG）智能体。此外，GEM还提供了一个基于PI控制器的自动化框架，用于经典控制结构。

快速入门

用户可以通过一些互动式的Google Colaboratory笔记本快速上手GEM。这些笔记本展示了GEM的重要功能以及应用演示，可以帮助工业和学术领域的工程师快速入门。

以下是几个示例笔记本：

GEM cookbook
Stable-baselines3 DDPG示例
Stable-baselines3 DQN示例
MPC示例

此外，还有一些独立范例脚本可供查看，以演示最小功能。

一个简单的基本操作如下：

import gym_electric_motor as gem

if __name__ == '__main__':
    env = gem.make("Finite-CC-PMSM-v0")  # 实例化一个离散控制的PMSM
    env.reset()
    for _ in range(10000):
        (states, references), rewards, done, _ =\
        env.step(env.action_space.sample())  # 随机选择控制动作
        if done:
            (states, references), _ = env.reset()
    env.close()

安装

从PyPI安装（推荐）：
```
pip install gym-electric-motor
```

从GitHub源码安装：

git clone git@github.com:upb-lea/gym-electric-motor.git
cd gym-electric-motor
# 然后选择以下任一种方式
python setup.py install
# 或者
pip install -e .

构建模块

GEM环境由以下几部分组成：

物理结构：
- 电压供给
- 变频器
- 电动机
- 负载模型
用于参考生成、奖励计算和可视化的实用功能

GEM环境中的信息流

GEM支持多个直流电机模型，并提供了交流电机和其电子部分的如下选项：

永磁同步电机（PMSM）
同步磁阻电机（SynRM）
外部励磁同步电机（EESM）
鼠笼式异步电机（SCIM）
双馈感应电机（DFIM）

变频器可以采用占空比（连续控制组）或开关命令（有限控制组）来驱动。

引用

GEM的总体介绍及其在驱动仿真和控制原型中的应用可以参考《开放源代码软件期刊》（JOSS）的白皮书。以下是引用该论文的BibTeX格式：

@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}
}

关于该框架在强化学习中的应用，还可以参考IEEE-Xplore上的白皮书。以下是引用该论文的BibTeX格式：

@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}}

关于gym-electric-motor控制的经典控制方法，请参考可在IEEE-Xplore上找到的另外一篇白皮书。其BibTeX引用格式如下：

@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}}