Aprendizado por Reforço para Controle por Modos Deslizantes de Sistemas Dinâmicos

Abstract

Este trabalho explora a relação entre o aprendizado por reforço (RL) e o controle por modos deslizantes (SMC) no controle de sistemas dinâmicos. Um agente inteligente é treinado utilizando o algoritmo Deep Q-Network (DQN) para controlar um sistema linear de segunda ordem, atuando como um controlador a relé. A função de recompensa é projetada para satisfazer a condição de deslizamento na vizinhança da superfície de chaveamento, induzindo o agente a gerar um modo deslizante de forma autônoma. A implementação em Python com as bibliotecas Stable-Baselines3 e Gymnasium é discutida, e os resultados de simulação demonstram a eficácia da abordagem proposta.