کنترل هوشمند سیستم غیرخطی (پاندول معکوس) با استفاده از یادگیری تقویتی عمیق (Deep RL) در Simulink

در این پروژه، هدف متعادل نگه‌داشتن یک پاندول معکوس روی یک ارابه متحرک بود. این یک سیستم ذاتاً ناپایدار و غیرخطی است. به جای استفاده از کنترل‌کننده‌های کلاسیک (مثل PID یا LQR) که نیاز به دانستن معادلات دقیق فیزیکی دارند، از یک «عامل هوشمند یادگیری تقویتی» (RL Agent) استفاده شد.

مراحل انجام کار:
1. مدل‌سازی دینامیک فیزیکی پاندول و ارابه در محیط Simulink.
2. طراحی یک عامل هوشمند (Agent) مبتنی بر شبکه‌های عصبی عمیق (DQN/DDPG) در تولباکس Reinforcement Learning متلب.
3. اتصال محیط سیمولینک به عامل هوشمند.
4. آموزش عامل: در این مرحله، هوش مصنوعی هزاران بار سعی و خطا می‌کند و بابت هر لحظه که پاندول را متعادل نگه دارد، "پاداش" می‌گیرد و یاد می‌گیرد که چه نیرویی به ارابه وارد کند.

نتایج:
- عامل هوشمند پس از حدود 400 اپیزود آموزش، موفق شد پاندول را به صورت کاملاً پایدار در نقطه تعادل نگه دارد.
- نمودار پیشرفت آموزش (Reward vs Episode) نشان‌دهنده یادگیری موفقیت‌آمیز سیستم است.

این پروژه توانایی من در پیاده‌سازی پیشرفته‌ترین الگوریتم‌های هوش مصنوعی در سیستم‌های مهندسی را نشان می‌دهد.