اصلاحات کد متلب بر مبنای یادگیری تقویتی مرتبط با باتری

سلام یک کد مبتنی بر یادگیری تقویتی توسعه داده شده است که نیازمند بازبینی فنی، اصلاح ساختاری و توسعه علمی می‌باشد. شرح کلی پروژه و درخواست‌ها به صورت زیر است: 1. ماهیت کد و مدل‌سازی کد ارائه‌شده مبتنی بر الگوریتم‌های یادگیری تقویتی بوده و برای کنترل فرآیند شارژ سریع و مدیریت حرارتی یک بسته باتری لیتیوم‌یونی در خودروی الکتریکی طراحی شده است. اطلاعات کامل باتری، پارامترها، مدل‌ها و معادلات حاکم (الکتریکی–حرارتی) به همراه کد در فایل‌های پیوست ارائه شده‌اند. 2. اصلاح و اعتبارسنجی کد انتظار می‌رود موارد زیر به‌صورت دقیق بررسی و اصلاح شوند: - رفع خطاهای محاسباتی، منطقی و ساختاری کد - بررسی صحت پیاده‌سازی مدل‌های فیزیکی و دینامیکی باتری - بررسی سازگاری فضای حالت، فضای عمل و تابع پاداش با اهداف کنترلی - بهبود پایداری، همگرایی و کارایی الگوریتم یادگیری تقویتی 3. انطباق خروجی‌ها با مقاله مرجع یک مقاله علمی (پیوست‌شده) به‌عنوان مرجع اصلی پروژه در نظر گرفته شده است. هدف آن است که: - خروجی‌های اصلی کد (پروفایل جریان شارژ، دما، SOC، پیری، زمان محاسبات و …) - از نظر کیفی و کمی قابل مقایسه و هم‌راستا با خروجی‌های گزارش‌شده در مقاله مرجع باشند. 4. توسعه خروجی‌ها و نمودارهای تحلیلی پیشرفته علاوه بر خروجی‌های مقاله، انتظار می‌رود مجموعه‌ای از نمودارها و شاخص‌های تحلیلی پیشرفته نیز به کد افزوده شوند، از جمله : - نمودارها و کانتورهای وابسته به پیکربندی سلول‌ها (سری–موازی و تعداد سلول‌ها) - تحلیل‌های حرارتی پیشرفته (مانند یکنواختی دما، نقشه‌های حرارتی زمانی–فضایی) - شاخص‌های فشار سخت‌افزاری، پایداری سیاست کنترلی و مصرف انرژی خنک‌کاری - خروجی‌های تحلیلی مرتبط با پیری، عمر باتری و مقایسه با روش‌های مرجع (CC–CV و MPC) کلیه نمودارها و نتایج نهایی می‌بایست: - به‌صورت ساختارمند، قابل بازتولید و علمی - و در قالب فایل‌های خروجی مناسب ارائه شوند. 5. هدف نهایی پروژه هدف نهایی، دستیابی به یک کد اصلاح‌شده، معتبر و توسعه‌یافته است که: - از نظر علمی قابل استناد باشد، نکات : روش حل کد به این صورت هست که ابتدا کد با استفاده از ماژول battery_RL بهترین سیاست را انتخاب می‌کند و ان را در یک فایل ذخیره می‌کند سپس با استفاده از کد Ann داده‌ها بر اساس سیاست انتخاب شده اموزش می‌بیند کد از یک کد مرتبط با تانک ایده گرفته شده است که فایل ان را نیز در پیوست قرار میدهم( فایل 1st). **(توجه شود که کد باتری کد اصلی هست و فایل 1st کدی هست که برای نوشتن کد باتری الهام گرفته شده است) روش کار بر مبنای یادگیری تقویتی هست و تغییر ناپذیر می‌باشد فقط بهبود پیدا کند بهبود تابع پاداش و به نحوی که به تمامی نیاز های خواسته شده پاسخ داده شود تنظیمات مربوط به پیکربندی سلول‌ها در کد لحاظ نشده باید اضافه شود ( اطلاعات در فایل پیوست قرار میگیرد) زمان در نمودار ها به دقیقه بیان شود مقاله فقط برای الگوبرداری از خروجی ها می باشد( در صورت نیاز میتوانید از تعریف محیط تابع پاداش نیز الگوبرداری کرد اما مجاز به استفاده از روش ان نیستید مبنای کد بر پایه یادگیری تقویتی ثابت هست ) از درستی و معقول بودن نتایج اطمینان حاصل شود فایل های مربوطه بعد از قبول پروژه ارسال میگردد حداکثر زمان: 7 روز