一种用于液体火箭发动机瞬态控制的强化学习方法
机器学习
2021-05-27 v1 系统与控制
系统与控制
最优化与控制
机器学习
摘要
如今，液体火箭发动机至多在近稳态工况下采用闭环控制。由于系统动力学高度非线性，瞬态阶段传统上采用开环控制。这一状况不尽如人意，对可重复使用发动机尤为如此。开环控制系统因外部扰动或发动机部件随时间退化而无法提供最优性能。本文研究了一种深度强化学习方法，用于某通用燃气发生器发动机连续起动阶段的最优控制。结果表明，所学策略可到达不同稳态工作点，并能令人信服地适应变化的系统参数。文中包含与精心调谐的开环序列及 PID 控制器的定量比较。该深度强化学习控制器取得了最高性能，且计算控制动作所需计算量极小，相较于模型预测控制等需在线优化的方法具有显著优势。
引用
@article{arxiv.2006.11108,
title = {A Reinforcement Learning Approach for Transient Control of Liquid Rocket Engines},
author = {Günther Waxenegger-Wilfing and Kai Dresia and Jan Christian Deeken and Michael Oschwald},
journal= {arXiv preprint arXiv:2006.11108},
year = {2021}
}