基于深度强化学习的非线性能量采集中的吸引子选择
系统与控制
2020-10-06 v1 机器学习
系统与控制
摘要
近期研究表明，有意利用非线性可增强能量采集系统的性能。非线性采集器中的一个主要挑战是，非线性常导致多个吸引子共存，其中既有期望响应也有非期望响应。本文提出一种基于平移-旋转磁传动的非线性能量采集器，其表现出具有不同电功率输出水平的共存吸引子。此外，提出一种使用深度强化学习的控制方法，以在受约束驱动下的共存吸引子之间实现吸引子切换。
引用
@article{arxiv.2010.01255,
title = {Attractor Selection in Nonlinear Energy Harvesting Using Deep Reinforcement Learning},
author = {Xue-She Wang and Brian P. Mann},
journal= {arXiv preprint arXiv:2010.01255},
year = {2020}
}
备注
19 pages, 15 figures