基于深度强化学习的主动升沉补偿控制器
系统与控制
2021-07-26 v3 系统与控制
摘要
升沉补偿是各类海上作业中的重要部分。它用于多种应用，包括装载或卸载系统、海上钻井、在振荡结构上降落直升机，以及部署与回收载人潜水器。本文提出一种基于强化学习（RL）的主动升沉补偿控制器，使用深度确定性策略梯度（DDPG）算法。DDPG 算法是一种无模型、在线的强化学习方法，被用于捕捉智能体在训练试验中的经验。仿真结果表明，与调谐的比例-微分控制相比，RL 控制器的升沉补偿性能提升高达 10%。所提方法的性能在升沉补偿、偏移跟踪、扰动抑制与噪声衰减方面进行了比较。
引用
@article{arxiv.2104.05599,
title = {Deep Reinforcement Learning Based Controller for Active Heave Compensation},
author = {Shrenik Zinage and Abhilash Somayajula},
journal= {arXiv preprint arXiv:2104.05599},
year = {2021}
}
备注
Accepted to the 13th IFAC Conference on Control Applications in Marine Systems, Robotics, and Vehicles (CAMS 2021)