基于强化学习的声学空化气泡位置控制
系统与控制
2023-12-12 v1 机器学习
系统与控制
摘要
本文开发了一种基于强化学习的控制技术，允许在双频驻波声场中任意控制声学空化气泡的位置。智能体必须选择最佳的压力幅值，以在 范围内操纵气泡位置。为了训练智能体，使用了支持连续动作空间的 actor-critic 离策略算法（深度确定性策略梯度），该算法允许在 和 之间连续设置压力幅值。我们构建了一个整形的奖励函数，以最小化气泡与目标位置之间的距离，并隐式地鼓励智能体在最短的时间内完成位置控制。在某些情况下，最优控制可以比线性理论预期的解快 7 倍。
引用
@article{arxiv.2312.05674,
title = {Position control of an acoustic cavitation bubble by reinforcement learning},
author = {Kálmán Klapcsik and Bálint Gyires-Tóth and Juan Manuel Rosselló and Ferenc Hegedűs},
journal= {arXiv preprint arXiv:2312.05674},
year = {2023}
}