基于安全强化学习的氢气-柴油双燃料发动机控制
系统与控制
2025-02-17 v1 系统与控制
摘要
可持续未来导向的紧迫能源转型要求跨越多个行业，构成当前人类面临的重大挑战。氢气作为清洁、无碳的能源，为交通领域的现有解决方案提供了集成机会。然而，将氢气添加到现有技术（如柴油发动机）需要额外的建模工作。强化学习（RL）通过交互式数据驱动学习，消除了数学建模的需求。然而，算法可能无法实现实时性，且需要大量数据才能在实际中运行。本文提出了一种新方法，利用离线模型学习结合强化学习，演示了对4.5升氢气-柴油双燃料（H2DF）发动机的安全控制。所设计的控制器表明其满足约束条件，并可利用一种新颖的状态增强方法实现样本高效学习。该离线策略随后在实际发动机上进行了实验验证，其中控制算法在树莓派控制器上执行，计算时间比在线模型预测控制（MPC）优化缩短了6倍。
关键词
引用
@article{arxiv.2502.09826,
title = {Safe Reinforcement Learning-based Control for Hydrogen Diesel Dual-Fuel Engines},
author = {Vasu Sharma and Alexander Winkler and Armin Norouzi and Jakob Andert and David Gordon and Hongsheng Guo},
journal= {arXiv preprint arXiv:2502.09826},
year = {2025}
}
备注
This work has been submitted to IFAC for possible publication