BriefGPT - AI 论文速递
·
基于模型的强干扰非稳态气动流动控制的强化学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种强化学习策略，通过改变转子速度、转子偏转角和叶片俯仰角来控制风力涡轮发电。该方法采用了双重深度Q学习与叶片动量元模型相结合，表现出良好的性能。与传统的PID控制相比，双重深度Q学习在所有环境中都优于传统方法。此外，该方法适应湍流/阵风等变化环境，并计算了年度能量产出。
🎯
关键要点
-
提出了一种强化学习策略，通过改变转子速度、转子偏转角和叶片俯仰角来控制风力涡轮发电。
-
该方法结合了双重深度Q学习与叶片动量元模型，能够在不同风速下进行控制。
-
双重深度Q学习在真实动态湍流风中表现出良好的性能，优于传统的PID控制。
-
强化学习方法适应湍流/阵风等变化环境，表现出很大的适应性。
-
所有控制策略与真实风进行比较，并计算了年度能量产出，双重深度Q学习算法优于传统方法。
➡️
