Resumen

El uso de algoritmos actor-críticos puede mejorar los controladores implementados actualmente en aplicaciones de automoción. Este método combina el aprendizaje por refuerzo (RL) y las redes neuronales para lograr la posibilidad de controlar sistemas no lineales con capacidades de tiempo real. Los algoritmos actor-crítico ya se aplicaron con éxito en diferentes controladores, como la conducción autónoma, el sistema antibloqueo de frenos (ABS) y el control electrónico de estabilidad (ESC). Sin embargo, en las investigaciones actuales, se implementan entornos virtuales para el proceso de entrenamiento en lugar de utilizar plantas reales para obtener los conjuntos de datos. Esta limitación viene dada por los métodos de prueba y error implementados para el proceso de entrenamiento, que generan riesgos considerables en caso de que el controlador actúe directamente sobre la planta real. De esta forma, la presente investigación propone y evalúa un proceso de entrenamiento en lazo abierto, que permite la adquisición de datos sin la interacción del control y un entrenamiento en lazo abierto de las redes neuronales. El rendimiento de los controladores entrenados se evalúa mediante un diseño de experimentos (DOE) para entender cómo se ve afectado por el conjunto de datos generado. Los resultados muestran una aplicación satisfactoria de la arquitectura de entrenamiento en lazo abierto. El controlador puede mantener la relación de deslizamiento en niveles adecuados durante las maniobras en diferentes suelos, incluyendo suelos que no se aplican durante el proceso de entrenamiento. La red neuronal actora también es capaz de identificar los diferentes suelos y cambiar el perfil de aceleración en función de las características de cada suelo.

• Materias:Simulación numérica Controladores Programación bioobjetiva Redes de retransmisión Simulador dinámico
• Subjects:Numerical simulation Controllers Bioobjective programming Relay networks Dynamic simulator
• Palabras claves:proceso de formación, algoritmos críticos, diferentes pisos, redes neuronales, sistema antibloqueo de frenos, control electrónico de estabilidad, arquitectura de formación de bucle, proceso de formación de bucle, actor, controlador
• Keywords:training process, critic algorithms, different floors, neural networks, antilock braking system, electronic stability control, loop training architecture, loop training process, actor, controller