Steuerung eines Wellenenergieumwandlers mit modellfreier tiefenverstärkender Lernmethode

Dieses Papier stellt einen modellfreien Steuerungsansatz unter Verwendung von tiefem verstärkendem Lernen (DRL) vor, der darauf abzielt, die Leistung des Wellenenergieumwandlers (WEC) zu optimieren. Mehrere Forscher verwenden üblicherweise ein lineares WEC-Modell, wobei die inhärente nichtlineare statische Reibung des WEC-Systems vernachlässigt wird. Diese Übersehenheit kann zu einem Rückgang der Steuerungsleistung führen. Daher wird die statische Reibung absichtlich als Modellierungsfehler im Steuerungsrahmen berücksichtigt, um die Widerstandsfähigkeit zwischen modellbasierter reaktiver Steuerung (RC) und der DRL-Methode gegenüber Störungen zu vergleichen. Um die Herausforderung, dass in praktischen Anwendungen der DRL-Methode Echtzeit-Welleninformationen schwer zu beschaffen sind, weiter zu adressieren, wird ein neuartiger DRL-Controller ohne Welleninformationen vorgeschlagen. Die Simulationen werden durchgeführt, um den vorgeschlagenen DRL-Controller mit dem RC-Ansatz basierend auf einem nichtlinearen WEC-System in MATLAB/Simulink zu vergleichen. Es zeigt sich, dass der auf DRL basierende Controller bei Berücksichtigung der Modellierungsfehler der statischen Reibungskraft die reaktive Steuerung sowohl unter regelmäßigen als auch unter unregelmäßigen Wellenbedingungen um 20,0 % und 6,2 % übertreffen kann. Vorläufige experimentelle Validierung des DRL-Controllers wurde durch Versuche im Wellentank unter regelmäßigen Wellenbedingungen erhalten, die eine zufriedenstellende Leistung und Konsistenz mit den Simulationsergebnissen zeigen. Dies ist die erste erfolgreiche Anwendung des RL-Algorithmus auf einem praktischen Controller und beweist die Durchführbarkeit des vorgeschlagenen Ansatzes.