Resumen

Los vehículos submarinos autónomos (AUVs) se utilizan ampliamente para llevar a cabo diversas misiones en el complejo entorno marino; el diseño de un sistema de control para AUVs es particularmente difícil debido a la alta no linealidad, variaciones en los coeficientes hidrodinámicos y la fuerza externa de las corrientes oceánicas. En este documento, proponemos un controlador basado en aprendizaje profundo por refuerzo (DRL) en un entorno de simulación para estudiar el rendimiento del control del AUV de propulsión vectorial. RL es un método importante de inteligencia artificial que puede aprender comportamientos a través de interacciones de prueba y error con el entorno, por lo que no necesita proporcionar un modelo preciso de control de AUV que es muy difícil de establecer. El algoritmo de RL propuesto solo utiliza la información que puede ser medida por los sensores dentro de los AUV como los parámetros de entrada, y las salidas del controlador diseñado son las acciones de control continuas, que son los comandos que se envían a la prop

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Vehículos autónomos submarinos; Sistema de control; Aprendizaje profundo por refuerzo; Propulsor vectorial; Entorno de simulación; Inteligencia artificial
• Keywords:Autonomous underwater vehicles; Control system; Deep reinforcement learning; Vectored thruster; Simulation environment; Artificial intelligence