Resumen

El enfoque de este trabajo se basa en la impresión 3D de compuestos iónicos blandos de polímero-metal (IPMC), el aprendizaje automático para el control de los IPMC impresos en 3D y los actuadores relacionados. Se discuten en detalle el proceso de impresión 3D, el diseño y modelado de los componentes del actuador y la optimización bayesiana como método de control basado en el aprendizaje. Además, este artículo compara la efectividad de un método de gradiente de políticas de diferencias finitas y la optimización bayesiana como métodos de control para IPMC. Los resultados de la comparación destacan la ventaja de la optimización bayesiana para codificar el conocimiento previo en forma de valores alcanzables conocidos y resultados de simulación de un modelo de dinámica lineal.

• Materias:Técnicas de simulación Optimización matemática Modelos matemáticos Métodos de simulación Automatización
• Subjects:Simulation techniques Mathematical optimization Mathematical models Simulation methods Automation
• Palabras claves:Impresión 3D, Aprendizaje automático, Actuadores compuestos de polímero-metal iónico blando, Herramientas de simulación, Modelos estadísticos
• Keywords:3D-Printing, Machine Learning, Soft Ionic Polymer-Metal composite actuators, Simulation tool, Statistical models