כתבה
arXiv cs.LG ·
הפרדת תקופות: שליטה בעזרת DRL של תנועות של יניקה סיבובית במנועי דטונציה סיבובית
Timescale Separation Enables Deep Reinforcement Learning Control of Rotating Detonation Engine Mode Transitions
מאמר חדש מציג שיטה לשליטה במנועי דטונציה סיבובית בעזרת Deep Reinforcement Learning. השיטה מאפשרת שליטה בתנועות של יניקה סיבובית ומסייעה בהפחתת תקלות במנועי דטונציה סיבובית.
תקציר מקורי באנגליתarXiv:2604.14398v2 Announce Type: replace-cross Abstract: Rotating detonation engines (RDEs) are a promising propulsion concept that may offer higher thermodynamic efficiency and specific impulse than conventional systems, but nonlinear phenomena, including transitions to oscillatory or chaotic propagation modes, can hinder practical operation. Deep Reinforcement Learning (DRL) has emerged as a promising method for controlling complex nonlinear dynamics such as those observed in RDEs. However, the multi-timescale nature of the RDE system makes direct application of DRL challenging. We address this challenge by reformulating the DRL problem in a moving reference frame that follows the detonation-wave pattern, making the wave structure appear quasi-steady to the agent. This reformulation ena
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית