logo móvil
Contáctanos

Investigación sobre la estrategia de control de tracción inferior distribuida basada en TD3 para la micro-labranza

Autores: Ning, Guangxiu; Su, Lide; Zhang, Yong; Wang, Jian; Gong, Caili; Zhou, Yu

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Investigación sobre la estrategia de control de tracción inferior distribuida basada en TD3 para la micro-labranza


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Ciencias Agrícolas y Biológicas Generales

Palabras clave

Unidad de tracción distribuida eléctrica
Estrategia de asignación de par
Aprendizaje profundo por refuerzo
Invernaderos
Ahorro de energía
Estrategia de control

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 21

Citaciones: Sin citaciones


Descripción
Debido a su flexibilidad y versatilidad, el chasis de micro-labranza con tracción eléctrica distribuida puede ser utilizado con mayor frecuencia en el futuro en escenarios de agricultura inteligente. Sin embargo, debido a las complejas condiciones de trabajo del entorno operativo agrícola, es una tarea desafiante distribuir de manera razonable y efectiva la demanda de par motor de las cuatro ruedas. En este artículo, proponemos una estrategia de asignación de par motor basada en el aprendizaje profundo por refuerzo para garantizar la retención en línea recta y el ahorro de energía, utilizando un chasis de tracción eléctrica distribuida para invernaderos como objeto de investigación. La estrategia de asignación de par motor puede representarse como un proceso de decisión markoviano, y los valores de acción aproximados y las funciones de política se obtienen a través de una red Actor-Critic, y se utiliza el Twin Delayed Deep Deterministic Policy Gradient (TD3) para incorporar la tasa de retención en línea recta del vehículo en la recompensa acumulativa para reducir el consumo de energía. Los resultados de entrenamiento bajo condiciones de trabajo de arado muestran que la estrategia propuesta tiene una mejor tasa de retención en línea recta. Para condiciones de operación agrícola típicas, la estrategia de control propuesta mejora significativamente la utilización de energía y reduce la energía en un 10,5% y 3,7% en comparación con la estrategia de distribución de par promedio convencional (CAT) y el algoritmo Deep Deterministic Policy Gradient (DDPG), respectivamente. Finalmente, la ejecutabilidad en tiempo real de la estrategia de distribución de par propuesta se verifica mediante experimentos en tanque de suelo. El algoritmo TD3 utilizado en este estudio tiene una mayor aplicabilidad que el algoritmo de control tradicional en el manejo de problemas de control continuo, y proporciona una base de investigación para la aplicación práctica de algoritmos de control inteligente en futuras estrategias de control de tracción de chasis de micro-labranza para invernaderos.

Otros recursos que podrían interesarte

Temas Virtualpro