Data-Driven Robust Control for Railway Driven Independently Rotating Wheelsets Using Deep Deterministic Policy Gradient

Das Kapitel geht der Verwendung des Deep Deterministic Policy Gradient (DDPG) -Algorithmus zur Steuerung unabhängig rotierender Radsätze in Schienenfahrzeugen nach. Sie adressiert die Beschränkungen traditioneller passiver Systeme und vereinfachter mathematischer Modelle, indem sie das verstärkte Lernen wirksam einsetzt. Der DDPG-Algorithmus wird in einem datengestützten Ansatz unter Berücksichtigung komplexer Freiheitsgrade und nichtlinearer Merkmale angewendet. Die Trainingsschleife umfasst ein Umfeld, das die Dynamik des Fahrzeugs repräsentiert, und einen Agenten, der durch Interaktion lernt und Belohnungen erhält, die auf Leistung basieren. Das Kapitel zeigt die Ergebnisse der Co-Simulation und zeigt signifikante Verbesserungen bei der Lenkleistung und geringeren Radverschleiß im Vergleich zu passiven Systemen, sowohl auf geraden als auch auf gekrümmten Strecken. Die Robustheit und Effektivität der DDPG-Steuerung werden hervorgehoben, was sie zu einer vielversprechenden Lösung zur Verbesserung der Stabilität und Leistung von Schienenfahrzeugen macht.