通过强化学习来控制一个声波化气泡的位置
Kálmán Klapcsik1, Bálint Gyires-Tóth2, Juan Manuel Rosselló3
1Department of Hydrodynamic Systems, Faculty of Mechanical Engineering, Budapest University of Technology and Economics, Mű,egyetem rkp. 3., H-1111 Budapest, Hungary.
Ultrasonics sonochemistry
|March 9, 2025
概括
强化学习 (RL) 通过调整声压来精确控制声洞泡. 这种AI方法发现了超越线性理论的新操纵策略,显示了对现实世界的应用的稳定性.
科学领域:
- 声学物理学的声学物理学
- 控制理论 控制理论 控制理论
- 人工智能的人工智能是人工智能.
背景情况:
- 声波化气泡是使用声学场来操纵的.
- 由于复杂的非线性力,精确控制气泡动力学是具有挑战性的.
研究的目的:
- 通过强化学习 (RL) 展示一种控制声波化气泡的概念证明.
- 通过调整压力振幅来训练RL代理来发现泡操纵的最佳策略.
主要方法:
- 一种强化学习剂被训练来控制在双频静音波场中的泡位置.
- 代理商的政策是基于最大限度地减少到达目标泡位置的时间来优化.
- 域随机化被用来测试RL代理的稳定性.
主要成果:
- 该RL代理成功地学会了精确控制泡位置.
- 该代理利用了非线性泡行为,找到超越线性理论 (初级Bjerknes力) 的解决方案.
- RL方法表现出对噪声的稳定性,并且在域随机化下得到了很好的概括.
结论:
- 强化学习提供了一种强大,数据驱动的方法,用于先进控制声波化气泡.
- 开发的RL政策是稳健的,适用于现实世界中潜在噪音的场景.
- 这项工作为利用智能控制系统操纵微观物体开辟了新的途径.
