Robotics,Computational Engineering, Finance, and Science,Systems and Control,روباتیک , مهندسی محاسباتی , امور مالی و علوم , سیستم ها و کنترل ,
توضیحات
Submitted 15 August, 2024; originally announced August 2024. , Comments: \c{opyright} 2024 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works , Journal ref: 2023 International Conference on Machine Learning and Applications (ICMLA), pp. 422-429
توضیحات به فارسی
ارسال شده در 15 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: \ C {Opyright} 2024 IEEE.استفاده شخصی از این ماده مجاز است.مجوز از IEEE باید برای سایر موارد استفاده ، در هر رسانه فعلی یا آینده ، از جمله چاپ مجدد/انتشار این مطالب برای اهداف تبلیغاتی یا تبلیغاتی ، ایجاد آثار جمعی جدید ، برای فروش مجدد یا توزیع مجدد در سرورها یا لیست ها ، یا استفاده مجدد از هر مؤلفه کپی رایت ، دریافت شود.از این کار در سایر آثار ، مجله Ref: 2023 کنفرانس بین المللی یادگیری و برنامه های کاربردی (ICMLA) ، صص 422-429
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
The suspension system is a crucial part of the automotive chassis, improving vehicle ride comfort and isolating passengers from rough road excitation. Unlike passive suspension, which has constant spring and damping coefficients, active suspension incorporates electronic actuators into the system to dynamically control stiffness and damping variables. However, effectively controlling the suspension system poses a challenging task that necessitates real-time adaptability to various road conditions. This paper presents the Physics-Guided Deep Reinforcement Learning (DRL) for adjusting an active suspension system's variable kinematics and compliance properties for a quarter-car model in real time. Specifically, the outputs of the model are defined as actuator stiffness and damping control, which are bound within physically realistic ranges to maintain the system's physical compliance. The proposed model was trained on stochastic road profiles according to ISO 8608 standards to optimize the actuator's control policy. According to qualitative results on simulations, the vehicle body reacts smoothly to various novel real-world road conditions, having a much lower degree of oscillation. These observations mean a higher level of passenger comfort and better vehicle stability. Quantitatively, DRL outperforms passive systems in reducing the average vehicle body velocity and acceleration by 43.58% and 17.22%, respectively, minimizing the vertical movement impacts on the passengers. The code is publicly available at github.com/anh-nn01/RL4Suspension-ICMLA23.
چکیده به فارسی (ترجمه ماشینی)
سیستم تعلیق بخش مهمی از شاسی خودرو ، بهبود راحتی سوار شدن به وسیله نقلیه و جداسازی مسافران از تحریک جاده خشن است.بر خلاف تعلیق منفعل ، که دارای ضرایب بهار و میرایی ثابت است ، تعلیق فعال شامل محرک های الکترونیکی در سیستم است تا به صورت پویا سفتی و متغیرهای میرایی را کنترل کند.با این حال ، کنترل موثر سیستم تعلیق یک کار چالش برانگیز است که نیاز به سازگاری در زمان واقعی با شرایط مختلف جاده ای دارد.در این مقاله ، یادگیری تقویت عمیق با هدایت فیزیک (DRL) برای تنظیم سینماتیک متغیر سیستم تعلیق فعال و خصوصیات انطباق برای یک مدل چهارم اتومبیل در زمان واقعی ارائه شده است.به طور خاص ، خروجی های مدل به عنوان سفتی محرک و کنترل میرایی تعریف می شوند ، که برای حفظ انطباق جسمی سیستم در محدوده های واقعی جسمی محدود می شوند.مدل پیشنهادی مطابق با استانداردهای ISO 8608 برای بهینه سازی سیاست کنترل محرک ، در پروفایل های جاده ای تصادفی آموزش داده شد.با توجه به نتایج کیفی در مورد شبیه سازی ها ، بدن وسیله نقلیه به آرامی نسبت به شرایط مختلف جاده ای در دنیای واقعی واکنش نشان می دهد ، و درجه ای از نوسان بسیار پایین تر دارد.این مشاهدات به معنای سطح بالاتری از راحتی مسافر و ثبات بهتر وسیله نقلیه است.از نظر کمی ، DRL از سیستم های منفعل در کاهش میانگین سرعت و شتاب بدن وسیله نقلیه 43.58 ٪ و 17.22 ٪ به ترتیب ، به حداقل می رساند و اثرات حرکتی عمودی را بر روی مسافران به حداقل می رساند.این کد به صورت عمومی در github.com/anh-nn01/rl4suspension-icmla23 در دسترس است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
