En la presente investigación tres algoritmos de aprendizaje reforzado fueron aplicados para el control resistivo de un convertidor de energía de las olas del tipo absorbedor puntual. Una evaluación del rendimiento de estos algoritmos del tipo on-policy y off-policy fue llevado a cabo emulando un entorno de olas regulares. Los resultados muestran que los tres algoritmos probados logran alcanzar la máxima potencia disponible. Además, se destaca la importancia del ajuste de hiperparametros para la implementación efectiva de estos algoritmos, especialmente aquellos que utilizan redes neuronales en su estructura de decisión.

In this document, three reinforcement learning algorithms are applied to the resistive control of a point absorber type wave energy converter. The performance of both on-policy and off-policy algorithms is evaluated in a regular wave environment. The results demonstrate that all three tested algorithms achieve maximum power extraction. Furthermore, the importance of hyperparameter tuning is emphasized for effectively implementing these algorithms, particularly those utilizing neural networks in their decision-making structure.

Organizado y patrocinado por: Federación iberoamericana de Ingeniería Mecánica y Universidad de Concepción - Chile. Departamento de Mecánica, FeIbIm – FeIbEM

versión publicada