数据集概述
本数据集支持论文《Safe Reinforcement Learning for Real-World Engine Control》，包含用于训练参考控制策略的人工神经网络数据与脚本，以及在真实单缸均质充量压缩点火（HCCI）发动机测试台上进行强化学习（RL）策略训练时采集的数据集，涉及两项关键RL实验，可复现参考策略并分析RL智能体在安全关键环境中的性能。
文件详解
- 文件名称：SafeRLRealWorldEngineControl.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包包含训练人工神经网络参考控制策略的数据与脚本，以及真实HCCI发动机测试台RL策略训练数据集，涵盖瞬态负载控制初始策略训练、乙醇能量份额提升策略适配两项实验相关资源，基于LExCI工具（版本2.22.0及之前）实现。
数据来源
德国研究基金会（DFG）资助的研究单元2401（FOR2401）“基于优化的低温燃烧发动机多尺度控制”
适用场景
- 发动机控制策略研究：复现人工神经网络参考控制策略，分析RL智能体在真实发动机环境中的性能表现。
- 安全强化学习应用：探索RL在安全关键的发动机控制场景中的应用方法与效果。
- 发动机燃烧优化：研究RL策略对乙醇能量份额提升及安全约束维持的适配机制。
- 强化学习工具验证：基于LExCI工具开展真实硬件环境下的RL实验验证与技术优化。
