深度强化学习在主动流动控制中的应用研究

【作者】 汤洪伟； 王岩； 王同光；

【机构】 江苏省风力机设计高技术研究重点实验室南京航空航天大学；

【摘要】 以二维圆柱为研究对象,采用计算流体力学方法对圆柱表面射流的控制效果进行了模拟,射流质量流量大小及其随时间变化的规律由人工神经网络(Artificial neural networks,ANNs)模型计算得到。ANNs的训练则采用一种强化学习(reinforcement learning,RL)算法——近端策略优化算法(Proximal policy optimization,PPO)进行。训练环境由四种流动状态组成,对应雷诺数分别为Re=100,200,300,400.通过监测流场状态变量,ANNs可以学习不同控制策略对非定常气动力的控制效果,并找到一个最佳策略,以较小的射流质量流量达到最好的减阻效果。另外,针对非训练用的流动状态,所得到的ANNs模型仍然表现出良好的控制效果,表明所获得的控制策略具有一定的通用性。更多还原