基于多智能体强化学习的湍流圆柱阻力减缓主动流控制

本研究提出了一种新颖的湍流圆柱主动流控制 (AFC) 策略，用于减小 Reynolds 数为 $Re_D=3900$ 时圆柱的阻力。该圆柱在亚临界流态中已在文献中广泛研究，被视为阻力型体产生的经典湍流案例。通过采用深度强化学习探索所提出的策略。圆柱配备 10 对独立的零质量流量喷嘴对，分布在顶部和底部表面，构成 AFC 设置。该方法基于计算流体动力学求解器与多智能体强化学习 (MARL) 框架的耦合，使用 proximal-policy-optimization 算法。本工作引入多阶段训练方法以扩大探索空间并增强阻力减缓稳定性。通过利用 MARL 加速训练，实现约 9% 的阻力减缓。所发展的协同闭环策略较为精妙，它利用了质量流量频率的宽带频率，而经典控制方法无法实现。值得注意的是，质量成本效率被证明比文献中报告的经典控制方法低两个数量级。这些发展在湍流条件下的主动流控制方面代表了重大进展，对工业应用至关重要。