人工神经网络通过深度强化学习发现主动流控制策略
流体动力学
2019-03-27 v5
摘要
我们展示了通过深度强化学习智能体训练的人工神经网络执行主动流控制的首次应用。研究表明，在中等雷诺数（Re = 100）下卡门涡街的二维模拟中，我们的人工神经网络能够通过实验调节圆柱两侧两个射流的质量流率来学习主动控制策略。通过与非定常尾流相互作用，该人工神经网络成功稳定了涡街并将阻力降低约 8%。这是在采用小质量流率驱动下实现的，一旦找到新的伪周期脱落 regime，其质量流率约为穿过圆柱截面的质量流率的 0.5%。这为执行主动流控制的一类新方法开辟了道路。
引用
@article{arxiv.1808.07664,
title = {Artificial Neural Networks trained through Deep Reinforcement Learning discover control strategies for active flow control},
author = {Jean Rabault and Miroslav Kuchta and Atle Jensen and Ulysse Reglade and Nicolas Cerardi},
journal= {arXiv preprint arXiv:1808.07664},
year = {2019}
}