将平滑粒子流体动力学与多智能体深度强化学习耦合以实现点吸收器的协同控制
系统与控制
2026-01-13 v1 系统与控制
摘要
波浆能源转换器，特别是点吸收器，已成为从事海浪能开发的最具前景的技术之一。然而，由于入射波与装置运动动力学之间存在固有的复杂和非线性相互作用，实现高效转化仍然具有挑战性。本研究通过将平滑粒子流体动力学（SPH）与多智能体深度强化学习耦合，开发了一种用于电力取出（PTO）系统的优化自适应阻尼控制模型。该方法的框架使智能控制代理能够与高保真SPH仿真进行实时通信，从而学习协同策略以最大化能量捕获。在每个训练episode中，基于SPH的环境提供即时水动力状态，代理输出连续阻尼动作并获得反映能量吸收的奖励。采用集中训练、分散执行的方案，在多体连续系统中实现稳定学习。整个平台在统一的GPU加速C++环境中实现，允许进行长期训练和大规模三维仿真。该方法通过在规则和非规则波条件下的二维和三维基准案例进行验证。与恒定PTO阻尼相比，所学控制策略分别实现了23.8%和21.5%的能量捕获提升，显示出智能控制在提高波浪能源转换器阵列性能方面的巨大潜力。该方法在计算水动力学中开发的三维GPU加速多智能体平台，可扩展至需要实时、多体协同控制的其他流体-结构相互作用工程问题。
引用
@article{arxiv.2601.06485,
title = {Coupling Smoothed Particle Hydrodynamics with Multi-Agent Deep Reinforcement Learning for Cooperative Control of Point Absorbers},
author = {Yi Zhan and Iván Martínez-Estévez and Min Luo and Alejandro J. C. Crespo and Abbas Khayyer},
journal= {arXiv preprint arXiv:2601.06485},
year = {2026}
}