基于深度强化学习发现三维机翼的流动分离控制策略
计算工程、金融与科学
2025-09-15 v1
摘要
本文将深度强化学习 (DRL) 应用于三维 SD7003 机翼在雷诺数 Re = 60,000 和迎角 AoA = 14 度下的主动流动控制 (AFC)。在无控制的基线情况下，流动表现出大规模分离和完全湍流尾迹。利用 GPU 加速的 CFD 求解器和多智能体训练，DRL 发现了提升升力 (79%)、减小阻力 (65%) 和提高气动效率 (408%) 的控制策略。流动可视化证实了分离剪切层的重新附着，展示了 DRL 在处理复杂湍流方面的潜力。
引用
@article{arxiv.2509.10185,
title = {Discovering Flow Separation Control Strategies in 3D Wings via Deep Reinforcement Learning},
author = {R. Montalà and B. Font and P. Suárez and J. Rabault and O. Lehmkuhl and R. Vinuesa and I. Rodriguez},
journal= {arXiv preprint arXiv:2509.10185},
year = {2025}
}