面向部分测量的减阻策略领域自适应

基于流体的系统的反馈控制因其高维、非线性和多尺度动力学而面临重大挑战，这需要实时、三维、多分量的测量来进行感知。虽然此类测量在数字仿真中可行，但在现实世界中通常只能部分获取。本文提出了一种方法，将基于全状态测量获得的反馈控制策略自适应到仅具有部分测量的设置。我们的方法在模拟环境中通过最小化简化道路车辆的气动阻力进行了演示。当使用全状态测量训练时，强化学习算法可以通过在尾流中放置传感器来最优地解决此控制任务。然而，在实际应用中，传感器数量有限且通常仅安装在车辆上，只能提供部分测量。为解决此问题，我们提出训练一个领域特定特征迁移（DSFT）映射，从部分测量的历史中重建完整测量。通过应用此映射，我们仅基于部分数据推导出最优策略。此外，我们的方法能够确定最优历史长度，并揭示最优控制策略的架构，从而促进其在传感器信息有限的真实环境中的实现。