通过深度强化学习实现二维与三维圆柱绕流减阻
流体动力学
2023-09-06 v1
摘要
我们研究了利用表面执行器控制、通过深度强化学习实现二维与三维圆柱绕流减阻的机制。我们分别考察了雷诺数最高达 8,000 和 4,000 的二维与三维流动。学习智能体在具有不同雷诺数的平面流中训练，并对可用驱动能量加以约束。所发现的驱动策略展现出引人注目的泛化能力，甚至能对超出其训练范围的雷诺数实现开环控制。值得注意的是，所发现的诱导延迟分离的二维控制可迁移至三维圆柱绕流。我们探讨了减阻与能量输入之间的权衡并讨论相关机制。本工作为通过深度强化学习发现的可解释控制策略来控制非定常分离流铺平了道路。
引用
@article{arxiv.2309.02109,
title = {Drag Reduction in Flows Past 2D and 3D Circular Cylinders Through Deep Reinforcement Learning},
author = {Michail Chatzimanolakis and Pascal Weber and Petros Koumoutsakos},
journal= {arXiv preprint arXiv:2309.02109},
year = {2023}
}