用于周期山流动大涡模拟壁面建模的多智能体强化学习
流体动力学
2022-11-30 v1 机器学习
计算物理
摘要
我们开发了一种用于大涡模拟（LES）的壁面模型，该模型利用多智能体强化学习（MARL）考虑了各种压力梯度效应。该模型使用周期山上的低雷诺数流动进行训练，智能体沿计算网格点分布在壁面上。该模型采用壁面涡黏性公式作为边界条件，结果表明这能比典型的壁面剪应力公式更好地预测平均速度场。每个智能体接收基于偏离壁面位置处的局部瞬时流场量的状态，基于估计的壁面剪应力计算奖励，并在每个时间步提供动作以更新壁面涡黏性。训练后的壁面模型在更高雷诺数下周期山流动的壁面模化大涡模拟（WMLES）中进行了验证，结果表明该模型对具有压力梯度的流动的有效性。对训练后模型的分析表明，该模型能够区分流动中存在的各种压力梯度状态。
引用
@article{arxiv.2211.16427,
title = {Multi-agent reinforcement learning for wall modeling in LES of flow over periodic hills},
author = {Di Zhou and Michael P. Whitmore and Kevin P. Griffin and H. Jane Bae},
journal= {arXiv preprint arXiv:2211.16427},
year = {2022}
}