物理引导的代理学习实现湍流机翼的零样态控制
流体动力学
2026-04-14 v2 人工智能
摘要
湍流边界层是气动表面上的主要阻力来源，但其控制仍具有挑战性，因为涉及多尺度动力学和空间变异性，尤其是在不利压力梯度下。强化学习在标准流动中已超过了最先进的策略，但其应用于现实几何形状受限于计算成本和可迁移性。本文表明，通过利用壁面限制湍流的局部结构，可以克服这些限制。策略在与机翼边界层统计匹配的湍流通道流动中训练，并直接部署到 NACA4412 机翼上（），无需进一步训练，称为零样态控制。实现了 28.7% 的皮肤摩擦阻力降低和 10.7% 的总阻力降低，相较于最先进的对抗控制在摩擦阻力降低上提高了 40%，在总阻力降低上提高了 5%。训练成本比机翼上训练低四个数量级，使流体控制具有可扩展性。
引用
@article{arxiv.2604.09434,
title = {Physics-guided surrogate learning enables zero-shot control of turbulent wings},
author = {Yuning Wang and Pol Suarez and Mathis Bode and Ricardo Vinuesa},
journal= {arXiv preprint arXiv:2604.09434},
year = {2026}
}