受控激波：利用深度强化学习驯服 RAE2822 翼型上的跨声速可压缩流
流体动力学
2025-11-12 v1 机器学习
摘要
本文使用深度强化学习（DRL）研究了 Re = 50,000 时二维 RAE2822 翼型上跨声速激波-边界层相互作用的主动流动控制。流场表现出高度非定常动力学，包括复杂的激波-边界层相互作用、激波振荡以及从后缘产生的 Kutta 波。使用高保真 CFD 求解器获取准确的流场，该求解器在空间上采用五阶谱间断 Galerkin 格式，在时间上采用强稳定保持 Runge-Kutta (5,4) 方法，并具备自适应网格细化能力。采用合成射流激励来操纵这些非定常流动特征，而 DRL 智能体通过与高保真可压缩流模拟的直接交互，自主发现有效的控制策略。训练后的控制器有效缓解了激波诱导的分离，抑制了非定常振荡，并在跨声速条件下操纵了气动力。在旨在同时实现减阻和增升的第一组实验中，基于 DRL 的控制将平均阻力系数降低了 13.78%，升力增加了 131.18%，从而使升阻比提高了 121.52%，这凸显了其管理复杂流动动力学的潜力。在以保持升力为目标实现减阻的第二组实验中，基于 DRL 的控制实现了 25.62% 的减阻和高达 196.30% 的增升，并伴随着显著减弱的振荡。在这种情况下，升阻比提高了 220.26%。
引用
@article{arxiv.2511.07564,
title = {Shocks Under Control: Taming Transonic Compressible Flow over an RAE2822 Airfoil with Deep Reinforcement Learning},
author = {Trishit Mondal and Ricardo Vinuesa and Ameya D. Jagtap},
journal= {arXiv preprint arXiv:2511.07564},
year = {2025}
}
备注
23 pages, 18 figures