通过强化学习抑制椭圆圆柱的涡旋脱落

钝体流动控制在工程应用中起着关键作用。在本研究中，采用深度强化学习（DRL）来开发受限在两壁之间的椭圆圆柱绕流的流动控制策略。主要目标是研究在保持低控制能量输入的同时，对不同长宽比（$Ar$）的椭圆圆柱实现多目标流动控制的可行性。DRL训练结果表明，对于较大$Ar$的椭圆圆柱，控制策略能有效降低阻力、最小化升力波动并完全抑制涡旋脱落，同时保持低外部能量消耗。相反，降低$Ar$会损害多目标控制的有效性，即使施加更大的能量输入也是如此。通过详细的物理分析，阻塞比（$\beta$）和$Ar$之间的耦合效应被确定为抑制涡旋脱落和稳定尾流的限制因素。在较低的$\beta$值下，控制策略成功实现了整个$Ar$范围内椭圆圆柱的多目标优化。尽管对于高度细长的圆柱，平衡能效和控制性能仍然具有挑战性，但所提出的DRL策略仍然实现了有效的涡旋脱落抑制。这项工作突显了基于DRL的控制策略在有效稳定细长钝体周围尾流方面的潜力，并明确强调了保持能效。