active flow control | BriefGPT

关键词active flow control

搜索结果 - 7

基于深度强化学习的计算流体力学中主动流控的最佳并行化策略
通过对深度强化学习（DRL）算法在并行设置中进行优化，提高了非线性活动流控制问题中现有 DRL 框架的效率，并通过对输入 / 输出操作的优化实现了高性能计算架构上的线性扩展，从而获得约 78% 的并行效率和 60 个 CPU 核心加速大约
PDF5 months ago
MM三维圆柱体的主动流控制及深度强化学习
该研究首次成功地利用多个独立控制的零净质量通量合成喷射进行主动流量控制，以降低阻力系数。研究使用了基于深度强化学习框架的方法，将计算流体动力学求解器与代理程序结合，实现了多代理强化学习框架，能够利用局部不变性、适应不同几何结构、进行传递学习
PDF10 months ago
利用深度强化学习对旋转圆柱体上的多个喷嘴进行流动的主动控制
通过将旋转加入深度强化学习算法，结合多个可控喷嘴来实现最大可能的阻力抑制，以优化喷嘴数目、位置以及传感器位置，可以在流体动力学中减少拖力系数，稳定涡街并抑制涡脱落。
PDFa year ago
Gym-preCICE：用于主动流控制的强化学习环境
本文介绍了一个基于 Gymnasium API 和开源耦合库 preCICE 的 RL 框架 Gym-preCICE，用于处理多物理量主动流控工程应用。该框架提供了一种设计 RL 环境和应用 RL 算法的方式。
PDFa year ago
通过深度强化学习训练的人工神经网络，在一系列雷诺数范围内实现强大的主动流控制
本文研究利用深度强化学习的 PPO 方法对不同雷诺数下的计算流体动力学模拟进行主动流控，成功地减小了波动和减小了阻力。
PDF4 years ago
通过多环境方法加速流控制的深度强化学习策略
使用深度强化学习（DRL）进行流控制的方法现已提出，文章则针对使用計算流体动力学（CFD）数据训练 DRL 时面临的速度瓶颈进行改进，并提出两种方法以加速其运行：计算流体动力学本身的并行化以及 DRL 算法的并行处理。研究表明，这两种方法的
PDF5 years ago
经过深度强化学习训练的人工神经网络发现主动流控制策略
本研究首次应用了一个通过深度强化学习进行训练的人工神经网络来执行主动流控，该网络成功地在研究卡曼涡街时减少了大约 8％的阻力，并使用小的质量流速。
PDF6 years ago