嵌入涡驱动奖励的深度强化学习控制翼型流动分离研究

来源：上海理工大学学报杂志2026年第3期北京时间：

作者：孙瑶，董祥瑞，王淇，蔡小舒

单位：上海理工大学 能源与动力工程学院，上海 200093;上海市动力工程多相流传热重点实验室，上海 200093,上海理工大学 能源与动力工程学院，上海 200093;上海市动力工程多相流传热重点实验室，上海 200093,上海理工大学 能源与动力工程学院，上海 200093;上海市动力工程多相流传热重点实验室，上海 200093,上海理工大学 能源与动力工程学院，上海 200093;上海市动力工程多相流传热重点实验室，上海 200093

摘要：为抑制翼面分离流的产生及涡脱落的不稳定性，采用深度强化学习（DRL）策略，对弱湍流条件下翼型的流动分离问题进行优化控制。在基于软演员-评论家（SAC）算法的主动流动控制策略训练中，采用一种新型奖励函数，引入Liutex统计量作为流场中涡结构旋转强度与涡核大小反馈环境的关键指标，结合气动性能指标最终构成。训练结果表明，这种基于涡驱动的奖励函数在有效消除大涡和优化气动性能方面具有显著优势，与DRL框架相结合，可有效提升气动性能，实现阻力和升力系数波动的最小化，凸显该方法在先进流动控制策略中的应用潜力。

关键词：智能流动控制;深度强化学习;合成射流;涡驱动奖励

基金资助：国家自然科学基金资助项目（52476033）