深度强化学习驱动下桥梁主动吸气流动控制

来源：中国血液净化杂志2023年第8期北京时间：

作者：邓晓龙, 胡钢, 陈文礼, 欧进萍

单位：1. 哈尔滨工业大学(深圳) 土木与环境工程学院, 广东 深圳 518055;2. 哈尔滨工业大学 土木工程学院, 黑龙江 哈尔滨 150096"],"fundList_en":["National Key R & D Program of China (2021YFC3100702); National Natural Science Foundation of China (52278493)

摘要：为了改善桥梁在风场中的气动性能，提出一种基于深度强化学习(Deep Reinforcement Learning, DRL)算法驱动的主动吸气流动控制方法，DRL算法吸气控制策略能够根据风场环境进行柔性调整。根据桥梁尾缘旋涡脱落位置，吸气槽设置于相对来流方向的桥梁尾缘底板转角处。通过DRL与计算流体动力学(Computational Fluid Dynamics, CFD)耦合平台DRLinFluids，进行了二维风场环境下主动吸气控制研究。结果表明：①DRL算法吸气控制下，桥梁脉动升力、脉动阻力、脉动弯矩分别较无控制情况下减少了99.2%、92.9%、98.5%，同时桥梁时均阻力与弯矩分别下降21.3%与98.3%；②DRL算法吸气控制下，桥梁尾流的旋涡脱落被抑制，尾流涡由周期性交替脱落的旋涡变成稳定的长尾状尾流，延后了旋涡脱落位置；③DRL算法吸气策略由前期大振幅波动逐渐过渡至小振幅波动。此外，高能耗的大振幅吸气时间与改善流场的耗时吻合。流场进入稳定阶段后，策略转变为小振幅低能耗吸气状态。

关键词：桥梁工程,吸气流动控制,深度强化学习,风工程,大贝尔特桥,人工智能

基金资助：国家重点研发计划项目(2021YFC3100702)；国家自然科学基金项目(52278493)