【技术实现步骤摘要】
本专利技术涉及风洞流场控制领域，特别涉及基于强化学习的多风扇风洞速度场控制方法及系统。
技术介绍
1、风洞是进行空气动力学研究的主要实验设备,它是按照特殊用途设计而成的管道装置。通过人工控制管道中气体的流动状态，以模拟真实大气环境。在空气动力学研究工作中,风洞试验有着非常重要的作用。
2、在传统的单风扇风洞中，为了在试验段获得湍流度较低的、近似各向同性的湍流流动，往往在风洞上游面积较大的稳定段内布置一系列的整流装置，来提高风洞试验段气流均匀性、降低气流偏角及湍流度的重要整流装置。这些整流装置包括蜂窝器、阻尼网等，蜂窝器是能将大尺度旋涡分割成小尺度涡，对降低湍流度效果显著，阻尼网的作用则在于降低气流的紊流度，网越细整流效果越好。
3、多风扇风洞在动力段配备了多个风扇，每个风扇的转速可以独立控制，通过合适的控制策略能在试验段实现主动模拟目标速度场。因此，除了通过整流装置改善速度场均匀性外，多风扇风洞还可以通过设计合适的控制策略，以实际速度场分布作为反馈，实时调整各风扇的转速，进而在试验段获取与目标速度一致的均匀速度场
4、本文档来自技高网...
【技术保护点】
1.基于强化学习的多风扇风洞速度场控制方法，其特征在于，包含：
2.如权利要求1所述的基于强化学习的多风扇风洞速度场控制方法，其特征在于，带噪声的映射数据集的构造包括：
3.如权利要求1或2所述的基于强化学习的多风扇风洞速度场控制方法，其特征在于，速度噪声为试验段测点风速的随机偏移量，执行器噪声为风扇转速的随机偏移量。
4.如权利要求1所述的基于强化学习的多风扇风洞速度场控制方法，其特征在于，所述深度神经网络的输入层维度为风扇数量、测点数量、目标风速及总压参数之和，输出层维度等于风扇数量。
5.如权利要求1所述的基于强化...
【技术特征摘要】
1.基于强化学习的多风扇风洞速度场控制方法，其特征在于，包含：
2.如权利要求1所述的基于强化学习的多风扇风洞速度场控制方法，其特征在于，带噪声的映射数据集的构造包括：
3.如权利要求1或2所述的基于强化学习的多风扇风洞速度场控制方法，其特征在于，速度噪声为试验段测点风速的随机偏移量，执行器噪声为风扇转速的随机偏移量。
4.如权利要求1所述的基于强化学习的多风扇风洞速度场控制方法，其特征在于，所述深度神经网络的输入层维度为风扇数量、测点数量、目标风速及总压参数之和，输出层维度等于风扇数量。
5.如权利要求1所述的基于强化学习的多风扇风洞速度场控制方法，其特征在于，所述奖励信号与试验段速度场均匀度正相关，当速度分布绝对偏差总和低于阈值时奖励值饱和。
6...
【专利技术属性】
技术研发人员：肖厚元，王斌，王生利，陈旦，何虹亮，刘轩岑，
申请(专利权)人：中国空气动力研究与发展中心设备设计与测试技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。