深度强化学习驱动下桥梁主动吸气流动控制 |
| |
引用本文: | 邓晓龙,胡钢,陈文礼,欧进萍.深度强化学习驱动下桥梁主动吸气流动控制[J].中国公路学报,2023(8):66-75. |
| |
作者姓名: | 邓晓龙 胡钢 陈文礼 欧进萍 |
| |
作者单位: | 1. 哈尔滨工业大学(深圳)土木与环境工程学院;2. 哈尔滨工业大学土木工程学院 |
| |
基金项目: | 国家重点研发计划项目(2021YFC3100702);;国家自然科学基金项目(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:(1)DRL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%;(2)DRL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;(3)DRL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 |
|
|