机器学习在流动控制领域的应用及发展趋势

流动控制作为流体力学中的重要跨学科领域,一直是科学研究和工程应用关注的焦点之一。由于流动系统具有强非线性等复杂特征,对流动的控制尤其是闭环控制,一直颇富挑战性。近年来机器学习的迅速发展为许多学科带来了新的方法、新的视角和新的观点,对于流动控制领域亦是如此。通过回顾现阶段三类基于机器学习的流动控制方法,为主动流动控制领域的研究者展示机器学习在流动控制中应用的整体概况,进而勾勒出本领域的发展趋势。     

随活塞同步振动下纳米流体的强化传热特性

内燃机工作过程中,燃烧产生的热能一部分传给燃烧室部件,传给燃烧室部件中的热能有一半以上传给活塞,由于内燃机热负荷不断提高,必须要对活塞进行有效冷却。当活塞功率密度超过0.3kW/cm2时,必须采用冷却油腔进行冷却。为揭示纳米流体在冷却油腔内的流动和传热特性,对不同种类纳米流体在定常和振动状态下直圆管中的物性、摩擦阻力和传热特性进行了实验研究。研究发现：未施加换热腔振动时,在纯净水中添加纳米颗粒后摩擦阻力系数在层流流域内略有上升,湍流范围内几乎没有变化,但是传热效果却大大增强,最优强化在层流-湍流转捩点附近出现且随着纳米体积浓度和导热系数的增大而增大。对换热腔施加随活塞同步振动后,传热强化与振动频率成正比、与雷诺数成反比;用纳米流体代替传统流体后传热效果大大增强,同时还发现纳米流体种类对强化效果影响显著。     

扩缩管充分发展层流的强化传热场协同分析

采用二维轴对称不可压缩层流N-S方程,利用有限体积方法和SIMPLE算法,在雷诺数100～1300范围内,对轴对称周期性扩缩管的充分发展层流流动和传热特性进行了数值模拟,重点研究了不同雷诺数、几何外形与换热强度的关系,并利用场协同理论对计算的结果进行了分析,获取了层流态下扩缩管对流换热强度随雷诺数、几何尺寸变化的规律,对进一步研究扩缩管换热问题、探讨强化传热理论和发展换热技术均有实际意义.     

无人机集群路径规划算法研究综述

无人机集群路径规划算法是无人机集群控制的重要研究方向之一.多无人机路径规划相较于单无人机路径规划,会考虑空间协同和时间协同约束、飞行安全等问题.首先对无人机集群路径规划算法进行分类,分为传统路径规划算法、智能优化算法和深度强化学习算法.其次对各类算法进行简要分析和总结,针对缺陷,给出相应的改进思路及例子.再着重对深度强...     

7050-T7451铝合金试件的疲劳安全寿命估算

对7050-T7451铝合金试件的三类不同试样激光冲击强化处理,研究其7组疲劳寿命值,并对铝合金试件的疲劳试验结果分别用单侧容限因数法和二维Weibull分布法进行疲劳安全寿命估算及比较.结果表明,激光冲击强化作用大大提高了铝合金试样的疲劳寿命;在考虑置信度和可靠度的前提下,单侧容限因数法能得到一个确切的疲劳安全寿命估...     

管式间接蒸发冷却器换热管的亲水性

对管式间接蒸发冷却器在应用过程中存在的换热管表面亲水性较差的问题进行分析,介绍亲水性的表征方法,分析亲水涂膜需要具备的性能,并详细介绍了三种亲水涂膜各自的特点及亲水机理。提出采用亲水溶液对铝箔表面进行亲水整理的方法来提高其亲水性,结果显示经过亲水处理后铝箔表面亲水性和持续亲水性都大大提高。     

超音速混合及燃烧的强化技术

超音速气流中燃料与空气混合直接关系到燃烧效率，强化超音速混合及燃烧已成为各国专家正在解决的关键问题之一。本文在广泛搜集资料的基础上，归纳了已有的强化技术，为开展强化超音速混合及燃烧技术的研究作了必要的准备。     

基于DDPG-PID的机器人动态目标跟踪与避障控制研究

针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。     

深度强化学习在翼型分离流动控制中的应用

搭建了基于深度强化学习（DRL）的射流闭环控制系统,在NACA0012翼型上开展了大迎角分离流动控制实验研究。NACA0012翼型弦长200 mm,实验风速10 m/s,雷诺数1.36×105。射流激励器布置在翼型上表面,通过电磁阀进行无级控制。将翼型表面的压力系数和智能体自身的动作输出作为智能体的观测量,以翼型后缘压力系数为奖励函数,对智能体进行训练。结果表明:经过训练的智能体成功地抑制了大迎角下的流动分离,比定常吹气的费效比降低了50%;智能体可以将翼型后缘压力系数稳定地控制在目标值附近;状态输入和奖励函数的改变会对最终的训练效果产生不同影响。