基于模型的强干扰非稳态气动流动控制的强化学习
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了流体动力学中高维特性对气动流动控制的挑战，尤其是在非线性强干扰响应下。提出了一种结合新型降阶模型的基于模型的强化学习方法，有效减少了训练所需的交互成本。研究表明，该方法在多种流动环境下具有稳健性和广泛适用性，并能够有效减小在气流扰动期间的升力变化。
该研究提出了一种强化学习策略，通过改变转子速度、转子偏转角和叶片俯仰角来控制风力涡轮发电。该方法采用了双重深度Q学习与叶片动量元模型相结合，表现出良好的性能。与传统的PID控制相比，双重深度Q学习在所有环境中都优于传统方法。此外，该方法适应湍流/阵风等变化环境，并计算了年度能量产出。
