买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西北工业大学申请的专利一种基于强化学习的抑制球体升力波动的主动控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116088308B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211713118.X，技术领域涉及：G05B13/04；该发明授权一种基于强化学习的抑制球体升力波动的主动控制方法是由任峰;张帆;宋健;张恒设计研发完成，并于2022-12-27向国家知识产权局提交的专利申请。

本一种基于强化学习的抑制球体升力波动的主动控制方法在说明书摘要公布了：本发明涉及一种基于强化学习的抑制球体升力波动的主动控制方法，搭建三维球体绕流的流动环境，给出球体的升力波动求解公式；绕流环境当前时刻的反馈信号即升力波动F′ll，与上一时刻的控制效果即奖励值，输入闭环主动流动控制过程中的控制器，控制器输出被控制绕流环境流场的动作信号即旋转参数；绕流环境流场接收到动作信号即旋转参数之后执行旋转参数指令，再将信号的控制效果传入智能体，多次迭代，从而寻找到具有最优控制效果的旋转控制率。本发明智能体模块中利用强化学习方法，对不同位置作动器输出多个控制信号。通过合理设置动作网络和评价网络，可以实现抑制球体绕流升力波动这一复杂目标。本发明中实现升力波动抑制70％左右的抑制效果。

本发明授权一种基于强化学习的抑制球体升力波动的主动控制方法在权利要求书中公布了：1.一种基于强化学习的抑制球体升力波动的主动控制方法，其特征在于步骤如下： 步骤1：搭建流动三维球体绕流的流动环境，获得球体绕流的流动状态； 控制目标为抑制球体升力波动，高保真的三维球体绕流数据是控制的基础； 流动环境搭建使用数值计算的直接数值模拟DNS方法，核心求解器为格子Boltzmann方法LBM求解纳维-斯托克斯方程，控制方程如下： 其中，是速度矢量，是流场压力，是流体的运动粘度，是向量微分算子； 采用浸没边界法对于曲面边界和结构运动的求解，即为浸没边界法中边界处的受力； 球体的升力波动求解公式如下， 其中是单位法向量，为球面，是流体的动力粘度，是涡量；升力拆分为平均升力和升力波动； 步骤2、搭建用于实现主动流动控制的强化学习框架： 基于强化学习的主动流动控制框架中，绕流环境当前时刻的反馈信号即升力波动，与上一时刻的控制效果即奖励值，输入深度强化学习控制器，控制器输出用于控制绕流环境流场的动作信号即旋转参数；绕流环境流场接收到动作信号后执行旋转参数指令，再将信号的控制效果传入智能体，多次迭代，从而寻找到具有最优控制效果的旋转控制律； 所述控制器采用深度强化学习智能体，具有两套神经网络，动作器和评估器；两套网络构建起环境状态、动作与奖励之间为拟合关系，动作器和评估器同时接收到状态和奖励信号，评估器评估其控制效果即奖励值，动作器输出动作信号即旋转参数； 步骤3、强化学习框架中的智能体参数设置： 动作器与评估器的输入相同，均为流场当前时刻的升力波动和下一时刻的奖励函数；在每一次迭代中，一个DRL运行策略N次，并收集一个轨迹，即一系列的状态-行动-奖励的组合； 使用折扣奖励对行为控制，对行为下的升力波动进行计算： 其中：是折扣系数；这个定义在计算奖励时给晚一些的奖励提供了更高的权重； 目标函数来最小化预测的折扣奖励和实际折扣奖励之间的差异： ； 其中是时间t的奖励，为预测的折扣奖励； 动作器网络的输出为动作分布，计算公式如下： 其中是期望，是一个超参数； 在更新策略时选择Adam优化器； 步骤4使用强化学习获取最优的控制效果： 以步骤1中的流场环境提供实时环境反馈，以步骤2中的强化学习框架及步骤3中的智能体参数设置，对流场的升力波动进行闭环的主动流动控制；当奖励最大时，智能体认为是最优的控制律，训练会逐渐收敛，得到最优的控制效果，最终实现三维球体绕流的升力波动抑制。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。