由于控制流体流动的方程的非线性性质,流量控制系统的设计仍然是一个挑战。然而,计算流体力学(CFD)的最新进展使复杂流体流动的模拟具有高精度,为使用基于学习的方法来促进控制器设计提供了可能性。我们提出了一种直接从CFD数据学习圆柱上方气流的强迫和非强迫动力学的方法。该方法以库普曼理论为基础,可以建立稳定的动力学模型,预测气缸系统在延长时间范围内的时间演化。
最后,通过对学习到的动力学模型进行模型预测控制,我们能够找到一个简单、可解释的控制律,用于抑制圆柱尾迹中的涡流脱落。我们介绍了一种训练Deep Koopman模型的方法,证明了学习的模型能够稳定地模拟气缸上方的气流,从而获得显著的预测范围。此外,我们还详细介绍了如何修改库普曼模型,以考虑控制输入,从而利用流量控制来抑制涡流脱落。该方法从大约4000个训练样本中学习足够精确的动力学模型,具有非常高的样本效率,由于与CFD模拟相关的大量计算成本,这一点非常重要。
最重要的是,通过将Deep Koopman模型纳入MPC框架,我们证明了由此产生的控制律既可解释又合理,与文献中经过充分研究的流量控制方法一致。未来的工作将侧重于将拟议的方法应用