文献

J-GLOBAL ID：202002245837665172   整理番号：20A1822510

翼上の閉ループ流れ分離制御への分散深層強化学習の適用に関する実験的研究【JST・京大機械翻訳】

Experimental Study on Application of Distributed Deep Reinforcement Learning to Closed-loop Flow separation Control over an Airfoil

著者 (5件)： Shimomura Satoshi (Tokyo University of Agriculture and Technology) ,  Sekimoto Satoshi (Tokyo University of Science) ,  Oyama Akira (Japan Aerospace Exploration Agency (JAXA)) ,  Fujii Kozo (Tokyo University of Science) ,  Nishida Hiroyuki (Tokyo University of Agriculture and Technology)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
号： AIAA 2020-0579  ページ： 0579  発行年： 2020年 
JST資料番号： H0236B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,63000の弦Reynolds数でDBDプラズマアクチュエータを用いてNACA0015翼上の閉ループ流れ分離制御システムを実験的に調べた。閉ループ制御システムを,深い強化学習(DRL)を利用して構築した。プラズマアクチュエータは,前縁から弦長の5%で翼の表面に設置され,AC電圧で駆動される。表面圧の時系列データをニューラルネットワークの入力データとして用い,ニューラルネットワークを訓練して15度の迎え角でアクチュエータの最適バースト周波数を選択した。DRLの最新のアルゴリズムであるApe-XDQNを用いて,ニューラルネットワークの訓練を改善した。結果として,ニューラルネットワークは,古いアルゴリズムであるDeep Qネットワーク(DQN)と比較して,Ape-XDQNにおいて安定して訓練された。時間平均圧力測定の結果は,Ape-XDQNによって訓練されたネットワークによって制御された流れが,15度の迎え角でDQNによって訓練されたネットワークより抑制されることを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 圧力測定 ,  アルゴリズム ,  ネットワーク ,  フィードバック制御 ,  前縁 ,  迎え角 ,  ニューラルネットワーク ,  表面圧 ,  Reynolds数 ,  アクチュエータ ,  バースト ,  交流電圧 ,  *強化学習
準シソーラス用語： プラズマアクチュエータ ,  *流れ剥離 , 【Automatic Indexing@JST】

分類 (2件)： 航空機の空気力学  (QK02010T) ,  高速空気力学  (BC03000C)

タイトルに関連する用語 (4件)： 翼 ,  流れ分離 ,  深層強化学習 ,  実験的研究