arrow
返回

A Learning-Based Closed-Loop Fluid Flow Regulation

delete2026-02-28
delete0
delete
OA
AI
M
Mahmut Reyhanoglu *
M
Mohammad Jafari
DOI:10.3390/electronics15050953delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
本文提出了一种基于学习的鲁棒控制策略,用于流体流动动态系统,旨在补偿闭环主动流动控制应用中固有的模型不确定性和未知扰动。该方法基于非线性控制理论,并采用梯度下降学习规则来持续更新控制参数和扰动估计。所得闭环系统能够实现鲁棒调节,同时在实施和分析两方面保持简洁性和可解释性。进行了数值仿真以验证该方法的可行性。
Keyword:
learning
flow control
robustness
uncertainty
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Electronics 封面图
Electronics
IF:
2.6
论文数:
9.8K
被引数:
4.7W

机构

C
columbus state university
学者数:
7
论文数: 5
被引数: 0
W
wentworth institute of technology
学者数:
4
论文数: 5
被引数: 0
引用论文

引用论文

A closed-loop nonlinear control and sliding mode estimation strategy for fluid flow regulation
err2018-02-27
err11
PREAI
errKidambi, Krishna Bhavithavya; Ramos-Pedroza, Natalie; MacKunis, William; Drakunov, Sergey V.
err分享
err收藏
Jet mixing optimization using a flexible nozzle, distributed actuators, and machine learning
err2024-09-10
err0
PREAI
errJiang, Zhutao; Maceda, Guy Y. Cornejo; Li, Yiqing; Shaqarin, Tamir; Gao, Nan; Noack, Bernd R.
err分享
err收藏
err分享
err收藏
Comparative analysis of machine learning methods for active flow control
err2023-03-10
err29
errOAAI
errPino, Fabio; Schena, Lorenzo; Rabault, Jean; Mendez, Miguel A.
err分享
err收藏
err分享
err收藏
err分享
err收藏
err分享
err收藏
学者 查看更多内容