返回
A Learning-Based Closed-Loop Fluid Flow Regulation
DOI:10.3390/electronics15050953.png)
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
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
IF:
2.6
论文数:
9.8K
被引数:
4.7W
机构
引用论文
Peak lift-to-drag ratio enhancement of the DU12W262 airfoil by passive flow control and its impact on horizontal and vertical axis wind turbines
ENERGY
IF9.4
Jet mixing optimization using a flexible nozzle, distributed actuators, and machine learning
PHYSICS OF FLUIDS
IF4.3
Simple Learning-Based Robust Nonlinear Control of an Electric Pump for Liquid-Propellant Rocket Engines基于简单学习方法的液体推进剂火箭发动机电动泵鲁棒非线性控制
Electronics
IF0

