题 目：基于强化学习的对流型不稳定流动控制研究
报告人：张蒙齐 新加坡国立大学
时间：2022年9月14日星期三下午13:30
地点：上海大学延长校区力学所200学术报告厅
腾讯会议：594 447 836
摘要信息
流体控制是一门热门的交叉学科，它通过控制理论来最优化流体中的问题，比如减小流动阻力，最大化混合效率等。本工作利用机器学习方法来研究对流不稳定流体中的控制问题。特别地，我们应用深度强化学习（Deep Reinforcement Learning，DRL）来抑制一维线性化Kuramoto-Sivashinsky（KS）方程中的扰动，和减小二维平板边界层流动中的扰动。我们发现DRL策略对测量和外部噪声都具有鲁棒性。通过无梯度粒子群优化算法（PSO），我们也确定了传感器的最佳放置地点。该工作第一次展示了机器学习方法能很好地控制对流不稳定流动。
专家简介
张蒙齐, 新加坡国立大学力学工程系助理教授。2016年于法国普瓦捷大学获得博士学位，2016-2018年在荷兰屯特大学做博士后研究。他的研究兴趣包括复杂流体的数值分析和模拟，如非牛顿流动，电流体动力学流动和风电场里的湍流模拟。他还对流体控制及其降阶建模感兴趣，近期工作包括基于机器学习的流体控制。
