Kristian Holme

深度强化学习控制旋转爆震发动机跃迁

研究人员开发了一种新颖的深度强化学习（DRL）方法来控制旋转爆震发动机（RDEs）中的复杂跃迁。通过在跟踪爆震波的移动参考系中重新构建DRL问题，该系统可以有效地将快速的波传播动力学与较慢的工作模态变化分离开来。这种方法允许DRL控制器更可靠地在不同的发动机状态之间引发快速跃迁，其性能优于在固定参考系中训练的控制器，并在各种驱动周期和初始条件下都显示出更广泛的有效性。