首页> 中国专利> 基于强化学习和迁移学习的飞行器全自动气动优化方法

基于强化学习和迁移学习的飞行器全自动气动优化方法

页面导航

摘要
著录项
相似文献

摘要

本发明公开了一种基于强化学习和迁移学习的飞行器全自动气动优化方法，用于解决现有气动优化方法存在的容易陷入局部最优或收敛速度缓慢的问题，同时该优化方法在最后的高精度优化阶段将人工干预排除在外，进一步提高了优化效率。技术方案是首先分别建立基于半经验估算和高精度流体仿真的强化学习环境，然后构建强化学习神经网络、设置奖励函数，利用强化学习的全局寻优能力，在网络训练的过程中从半经验估算方法中提取优化经验并储存于网络参数中，然后构建另一个强化学习神经网络，并使用迁移学习将提取的优化经验迁移到该网络，再将其运用到基于高精度流体仿真的气动优化中，最后通过训练该网络获取气动性能优异的高精度设计参数。相对于背景技术方法，本发明提高了收敛速度，同时具备强大的全局寻优能力，对高精度气动优化具有很大的工程价值。

著录项

公开/公告号CN109614631B

专利类型发明专利
公开/公告日2022.10.14

原文格式PDF
申请/专利权人清华大学;
展开▼

申请/专利号CN201811217192.6
发明设计人闫星辉;朱纪洪;匡敏驰;王吴凡;史恒;
展开▼

申请日2018.10.18
分类号G06F30/15;G06F30/27;G06F30/28;
代理机构北京三聚阳光知识产权代理有限公司;
代理人张建纲
地址 100084 北京市海淀区清华园1号
入库时间 2022-11-28 17:50:01

相似文献

专利
中文文献
外文文献

1. 基于强化学习和迁移学习的飞行器全自动气动优化方法 [P] . 中国专利： CN109614631A . 2019-04-12
2. 一种基于深度强化学习和迁移学习的增升装置优化方法 [P] . 中国专利： CN113569477A . 2021-10-29
3. Method of optimizing scan chain wire length using Q-learning, computer system, computer program (reinforcement learning based on optimization of scan chain wire length using Q-learning) [P] . 日本专利： JP2022054457A . 2022-04-06

机译：使用Q-学习优化扫描链线长度的方法，计算机系统，计算机程序（基于使用Q-学习优化扫描链线长度的强化学习）
4. System And Method For Reinforcement-Learning Based On-Loading Optimization [P] . 美国专利： US2022129840A1 . 2022-04-28

机译：基于负载优化的强化学习系统与方法
5. PROGRAM OPTIMIZATION METHOD BASED ON REINFORCEMENT LEARNING [P] . 韩国专利： WO2021137601A1 . 2021-07-08

机译：基于强化学习的程序优化方法