基于深度强化学习的分布式合成双射流飞行器增升方法

本发明公开了一种基于深度强化学习的分布式合成双射流飞行器增升方法，以深度强化学习(deep reinforcement learning，DRL)智能体为控制器，接收压力传感器反馈的压力信号，并通过DRL智能体内部的深度神经网络推理得到分布式合成双射流激励器的独立控制信号；将独立控制信号转化为高压高频电信号，使分布式合成双射流激励器产生不同强度的射流；合成双射流与来流相互作用，对机翼绕流进行调控，重构机翼表面压力分布，从而抑制流动分离，实现增升的目的。本发明应用于飞行器主动流动控制领域，通过合成双射流对复杂扰流流场进行自适应调控，在控制过程中不断学习和优化闭环控制律，实现对分布式合成双射流的协同控制，从而实现高效增升。