基于知识蒸馏的高速流动可解释人工智能控制方法

本申请提供一种基于知识蒸馏的高速流动可解释人工智能控制方法。其中，电子设备获取预先训练的高速流动控制模型，其中，高速流动控制模型为基于神经网络的模型，能够根据流场状态信息生成扰动策略；利用高速流动控制模型蒸馏出符号表达式形式的轻量化控制模型。如此，通过将上述高速流动控制模型中蕴含的知识提取并转化到符号表达式形式的轻量化控制模型中，由于符号表达式是一种显式的数学表达形式，能够直接反映输入变量与输出结果之间的函数关系，因而相较于隐式的神经网络模型，具有更高的透明性和可理解性。