基于强化学习的多风扇风洞速度场控制方法及系统

本发明属于风洞流场控制领域，公开了基于强化学习的多风扇风洞速度场控制方法及系统。该方法包括：基于风洞气动设计参数生成理论工况样本，通过注入速度噪声与执行器噪声构建状态‑动作映射关系，形成带噪声的映射数据集；利用所述映射数据集预训练深度神经网络学习噪声环境下的风扇调整策略；将预训练网络部署至风洞环境实时交互，以试验段速度场均匀性为奖励信号优化网络参数，完成强化学习控制器的优化；采用优化后的深度神经网络控制器闭环调节风扇转速，实现试验段速度场均匀控制。本发明克服了传统风洞控制方法依赖精确模型和专家知识、调参繁琐的弊端，实现控制器参数的自动寻优降低了风洞调试时间和资源消耗，同时具有较好的抗干扰性。