基于深度强化学习与流固耦合技术的鱼类自主游动行为模拟

摘要：

鱼类自主游动的模拟问题一直是仿生学、鱼类行为学以及生态水力学等诸多学科共同关注的重要难题.建立一种基于流固耦合数值模拟技术与深度强化学习算法的智慧鱼体自主行为决策平台,可以实现鱼体在不同周围环境条件下以最优决策方案完成游泳任务.该平台采用深度强化学习算法实现鱼脑功能,模拟其不断学习和最终决策;通过浸没边界-Lattice Boltzmann方法对流场及鱼体运动进行实时模拟,可为鱼体提供丰富的训练样本并执行鱼脑决策.基于该平台对鱼类典型捕食运动以及卡门游动进行训练并分析其训练效果.仿真结果表明:在捕食游动问题中,具有不同初始位置偏角的鱼体均能以最优轨迹到达目标点;在卡门游动问题中,鱼体能自主调节尾拍频率,使之接近涡街脱落频率,进而从卡门涡场中吸收能量,以稳定步态在涡街中运动.在鱼类自主游动问题的研究方面,该决策平台较传统物理实验具有更强大的复杂流场适应性,并可为水利工程、生态环境工程等领域的数字孪生提供技术支持.

关键词：流固耦合、鱼类游泳、人工智能、深度学习、强化学习

所属期刊栏目：22

分类号：TV131(水利工程基础科学)

资助基金：重庆市自然科学基金;重庆市教委科学技术项目;重庆交通大学国家内河航道整治工程技术研究中心暨水利水运工程教育部重点实验室开放基金;重庆交通大学河海学院研究生科研创新基金项目

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：14392-14400