[发明专利]一种基于深度强化学习和迁移学习的增升装置优化方法

权利要求书

1.一种基于深度强化学习和迁移学习的增升装置优化方法，其特征在于：具体过程如下：

A、二维优化阶段

步骤1：给定目标值函数；对于单目标优化，优化目标直接视为目标值，对于多目标优化，采用线性加权的方式将其转化为单目标；

步骤2：建立智能体，包含在线演员网络和在线评论家网络，以及目标演员网络和目标评论家网络；在线演员神经网络和在线评论家网络内部参数采用正交随机初始化；

步骤3：建立空的经验池，将当前增升装置参数输入给在线演员神经网络，其输出决策，即新构型增升装置参数；

步骤4：计算新构型增升装置气动性能；

步骤5：根据气动性能计算奖励函数得到奖励值；

步骤6：将状态、动作、奖励值序列存入经验池中；其中状态值为旧构型增生装置参数，动作值为新构型增升装置参数；

步骤7：从当前的经验池中随机取出经验轨迹，分别训练在线评论家网络和在线演员网络，并更新目标演员网络和目标评论家网络；

步骤8：用新构型增升装置参数更新旧构型增升装置参数；

步骤9：重复步骤3至8，直到目标值函数满足优化要求，或达到最大优化循环；

B、三维优化阶段

三维优化阶段整体过程与二维类似，同样包括前述步骤1至步骤9，区别在于：步骤2中采用迁移学习中预训练的方法优化在线网络参数采用二维优化的结果参数；

在步骤3中，初始位置参数设置为二维优化的最优解。

2.如权利要求1所述一种基于深度强化学习和迁移学习的增升装置优化方法，其特征在于：步骤4中，取机翼展长方向的1/4和3/4位置截取平面，对两个二维翼型进行气动计算，取结果的平均值近似为新构型增升装置的三维气动性能。

3.如权利要求1所述一种基于深度强化学习和迁移学习的增升装置优化方法，其特征在于：奖励函数为新构型增升装置的目标值减去旧构型增升装置的目标值。

4.如权利要求1所述一种基于深度强化学习和迁移学习的增升装置优化方法，其特征在于：三维优化阶段中，气动性能计算方法为整机三维计算。