基于强化学习的水下航行器型线参数优化研究.pdf

基于强化学习的水下航行器型线参数优化研究

摘要

为了改善传统潜艇优化过度依赖经验的做法，本文利用强化学习对艇型进行优化，建

立了基于强化学习的艇型优化方案和自编程模型。通过参数化方法对Suboff潜艇模型进行

了几何重构、试验设计、CFD数值模拟、近似模型建立后，再基于DQN强化学习模型分别

对阻力和操纵性进行多目标优化。

首先，通过参数化方法将三维艇型转变为归一化的二维数值，作为强化学习网络的输

入变量。针对Suboff全附体潜艇模型的几何重构，采用并改进的Lackenby法减少变量数量

和优化计算量。为了解决优化过程中需对每次迭代进化的新范围进行抽样验证的难题，本

文编译并应用优化拉丁方(OLHS)试验设计方法对多维方案的设计空间进行试验设计，为近

似模型建立和阻力以及操纵性的多目标优化奠定了基础。

其次，构建阻力评价模块，使强化学习网络具备对阻力性能评价的能力。本文研究了

艇型水动力CFD计算方法的控制方程、湍流模型和边界条件，对CFD和CAD软件与强化

学习模型开发数据耦合接口，共同构成阻力计算模块，为强化学习网络赋予了自主评判潜

艇阻力性能的能力，并通过优化学习得到快速性更为优异的艇型参数