PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2604.14398v2physics.flu-dyn

시간 스케일 분리를 통한 회전 유폭 엔진 모드 전환의 심층 강화학습 제어

Timescale Separation Enables Deep Reinforcement Learning Control of Rotating Detonation Engine Mode Transitions

회전 유폭 엔진(RDE)은 기존 시스템보다 더 높은 열역학적 효율과 비추력을 제공할 수 있는 유망한 추진 개념이지만, 진동 또는 혼돈 전파 모드로의 전환을 포함한 비선형 현상으로 인해 실용적 운용에 어려움이 따를 수 있습니다. 심층 강화학습(DRL)은 RDE에서 관찰되는 것과 같은 복잡한 비선형 동역학을 제어하기 위한 유망한 방법으로 부상했습니다. 그러나 RDE 시스템의 다중 시간 스케일(multi-timescale) 특성으로 인해 DRL을 직접 적용하기는 까다롭습니다. 본 연구에서는 데토네이션 파동(detonation-wave) 패턴을 따르는 이동 기준틀(moving reference frame)에서 DRL 문제를 재구성하여 파동 구조가 에이전트(agent)에게 준정상(quasi-steady) 상태로 보이도록 함으로써 이 문제를 해결합니다. 이러한 재구성을 통해 빠른 데토네이션 전파와 더 느린 작동 모드 동역학 간의 스케일 분리가 가능해집니다. 저자들은 1차원 축소 차수 RDE 모델에서 공간적으로 분할된 분사 압력을 조절하고 서로 다른 모드 고정(mode-locked) 상태 간의 빠른 전환을 유도하도록 DRL 제어기를 학습시킵니다. 다양한 구동 주기, 초기 상태, 목표 모드 전반에서 이동 기준틀에서 학습된 제어기는 정지 기준틀에서 학습된 제어기보다 더 안정적으로 학습하며 더 넓은 구동 주기 범위에서 효과를 유지합니다. 이러한 결과는 대칭성을 고려한 이동 기준틀 공식화가 관련 다중 스케일 유동 제어 문제에 유용할 수 있으며, 다중 시간 스케일 시스템의 DRL 제어를 가능하게 하기 위해 스케일 분리를 가능한 한 적극적으로 활용해야 함을 시사합니다.