Acoustics-based Active Control of Unsteady Flow Dynamics using Reinforcement Learning Driven Synthetic Jets
Notice bibliographique
Résumé
Flow generated noise are caused shear flows and, hence, they can be used as feedback to control the flow. Existing flow control uses state variables like velocity, pressure, or vorticity, none use acoustic observables as the primary control signal. It is tough to model a classical control algorithm using sound level but data-driven approaches are not as do not have to explicitly model the physics. We present an acoustics-driven framework for active control of unsteady wake dynamics behind a circular cylinder, in which sound is used as the primary feedback signal for flow regulation. The approach integrates deep reinforcement learning (DRL) with synthetic jet actuation, using acoustic measurements acquired from a downstream hydrophone array to inform control decisions in real time. Unlike conventional flow control strategies that rely on velocity or pressure field sensing, the proposed method establishes a direct link between far-field acoustic emissions and near-field actuation. Within this formulation, the DRL agent learns control policies that exploit acoustic signatures of vortex shedding to modulate synthetic jet actuation on the cylinder surface. The resulting control suppresses coherent wake structures and mitigates flow-induced disturbances. Quantitative results show reductions of up to 9.5\% in radiated noise and 23.8\% in drag under the tested conditions, accompanied by a marked attenuation of wake oscillations, for a DFG 2D benchmark flow with Reynolds number 100. These findings demonstrate that acoustic sensing alone can provide sufficient information for effective closed-loop flow control and highlight its potential as a non-intrusive feedback modality for coupled aerodynamic and aeroacoustic optimization in bluff-body flows. The codes for the algorithm can be found here: https://github.com/Siddharth-Rout/FlowControlDRL.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».