公开(公告)号：CN111914361B

公开(公告)日：2023-03-31

申请号：CN202010676474.3

申请日：2020-07-14

Applicant: 北京理工大学

Inventor： 贾良跃 ,  郝佳 ,  王国新 ,  阎艳 ,  子曌 ,  朱志成

IPC: G06F30/17 ,  G06F30/28 ,  G06F30/27 ,  G06N3/084 ,  G06N3/092

Abstract: 本发明公开了一种基于强化学习的风力机叶片快速设计优化方法。该方法基于强化学习方法，在叶片TAD优化的过程中提供方向性指导，促进叶片模型向更大的能量获取方向进行进化，优化效率大幅提升。同时由于强化学习方法的可重用性，使得训练的优化模型可以不断重用在不同的风速下，不同风速下叶片最优TAD的搜索过程将摆脱从0开始的窘境。使用原先风速下训练的优化模型作为初始模型，随后进行优化模型的调整来适应新的风速环境下的方式，极大的缩短的优化模型的训练时间，提升了叶片TAD优化速度。

公开(公告)号：CN111914361A

公开(公告)日：2020-11-10

申请号：CN202010676474.3

申请日：2020-07-14

Applicant: 北京理工大学

Inventor： 贾良跃 ,  郝佳 ,  王国新 ,  阎艳 ,  子曌 ,  朱志成

IPC: G06F30/17 ,  G06F30/28 ,  G06F30/27 ,  G06N3/04 ,  G06N20/00

Abstract: 本发明公开了一种基于强化学习的风力机叶片快速设计优化方法。该方法基于强化学习方法，在叶片TAD优化的过程中提供方向性指导，促进叶片模型向更大的能量获取方向进行进化，优化效率大幅提升。同时由于强化学习方法的可重用性，使得训练的优化模型可以不断重用在不同的风速下，不同风速下叶片最优TAD的搜索过程将摆脱从0开始的窘境。使用原先风速下训练的优化模型作为初始模型，随后进行优化模型的调整来适应新的风速环境下的方式，极大的缩短的优化模型的训练时间，提升了叶片TAD优化速度。