大气对流层中蕴含着大量可被利用的风能，自然界中的一些鸟类（例如信天翁、军舰鸟、安第斯秃鹰等）可以利用大气层中的上升热气流进行长时间的飞行，这种行为被称为热滑翔。此外，小型固定翼无人机可以使用与鸟类相似的策略滑翔，进而提升其续航能力。

近日，航空学院/极端力学研究院徐翱副教授和合作者基于自驱动颗粒模型，揭示了在热湍流场中浮游物节能推进的机制。团队采用强化学习算法来控制自驱动颗粒在热湍流环境中进行长距离的迁移。自驱动颗粒的训练环境选择宽高比为2的对流腔体，测试环境选择宽高比为4、8、16和32等一系列的大宽高比对流腔体。尽管在这些大宽高比对流腔体中存在着复杂的流动特征（例如不稳定的大尺度环流和剧烈的速度脉动），但是使用智能策略的自驱动颗粒仍然能够成功地选择能耗更低的轨迹。通过分析不同腔体中自驱动颗粒进行长距离迁移的轨迹，团队进一步给出了提升迁移成功概率的策略。

该研究成果以“Long-distance migration with minimal energy consumption in a thermal turbulent environment”为题发表于流体力学权威期刊《Physical Review Fluids》，第一作者和通讯作者为徐翱副教授，合作者有硕士生吴华林以及郗恒东教授。西北工业大学为该论文的唯一署名单位。该研究得到了国家自然科学基金和“飞行器复杂流动与控制”111引智基地的资助。（撰稿：吴华林 审核：郗恒东）

论文链接：https://doi.org/10.1103/PhysRevFluids.8.023502