近年来,通过机器学习对流场进行分析与控制成为一大热点,为流体力学研究提供了新的思路。本文基于强化学习算法控制圆柱体自转,对单圆柱和串联双圆柱进行主动减阻研究,论文主要工作内容如下:1、基于开源求解器,添加自定义旋转狄利克雷边界,实现流场与强化学习模型的信息交互。通过计算旋转单圆柱绕流案例,与已有文献做定性和定量对比,验证求解结果的准确性。2、建立强化学习模型进行单圆柱主动减阻,引入奖励函数系数（升力系数对模型获得奖励的修正）和控制频率（强化学习模型更新圆柱体转速的频率）,并分析系数、控制频率以及流场中监测点个数对主动减阻效果的影响。系数可以避免模型陷入局部最优解,控制频率在合理取值下可避免模型对流场变化过于迟钝或敏感,流场中监测点个数代表模型获取流场信息的完整性,不同位置和不同数量的监测点影响强化学习模型的减阻效果。单圆柱主动减阻计算结果表明:在雷诺数为200、最大无量纲化转速为0.05的条件下,单圆柱通过自转的方式可以将阻力系数降低约10.7%。3、通过计算串联双圆柱主动减阻,验证强化学习主动减阻的通用性。串联双圆柱主动减阻计算结果表明:对于处于涡流中的圆柱体,系数对串联双圆柱主动减阻结果影响较小;在雷诺数为200、最大无量纲化转速为0.25的条件下,下游圆柱体通过控制自转方式可降低约23.9%的阻力系数。本文对采用强化学习进行流场主动减阻的方法进行了探索,通过算例对强化学习控制流场的能力进行了分析和评估,为通过强化学习进行主动减阻提供一定参考。