基于神经网络的减阻沟槽壁面形状优化

针对沟槽外形减阻问题，采用基于神经网络的方法对沟槽壁面形状进行外形优化。模型采用槽道流动模型，控制方程为黏性不可压缩Navier-Stokes(NS)方程，流动求解采用直接数值模拟（DNS）方法，对于对流项的离散采用紧致4阶中心格式，对黏性项的离散采用4阶中心格式，时间推进采用3阶Runge-Kutta格式。在神经网络优化过程中，约束方程为不可压NS方程，采用基于在线学习的自适应控制器，使用基于抑制展向切应力的控制律，控制量的产生由壁面变形提供。优化结果表明，壁面最大减阻效果可达17.41%。对于优化后的壁面，湍流强度降低了19.68%，同时壁面的涡量与雷诺切应力亦有所降低。由于湍流流动非定常，因此优化得到的壁面形状亦是时变的，但变化的过程中整体上仍呈现流向沟槽的形状。