沿流向微结构沟槽流场直接数值模拟

采用高阶格式对覆有V型对称沟槽表面的槽道湍流流动进行了直接数值模拟,数值方法采用有限差分法。为精确求解沟槽壁面的湍流流动,对流项的离散采用7阶WENO（Weighted Essentially Non-Oscillatory）格式;时间推进采用分数步时间推进与低耗散、低色散Runge-Kutta方法（LDDRK方法）结合的格式;黏性项的离散采用6阶中心格式。模拟的雷诺数为5 000（基于槽道高度的1/2）,计算的沟槽宽度范围为13~44,沟槽斜壁与水平面夹角为60°。数值模拟结果表明,与平板相比,沿流向沟槽表面的阻力最高降低了9%。数据分析发现出现减阻效果时,沟槽减少了近壁面处顺流向涡的数目,并且减阻机理与微沟槽阻碍大尺度流向涡与沟槽壁面的直接碰撞,使沟槽表面湍流脉动得到削弱有关。     

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。