湍流射流的智能控制

开发了一种人工智能(AI)控制系统，以最大化湍流射流的混合率。该系统由六个独立操作的非定常微型射流执行器、放置在射流中的两个热丝传感器以及用于无监督学习近最优控制律的遗传编程组成。该控制律的拟设包含多频开环强迫、传感器反馈及其非线性组合。混合性能由射流中心线平均速度的衰减率量化。有趣的是，AI控制的学习过程按性能递增的顺序逐一发现了经典强迫，即轴对称、螺旋和扑动——这些可由传统控制技术实现，并最终收敛到一种迄今未被探索的强迫。对控制景观的仔细考察揭示了学习过程中生成的典型控制律及其演化。最佳AI强迫产生了一种复杂的湍流结构，其特征为周期性生成的蘑菇状结构、螺旋运动和振荡射流柱，均增强了混合率并大幅优于其他。这种从未被报道过的流结构从多个方面被考察，包括速度谱、平均与脉动速度场及其下游演化，以及三个正交平面中的流可视化图像，所有均与其他经典流结构进行比较。结合微型射流所产生流动及其对主流初始条件影响的认识，这些方面为这一新发现流结构高度有效混合背后的物理提供了宝贵见解。结果指出了AI在征服多执行器与传感器控制律的广阔机会空间以及优化湍流方面的巨大潜力。