流体弹球与倾斜 Ahmed 体的主动减阻探索性梯度方法
流体动力学
2020-11-02 v2
摘要
我们应对主动流动控制的一项挑战：优化多个作动参数以保证快速收敛并避免次优局部极小值。这一挑战通过一种称为探索性梯度方法（EGM）的新优化器来解决。EGM 交替执行一个利用性的下山单纯形步骤和一个探索性的拉丁超立方采样迭代。因此，在保证基于梯度方法的收敛速率的同时，探索到了更好的极小值。对于解析多峰测试函数，EGM 被证明显著优于下山单纯形法、随机重启变体、拉丁超立方采样、蒙特卡洛迭代和遗传算法。EGM 被应用于最小化二维流体弹球基准的净阻力功率，其中以三个圆柱旋转作为作动参数。在基于圆柱直径的雷诺数为 的直接数值模拟中，净阻力功率降低了 。该最优作动通过 Coanda 效应进行船尾整流和涡脱落的局部稳定，实现了 的减阻。代价是作动能量相当于未作动寄生阻力功率的 。EGM 还被用于最小化 倾斜 Ahmed 体的阻力，采用具有 10 个输入的分布式稳态吹气。在基于 Ahmed 体高度的雷诺数 下，使用雷诺平均 Navier-Stokes 模拟（RANS）实现了 的减阻。该最优作动通过以与来流速度相当的速度向内吹气来模拟船尾整流。我们期望 EGM 将在未来的许多主动流动控制装置中被用作高效优化器。
引用
@article{arxiv.1905.12036,
title = {Explorative gradient method for active drag reduction of the fluidic pinball and slanted Ahmed body},
author = {Yiqing Li and Wenshi Cui and Qing Jia and Qiliang Li and Zhigang Yang and Marek Morzyński and Bernd R. Noack},
journal= {arXiv preprint arXiv:1905.12036},
year = {2020}
}