基于深度强化学习的近壁圆柱绕流控制

基于深度强化学习方法(deep reinforcement learning,DRL),采用一对施加在圆柱表面的质量流量为零的射流,对Re=200,400,间隙比G/D=0.5,0.7,1.0,1.5,2.0的近壁圆柱进行主动流动控制研究。通过DRL方法获得不同参数下的射流控制策略与相应控制效果,并讨论了不同射流位置(90°,270°)、(90°,320°)、(90°,360°)对控制效果的影响。研究发现Reynolds数、间隙比和射流位置都对控制效果有重要的影响。射流位置为(90°,270°)时通过DRL控制可以有效降低阻力系数及其波动,控制后的圆柱尾迹被拉长且圆柱前后压差降低。射流位置为(90°,320°)和(90°,360°)的控制效果相似,都能使平均阻力系数有所降低,但控制位置的不对称性导致控制后的阻力系数波动较大。Reynolds数和间隙比的增大会增加控制射流的质量流量水平,在相同条件下,使用(90°,270°)的射流位置可以用相同的质量流量得到更好的控制效果。

近壁圆柱绕流尾流的特性

近壁圆柱绕流是许多工程问题分析简化的物理模型。圆柱尾流与壁面边界层的相互作用产生了复杂而丰富的多尺度湍流结构。文章对工程中由这种湍流结构引起的圆柱涡脱落频率、圆柱所受阻力和升力的变化,以及这种湍流结构的产生和演化的规律进行了综述和分析,并对进一步开展的研究提出了建议。

雷诺数对附壁半球绕流湍流特性影响的试验研究

附壁半球绕流是典型的三维钝体绕流模型,在工程应用中普遍存在.本文通过粒子图像测速(PIV)技术试验研究了附壁半球绕流的湍流结构及其统计特性,雷诺数基于半球直径为Re_(d)=1.44×10^(4)~3×10^(4).首先,通过对平板壁面边界层测量,验证了PIV的准确性.其次,法向脉动速度的概率密度函数分布表明,随着雷诺数的增大,半球后方产生较强的脉动速度,大尺度湍流结构出现的概率增大.通过分析脉动速度的联合概率密度函数,发现随着近壁面法向高度的增加,脉动速度增强;此外,随着雷诺数的增加,半球后方强的脉动速度也增强了近壁面湍流结构的猝发.最后,通过本征正交分解(POD)方法重构瞬时速度场,结合λ_(ci)涡识别准则,分析了不同雷诺数下的涡结构演化过程.发现在目前雷诺数范围内(1.44×10^(4)≤Re_(d)≤3×10^(4)),半球上脱落的尾涡会形成发卡涡结构,发卡涡向下游演化,其演化角度约为7°,此外还发现在半球后方存在逆时针旋转的涡结构.