机构名称：
¥ 3.0
本研究提出了一种机器学习或人工智能 (AI) 控制低阻力 Ahmed 体的方法，其后倾角 ϕ = 35°，旨在找到有效减阻 (DR) 的策略。根据机身横截面积的平方根，所研究的雷诺数 Re 为 1.7 × 10 5。控制系统包括五个独立操作的稳定微喷射阵列，沿后窗和垂直底座的边缘吹出，车身尾部的二十六个压力抽头，以及一个基于蚁群算法的控制器，用于无监督学习近乎最优的控制律。成本函数的设计同时考虑了 DR 和控制功率输入。AI 控制的学习过程发现强迫产生高达 18 % 的 DR，相当于阻力系数降低 0.06，大大超过了之前报道的这种机身的任何 DR。此外，发现的强迫因素可能提供替代解决方案，即在 DR 略微牺牲的情况下大幅提高控制效率。在有控制和无控制的情况下进行的大量流量测量表明，车身周围的流动结构发生了显著变化，例如后窗上的流动分离、再循环气泡和 C 柱涡流，这些都与窗户和底座上的压力上升有关。揭示了 DR 的物理机制，以及在最佳控制或最大 DR 下改变的流动结构的概念模型。进一步将该机制与最高控制效率下的机制进行了比较。
低阻力艾哈迈德体的人工智能控制......
主要关键词
相关文件推荐
