简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:在微流控系统中,稳定、可控的柔性气-液界面可实现声流体颗粒富集、微纳操作、快速气-液反应等各种实际物理和生化应用.微流道内气-液界面的抗流体剪切能力对于增强微尺度下气-液界面的可控性具有十分重要的意义.为此,文章研究了具有高稳定性、高可控性、可阵列化的微尺度驻停气泡现象.利用嵌入局部裂隙的微流道以及与之平行的气体流道,可对驻停气泡的生成和形态进行有效调节,并利用其可控的气-液界面实现多种功能化应用.在此基础上,文章进一步研究柔性可控气-液界面的抗流体剪切能力,对形态变化中的气-液界面受力进行分析,利用仿真和实验手段研究不同状态下气-液界面的形状特征,研究不同的液体驱动压力、裂隙尺寸以及裂隙形状对气-液界面抗剪切能力的影响,并将界面的曲率半径作为气泡驻留与否的判定依据.文章对驻停气泡柔性气-液界面抗流体剪切能力的研究有助于优化其控制方法,增强其控制稳定性并拓展其潜在应用场合.