原文传递
基于组合控制射流激励的低阻Ahmed车模减阻控制研究
| 论文题名： | 基于组合控制射流激励的低阻Ahmed车模减阻控制研究 |
| 关键词： | 汽车减阻;Ahmed模型;主动流动控制;机器学习;气动阻力 |
| 摘要： | 2019年我国成为了世界上汽车保有量最多的国家，汽车带来的能源与环境问题日益严重，汽车减阻是解决这些问题的一个重要途径。高速行驶的汽车所受到的行驶阻力中，有超过6成是气动阻力。包括主动控制和被动控制的流动控制技术，能对汽车尾流结构进行控制，已经被证实了是减少汽车气动阻力的有效方法。 本文以35°Ahmed模型为研究对象，旨在通过应用主动流动控制技术，来实现汽车减阻的目标。控制执行器是布置在汽车尾部的5组微射流阵列激励器，控制手段包括定常射流和脉冲射流。实验在回流式低速风洞中进行，雷诺数为1.67×105。在各组激励器的单独控制实验中，测试了各组激励器在不同入射角度时，微射流阵列控制参数对模型阻力和后背面压力的影响，其中激励器A5（45°）在流量系数为0.01时得到了7%的最高减阻率。根据此实验确定了在组合控制时各组激励器的射流角度。本文提出了加权抽样算法，并参考了探索性梯度算法（EGM）采样与优化相结合的框架，研发出加权采样单纯形（WeightedSamplingSimplexAlgorism，WSSA）算法。通过算法仿真，发现此算法针对本文的控制实验有更快的收敛速度。以此算法开发了一套机器学习实验控制系统，使用这套控制系统先后进行了组合定常射流减阻控制实验和组合脉冲射流减阻控制实验，分别得到了约18%和20%的减阻率。从控制前后的流线图和压力分布图对比发现：两种最优控制均使上剪切层的流动分离由斜面上沿延后至斜面下沿，并缩小了尾流回流区的大小，有效提升了车模尾部的压力。 本文的实验结果证明了通过组合布置在车尾部的多组激励器，能利用多个控制的相互耦合作用，产生比单个激励器更好的效果。机器学习方法在本文汽车减阻控制上取得了良好的效果，这说明对于多输入控制系统的最优控制问题，机器学习方法有广阔的应用前景。 |
| 作者： | 林泽鑫 |
| 专业： | 动力工程 |
| 导师： | 张炳夫 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
