EGO方法的训练算法及应用

针对高效全局优化(Efficient Global Optimization,简称EGO)方法的训练问题,选择元启发式(Meta-heuristic)算法、随机取样算法以及低频序列算法,并选用三个无约束、两个带约束解析优化算例以及两个气动优化算例,对这三类训练算法进行详细地比较研究,发现在元启发式算法中差分进化算法最具应用潜力,而低频序列算法可以有效降低EGO方法的随机性,其中Faure序列平均性能最优.     

用DES数值模拟分离绕流中的旋涡运动

脱体涡模拟(Detached-Eddy Simulation,DES)是近年来出现的一种结合雷诺平均方法和大涡数值模拟两者优点的湍流模拟方法.采用基于Spalart-Allmaras方程模型的DES方法,数值求解Navier-Stokes方程,模拟绕流发生分离后的旋涡运动.其中空间区域离散采用有限体积法,方程空间项和时间项的数值离散分别采用Jameson中心格式和双时间步长推进方法.通过模拟圆柱绕流以及翼型失速绕流,观察到了与物理现象一致的旋涡结构,得到与实验数据相吻合的计算结果.