SU2 气动外形伴随优化新
我的评分
背景
基于梯度的外形优化需要阻力的准确且廉价的梯度，设计变量多达数百个。离散/连续伴随方法以几乎与变量数无关的计算代价给出梯度——这正是 SU2 的核心能力（斯坦福主导，1.8k+ Star）。
典型工作流
- 建立 RANS 算例（SA 或 SST 湍流模型）
- 定义目标（阻力、升阻比、力矩）与设计变量
- 运行连续伴随求表面敏感度
- 结合网格变形（FFD 或自由变形）做外形优化循环
物理 AI 扩展
- 学习式湍流修正与混合模型
- 优化环内的代理模型（早期权衡研究）
- 实时设计探索用的降阶伴随模型
适用场景
- 翼型/机翼减阻 redesign
- 叶轮机械叶片优化
- 伴随验证的学术基准
资源
- SU2 文档与教程套件（含伴随示例）
- 伴随公式与验证算例的参考论文
标签: