Ansys Fluent新功能-基于伴随优化的GEKO模型标定（含操作视频）

本期带来Fluent伴随优化GEKO湍流模型标定案例，该案例以2.5D S805翼型升力预测为例，可在攻角角度小范围变化的情况下，使用神经 络（Neural Network）训练结果计算流场以期得到较好的预测精度。

1.翼型问题描述

a)几何体：S805 Airfoil（2.5D）；

b)攻角：11°

c)弦长：1m；

d)进口速度：1m/s，空气密度：1kg/m3；动力粘度：1e-6Pa●S；

e)稳态不可压缩空气流动；

f)目标：优化GEKO模型CSEP系数以提升预测精度，与实验数据对比。

边界条件

2.数据列表

3.速度对比云图

基础流场

伴随优化

神经训练

5.总结

·GEKO（Generalized k-omega）湍流模型

CSEP：改变分离流动；

CNW：改变壁面流动；

CMIX：改变自由剪切流的传播速率；

CJET：优化自由射流。