随着我国经济逐渐从高速发展向高质量发展转变,工业和居民生活对能源需求而产生的环境污染问题日益突出。能源的高效清洁利用成为必然选择,燃料与空气的快速混合直接影响着燃烧效率、污染物排放等空气指标。另一方面,在巨大的燃油消耗和严峻的环境问题的双重压力下,开发较为有效的汽车气动减阻技术显得尤为迫切。广泛用于研究的简化Ahmed汽车模型是具有高度三维性和复杂性的真实汽车绕流特性的经典研究对象。研究汽车气动减阻技可以打破国际垄断,亦有助于提升我国科技创新能力和综合国力。上述湍流射流以及湍流尾流的实际应用均与湍流控制有密切关联。因此,研究湍流控制,理解湍流控制背后的物理机理,开展与湍流控制的相关研究对节能减排和高端装备等战略性新兴产业的关键技术突破至关重要。同时,对相关的湍流控制问题也具有很强的学术研究价值。湍流控制是近年来产生的一个交叉学科,其包括流体力学和控制理论等学科。根据经典湍流控制研究,可将其大致分为被动控制和主动控制。但是传统的控制方式存在一定劣势。由此也引出了湍流控制领域里的一个新的研究方向——基于人工智能相关研究突破目前湍流控制的局限。目前亟需结合人工智能相关算法针对湍流被控对象开发出新型的湍流控制系统,以实现对参数进行自动调整且提升控制效果的目的。本文则选取经典的湍流射流以及三维钝体绕流作为湍流控制的研究对象。同样,射流混合增强和车模扰流减阻也是近年来湍流控制的热点研究内容。综上,本文的研究目的是基于智能算法分别开发增强射流混合速率、减少钝体阻力的控制系统。本文首先研发了多输入-单输出的湍流控制系统,利用该系统对经典的圆形湍流射流混合进行控制。该系统包含射流、基于拓展卡尔曼滤波（EKF）极值搜索算法的闭环控制器、热线探头和微射流激励器四个部分。该系统使用热线探头对射流出口中轴线下游5D（D为圆形湍流射流出口处的直径）处的脉动速度进行检测,一组电磁阀和流量控制器作为激励器产生脉冲微射流,其激励频率、占空比和流量为激励器的控制信号。实验中基于射流出口处的雷诺数范围为5700到13300。实验在雷诺数为8000时,该系统将用于对被控射流进行快速优化,获得该雷诺数下最优的控制参数,即激励频率、占空比和流量。随后,改变初始参数,对该系统具的自适应性进行验证。最后,在5700到13300的范围内,对该系统进行鲁棒性验证研究。在基于单支微射流研究的此基础上,扩展微射流控制参数,使用六支可独立调控的微射流来控制湍流射流的混合。这样,微射流可控制参数为频率、占空比、质量流量、两只微射流之间的相位差以及同时工作的微射流支数。面对如此复杂的参数寻优问题,传统的机制搜索算法很难控制。因此,本文研发了一个基于线性遗传编程的人工智能湍流射流混合控制系统。该系统包含射流、感知子系统、执行子系统以及思维/创新子系统。在寻优过程中,探索该系统最好的控制效果。同时,寻优过程中所获个体进行近邻图分析。最后,将对最优控制模式进行详细的流场测量及分析。对湍流射流混合控制的深入理解能进一步为另一经典湍流尾流控制提供指导。随后,本文对方尾Ahmed车模尾流进行气动减阻控制。为此,本文采用一种基于拉丁超立方采样（LHS）和辛普森（Simplex）寻优的组合梯度探索（Explorative gradient method,EGM）算法构建湍流尾流减阻控制系统。实验在方尾车模上尾部边缘布置激励器,包括沿着垂直后背面上、两个侧边以及下边缘的非定常吹气,共四个激励器,分别表示为A1,A2,A3及A4。控制参数包含激励频率fe、占空比α和质量流量系数Cm。随后,探索该系统的寻优过程及可获得的最大减阻效果。在控制前后进行了广泛的流场测量,以了解控制背后的流体物理。进一步,基于实验获得的大量实验数据计算机器学习响应预测模型。最后,将基于该模型对各控制参数进行灵敏度分析。综上所述,本文基于极值搜索、线性遗传编程以及梯度探索方法（EGM）研发出多种湍流控制系统。利用湍流控制系统分别实现了增加射流混合和提升方尾Ahmed车模减阻效果等目的。本文研究结果对湍流控制体系的完善做出了一定贡献。同时,基于智能算法的湍流控制系统展现出了极强的应用潜力,对其他湍流控制问题的研究也具有良好的参考价值。