CFD仿真的智能求解控制应用：自动监测仿真结果的收敛性
VirtualFlow的智能求解控制应用功能可以在软件仿真求解运行过程中监测某个地方在某个时刻是否会出现收敛性的问题。
比如，智能求解控制应用可以通过监测连续未收敛迭代步/时间步次数是否过多、收敛速率是否过慢以及自适应时间步长是否过小或持续减小，从而自动识别当前数值计算过程是否存在收敛问题。
当程序发现确实存在未收敛问题后，程序会自动调用基于遗传算法的求解参数控制模块，自动调整求解器的参数，通过尝试找到合适的参数集可以达到我们预先设定的标准，并按照最优化的参数集继续进行数值计算。
计算初始阶段（最开始50-200步）往往是收敛性最差的时候，所以VirtualFlow的智能求解控制应用模块不仅可以自动检测运行过程中的收敛问题，也可以自动检测初始阶段中的收敛问题。
VirtualFlow中搭载的智能求解控制模块采用遗传算法实现，遗传算法作为一种相对比较通用的最优化技术，比较典型的算法实现思路如图所示。
算法针对初始解，通过改变计算参数产生后代，后代间产生交叉变异。算法将评估出后代中表现最好的后代，并由它派生出新的子孙，再次进行交叉变异。重复以上过程，最终通过几代演化得到全局最优解。
VirtualFlow将其应用到CFD的求解控制上，最关键的核心问题是判断最优后代的依据是什么？回答这个问题需要紧密结合VirtualFlow的求解过程。
VirtualFlow中定义了Fitness函数，与残差差距系数、质量系数以及稳定性系数直接相关，是三者的加权线性和。其中，残差差距系数主要描述当前残差距离收敛标准的距离，质量系数主要描述收敛速率，稳定性系数主要描述不同方程的收敛情况的差异。计算程序最终能够通过Fitness函数来判断最优参数集。
VirtualFlow的解决方案目前主要覆盖航空发动机、核工业、通用机械、石油天然气、化工及过程工艺、应急管理、汽车工业及电子电器等。如下展示“核工业”及“航空发动机”领域的典型应用。
采用直接相变模型，对标MITDuan&Buongiorno(2010)试验
考虑可压缩性，以及热限制相变共同引起的空化
VirtualFlow可针对PSBT5X5棒束格架通道建立仿真算例，对三层格架的计算模型划分约300万网格后，进行单相热态CHT模拟，模拟结果给出了通道内流动细节的精确预报。
航空发动机相关的叶轮机械领域是VirtualFlow的重要应用场景。对于涡轮叶片，VirtualFlow采用可压缩模型以及RANS模型进行涡轮叶片附近流动的数值模拟，仿真结果与国外商软的计算结果基本一致。
对于叶片叶梢在一定攻角下出现的流动分离现象，经典的两方程湍流模型对这类问题的求解精度并不高，但VirtualFlow中为这类问题提供了可压缩模型+超大涡模拟（VLES）湍流模型，特别在涡轮叶片的涡系结构方面可以预报出高精度的数值结果。
VirtualFlow可以对共轭换热流动过程进行数值仿真。下面的动图中展示了涡轮叶片的共轭换热过程中周围流场变化情况的数值模拟结果，算例假定在叶片中有一个恒定的热源。第二幅动图展示的是VirtualFlow采用Level-Set与表面冷凝相变模型针对涡轮叶片周围的流动以及气体冷凝过程进行了高精度仿真。
VirtualFlow可以针对燃烧室中固体装药侵蚀燃烧和燃面退移进行数值仿真。如下图所示，上图中为固体燃料与气体的质量分数分布情况。其中，红色部分为装填的固体燃料，随着时间的推进，可以看到燃料会被慢慢消耗掉，燃面发生退移。下图为这一过程中，流场中流速的变化情况。
VirtualFlow中可以将IST网格划分技术与边界或计算域刚体运动相结合。下图展示的是基于VirtualFlow采用IST网格与刚体运动的方法模拟了喷口摆动过程中气流流动的情况。
VirtualFlow中搭载的Level-Set技术对两相流动具有优越的界面分辨性能。下图展示的是基于VirtualFlow对离心泵在启动阶段排出泵内空气的过程的数值模拟，采用了Level-Set界面捕捉的技术。
