流动控制是流体力学研究领域中一个非常重要的研究方向。截至目前,大部分流动控制研究是采用被动控制或者开环主动控制。这两种方法都取得了比较好的控制效果。但是被动控制要求对机械装置进行较大幅的改动,而且不容易更改控制参数。开环控制虽然可以方便的改变激励器的控制参数,但是控制参数是实验前预先设定的。在运行环境改变的情况下,最优控制参数也随之改变,开环控制不能够实时对控制参数进行优化。因此,设计一种可以实时优化控制参数的闭环控制系统对提升控制效率,增强流动控制效果有很重要的意义。流动分离和射流混合是流体控制领域典型的湍流现象。如何抑制流动分离,增加射流混合效率一直是科学界的研究热点。有学者曾采用传统斜率搜索算法构建闭环控制系统用来抑制流动分离,然而系统稳定时间过长。因此,本文的研究目的是设计一种快速响应闭环控制系统来抑制流动分离,增加射流混合效率。针对流动分离控制,本文设计了一套闭环流动分离控制系统,其包含翼型、闭环控制器、测力传感器和等离子执行器四个部分。实验采用一种新型绝缘介质阻挡放电等离子执行器(dielectric barrier discharge plasma actuator)来控制NACA0015翼型表面流动分离。本文分别对开环控制和闭环控制进行了详细的研究。开环控制实验表明该新型等离子执行器可以延迟失速角,增加升力系数。闭环控制算法采用基于拓展卡尔曼滤波器(EKF)的斜率搜索方法对等离子执行器的输入电压幅值进行调节。相比传统极值搜索算法,改进的控制算法可大幅提高收敛速度并具有较强的鲁棒性。斜率搜索方法在翼型流动分离控制中取得了非常优异的控制效果,因此,该算法被进一步拓展到了射流混合控制领域。本文设计了一套单输入-单输出的闭环控制系统来优化脉冲微射流激励器的控制参数,进而达到增加圆形主射流混合效果的目的。该系统采用射流出口下游5倍出口直径D处射流中轴线速度衰减率为反馈信号,微射流的激励频率或者流量为输出信号,采用极值搜索方法分别对微射流的频率或者流量进行优化。实验结果证实该系统可以分别对微射流的激励频率和微射流流量进行优化。当采用基于EKF的极值搜索方法时,该系统可以大幅缩短收敛时间,提升系统的动态响应能力。实验结果证实该系统适用于优化单一控制参数的射流混合控制。由于单输入-单输出控制系统只可以对单一参数进行优化,但在实际应用中,工作环境的改变会引起多个最优参数发生改变。因此,本文将上文中采用EKF的单输入-单输出系统拓展成双输入-单输出控制系统。与单输入-单输出控制系统类似,该系统也采用中轴线射流出口下游5D处速度衰减率为反馈信号,微射流的激励频率和流量为输出控制信号。实验在雷诺数为5700到13300范围内开展。实验证实该系统可以快速且同步寻找到最优的微射流激励频率和微射流流量,进而得到最佳控制结果。该结果与开环控制结果相一致。此系统对雷诺数的改变具有一定的鲁棒性,且对控制器初始参数的改变具有自适应性。研究还发现,当雷诺数增加或者降低时最大的速度衰减率仍保持不变。即该控制系统的控制性能基本上不受雷诺数的影响。相比于之前的研究,该双输入-单输出系统的成功应用大大提升了射流的混合效果,同时该控制系统还可拓展至其他的控制领域。上述极值搜索算法属于线性控制方法,接下来的研究中采用了一种非线性机器学习方法进一步优化湍流射流的混合。实验采用两支分别放置于射流出口下游3D和5D位置的热线传感器来测量流场信息。5D位置的中轴线平均速度被用来表征射流混合性能。该速度的降低与势流核附近的夹带增强相关。采用机器学习控制来优化传感器反馈控制、多频耦合控制以及两者的结合。机器学习最终寻找到最佳控制律为单一频率的小占空比信号,取得了比前几种控制方法更好的控制效果。另外,实验结果表明,在当前射流控制条件下,多频率耦合或传感器反馈控制都不会进一步改善射流混合。射流混合结果证明了机器学习在快速学习优化总体控制策略方面有尚未开发的潜力,甚至可以自主选择开环或闭环控制。但是,机器学习方法的收敛速度相比极值搜索算法收敛速度要慢,与系统的开环参数优化方法所用时间相近。综上所述,本文分别采用斜率搜索方法、极值搜索方法以及机器学习方法设计了多种闭环控制系统,分别实现了抑制翼型表面流动分离和增加射流混合的目的。多输入-单输出控制系统的效果要明显优于单输入-单输出控制系统。采用机器学习控制可以实现多参数非线性优化,在这三种控制方法中取得了最佳的控制效果。本文研究结果表明,闭环控制在流动控制领域展现出了极强的应用潜力,可以进一步拓展到其他类型的湍流控制领域。