针对槽形优化问题，基于神经网络对槽壁形状进行优化。模型采用槽道流动模型，控制方程为粘性不可压缩Navier-Stokes（NS）方程，流动解采用直接数值模拟（DNS）法，对流项离散采用紧致四阶中心格式，粘性项离散采用四阶中心格式，时间推进采用三阶Runge-Kutta格式。在神经网络优化过程中，约束方程是不可压缩方程。采用基于在线学习的自适应控制器，采用基于抑制传播方向的控制律。控制量由墙体变形提供。优化结果表明，壁面的最大减阻效果可达17.41%。对于优化后的壁面，湍流强度降低了19.68%，壁面涡度和雷诺数也降低了。由于湍流是非定常的，优化后的壁面形状也是时变的，但它仍然呈现出流道的整体形状。