|
|
楼主 |
发表于 2024-12-19 16:21:49
|
显示全部楼层
NatureBoy 发表于 2024-12-19 16:18
# L& Y( N! d% e2 _: C b- ^5 q工程数值模拟基础算法与模型全国重点实验室共建单位和实验室主任初次官宣（此前本帖已爆料）! h$ p: ]2 a1 p" V; ]% c; j
. U1 J& Z7 W }, N
工程数值模拟 ...
& N T& s1 F# Y- u0 S全重室2024年度开放课题3 m# s) v3 y& m. s; C0 v
（一）研究方向一：多领域基础算法和模型0 m8 T2 H& {$ L6 {
1．氢气预混湍流燃烧高效高保真计算和建模研究
5 W4 i, I0 J+ ~针对氢燃料航空发动机燃烧室设计需求，开展先进物理模型和计算方法研究，解决氢燃烧难以准确模拟的问题，提高数值模拟精度和计算速度，为氢发动机高效设计奠定基础。
; _- d. I% n* ?* ^% z2．基于高阶精度方法的极低马赫数流动数值模拟研究* i$ l& G! [2 O; K( e
针对低速流动仿真需求，开展极低马赫数流动高精度数值模拟方法研究，解决低马赫数流动方程系统刚性过强的问题，实现基于高精度有限差分格式的低马赫数数值模拟能力，为采用密度基有限差分解算器模拟低速流动提供新方法。. ]3 y( \& r0 ~/ ^
3．面向气动噪声模拟的内点/边界一致高阶精度高分辨率方法研究8 E2 o$ }) d. T! F+ p6 _8 ?
针对气动噪声模拟需求，通过在有限差分方法中引入高阶导数项离散策略，提高方法的分辨率；解决高阶边界格式的稳定性问题，为气动噪声模拟提供内点/边界一致高阶精度模拟方法。
! |( F# m' P& p( w t. A4．基于高精度数值微分（WCNS）物理约束的图神经网络流场预测研究( b3 V B0 `1 @
针对工程数值模拟和人工智能交叉融合的背景，开展基于高精度数值微分（WCNS）物理约束的图神经网络流场预测研究，突破高精度数值微分的物理约束和多块结构网格上的模型实现等关键技术，解决对于激波等间断捕捉和复杂外形流场预测的关键问题，为航空航天领域快速流场预测提供新方法新技术奠定基础。
. w& ~. j e% ?: F5．基于深度图神经网络的三维CAD模型分析特征识别方法研究
& c0 `' I6 _ [& I; L" R针对工程数值模拟高效几何前处理需求，开展基于深度图神经网络的三维CAD模型分析特征识别方法研究，解决复杂几何形状描述特征的高精度提取问题，提高特征识别方法的泛化能力，为设计仿真一体化技术的发展提供几何处理新方法。! w0 w3 ]7 g7 d( ]; i
6．基于机器学习的非结构网格自适应生成方法研究" l$ `+ v: x3 {, B! e X" D( c
针对复杂流场局部网格自适应加密需求，开展基于机器学习的自适应网格快速生成方法研究，突破复杂流场梯度快速预测、激波自动捕捉、自适应网格自动生成等关键技术，有效提升复杂流场自适应网格生成效率。; T/ d% w3 S3 i4 O( W1 w
/ C! l4 d+ j( L0 I! m! m9 A9 {
（二）研究方向二：多算法模型耦合求解方法
& h7 S# e0 o% b4 I( _6 H* d" [3 h1．涡轮叶片冷却流热耦合数值模拟与分析预测研究5 Q1 ?+ f3 V+ l- c& p: v& Z
针对航空发动机/燃气轮机的涡轮叶片冷却设计需求，开展涡轮叶片冷却的流热耦合数值模拟与分析预测研究，突破基于数据驱动的涡轮叶片冷却效率与换热系数的预测技术，解决涡轮叶片冷却中的三维瞬态热传导方程逆方法求解的问题，提高涡轮叶片冷却的传热分析与预测能力，为涡轮叶片冷却提供新方法新技术奠定基础。' x* d- t* N2 e2 S
2．高超声速多孔气膜冷却机理与控制规律研究
4 Q9 s* Z* w( `* x7 f9 [# R针对下一代空天往返飞行器发展可重复主动冷却技术需求，研究多孔微渗流作用下近壁流动演化规律及其对气动摩阻和表面热流影响，发展高超声速边界层气动摩阻、气动热与多孔材料孔隙率、流量等参数关联预测模型，优化基于多孔微渗流的气膜冷却降热减阻能力，为空天往返飞行器主动热防护提供新方法新技术奠定基础。( A/ }' X9 d5 U. ?: i5 o
3．预混旋流燃烧不稳定性的自激与外激实验研究
& A: u6 B( S B$ S" b/ z. Y) F1 V ]面向当代先进航空动力系统对更高效率、更高性能的迫切需求，针对航空发动机旋流燃烧室在贫燃预混等低油耗巡航条件和富燃部分预混等加力燃烧条件下易出现的燃烧振荡和不稳定性问题，开展自激和外激实验研究，形成高质量测量数据集，揭示燃烧不稳定性主要机理及其模态演化规律，为航空发动机非定常燃烧流动高精度数值仿真提供实验校验数据，并为发展燃烧振荡抑制技术提供基础理论支撑。
( Q/ H& X' M4 P4．流致振动高保真有限元法8 _: Q/ f# m: {8 U7 [8 A
流致振动现象是典型的流固耦合现象，广泛存在于空气动力、水动力及海洋动力等相关工程领域中，其对工程结构物往往有巨大破坏作用。系统研究流致振动的高效数值方法，通过高保真数值模拟揭示其运行规律和演化特征，优化工程设计方案，无疑具有重要的科学意义和工程实际价值。
1 h' }6 B5 y9 `5．基于高分辨率化学机理的湍流燃烧模型开发与应用
r. \( @/ u1 O针对燃烧室内流场高保真建模需求，开展基于高分辨率化学机理的湍流燃烧模型降阶建模方法研究，解决高精度化学动力学机理计算成本高的问题，发展燃烧数值模拟程序，提高工程尺度燃烧室数值模拟精度，支撑龙驰软件的发展和先进燃烧室设计。
- m; S: y, i0 R L/ J% E: n6．飞行器结冰数值模拟中水滴相位分离奇异性问题的高精度求解研究; q( q( G, V/ u+ K4 M
针对工业软件高效和精细化求解需求，围绕飞行器结冰数值模拟中的关键技术瓶颈，开展过冷水滴流场高精度算法研究，突破水滴离散相高效求解技术，解决水滴遮蔽区分布间断导致计算易发散等问题，提高水滴流场计算能力，为飞行器结冰数值模拟提供新方法新技术。$ \+ \* W1 B7 z) E/ v. t
7 e- l- v+ ?1 d
（三）研究方向三：大型通用CAE软件底层技术及原型系统设计与实现8 u# y6 }' M. j) i9 `( j, w/ M- @
1．基于认知神经网络的复杂流动热工水力场景智能流场预测与多保真度优化技术研究
5 q( s' o- \& E, Y- Z9 V* P0 @# i从认知角度出发，采用自步学习算法，从简单到复杂、由浅入深地逐步学习流场数据，结合多保真度优化技术，降低对训练数据的需求，确保在保证预测精度的前提下显著提高计算效率，精准捕捉复杂动态流场的演化过程，为复杂热工水力系统中的流场模拟和预测提供新的方法。% q8 O5 q. K8 F! N
2．开源工业软件架构研究0 L8 B/ t7 l9 {4 Q% \5 K6 T
研究灵活的CFD工业软件框架，确保通用性与适应性，推动CFD技术的广泛应用；通过高性能计算支持和优化算法，确保软件在处理复杂流体动力学问题时具备高效的计算能力，满足工业界日益增长的计算流体动力学需求。$ J* J# C8 `- Y
3．端云协同的大规模网格流场数据可视化算法研究与实现
1 E% c" b3 n2 j2 g' D# x, A1 {针对大规模网格数据（上亿级）的流场数据处理，实现基于端云协同的并行可视化及呈现方法。
& k& q R" X# P$ h0 G* F1 R" j! P5 }0 V t( ]+ |; _/ ?* ^* s
（四）研究方向四：CAE融合技术# y. d& y0 |4 T/ [0 T# J
1．复合式垂直起降固定翼无人机飞行控制系统研究
3 \1 t, t( a- B7 {/ h针对复合式垂直起降固定翼无人机研发可稳定飞行的飞行控制系统，包括垂直起降控制、垂直转平飞控制、平飞转垂直控制、以及巡航阶段的平飞控制。
9 s- V" C& U0 l9 [2．垂直起降固定翼无人机保型可折叠旋翼/短舱一体化设计方法研究8 ?4 K! U/ E* g: }
针对垂直起降固定翼无人机在不同飞行模态下对螺旋桨功率需求的巨大差异，开展保型可折叠倾转旋翼及短舱一体化设计方法研究。分析可折叠螺旋桨外形特殊需求，研究保型可折叠螺旋桨翼型参数化与优化的新思路和新方法；开展多巡航点/悬停多模态倾转螺旋桨设计与优化，解决螺旋桨无法兼顾垂直飞行和巡航模态效率的问题；建立了从短舱设计参数到螺旋桨设计参数的几何仿射模型，突破保型可折叠螺旋桨/短舱一体化设计的关键技术有效提升垂起固定翼无人机任务过程的效率。
' E- b- v6 a; u2 i2 ]; a5 J! a1 w% m1 d3．基于神经网络的盒式布局倾转旋翼无人机统一控制分配设计研究
7 C' i. G. L1 F9 n+ y针对盒式布局倾转旋翼无人机桨翼耦合干扰较大、飞行模式多样导致的控制分配求解复杂且无法统一的问题，开展基于神经网络的统一控制分配设计研究。分析盒式布局倾转旋翼无人机多控制输入对桨翼耦合强度的影响规律，探究可用控制力和力矩边界；进行多模式多输入最优控制分配问题建模和求解研究，形成控制分配拟合数据库；开展基于数据和浅层/深度神经网络拟合的多模式统一控制分配设计方法研究。突破多模式无人机桨翼气动耦合、统一化控制分配框架设计等关键技术，提高倾转旋翼无人机的控制鲁棒性和抗风能力，为飞行器控制分配提供新方法新技术奠定基础。
& [1 u+ i: \ s/ P$ V) u |
|
[复制链接]
发表于 2024-12-19 10:34:55
( ?, n. o, D8 W
