国家自然科学基金重点项目—AI赋能的气液两相湍流燃烧界面耦合机理及工业软件研究
编辑：admin 日期：2026-01-23 15:03
访问次数：75
n 项目名称
项目名称：AI赋能的气液两相湍流燃烧界面耦合机理及工业软件研究
起止时间：2023.01-2027.12
牵头高校：浙江大学
n 项目负责人
项目负责人：罗坤教授，主要从事能源动力工程领域复杂多相湍流燃烧的高效高精度数值模拟、风能高效利用及智慧能源等方面的研究。担任中国工程热物理学会常务理事、浙江省工程热物理学会副理事长、杭州青年科技工作者协会会长，获得国家杰出青年基金，入选国家“万人计划”青年拔尖人才、科技部中青年科技创新领军人才、长江学者奖励计划青年学者等，并于2025年获国际燃烧学会会士。研究成果获得国际燃烧学会杰出论文奖、腾讯科学探索奖、教育部/浙江省自然科学一等奖等。入选爱思唯尔中国高被引学者和斯坦福大学全球前2%顶尖科学家，应邀担任国内外多个学术期刊的编辑或编委。
n 研究目标
当前，针对航空发动机等动力装置中复杂的气液两相湍流燃烧过程，其数值模拟面临显著瓶颈：基于传统物理模型的雷诺平均（RANS）或大涡模拟（LES）方法，在刻画相界面演化、湍流－化学反应相互作用等关键物理化学过程时存在模型封闭不准的问题，导致预测精度受限；而能够精确捕捉细节的直接数值模拟（DNS）则因计算成本极其高昂，难以应用于实际工程设计。这使得现有商业软件对此类燃烧现象的模拟能力与工业界对高精度、高效率设计的迫切需求严重脱节。为解决此核心矛盾，本项目拟引入人工智能（AI）技术，开展跨尺度、高保真的数值模拟方法研究。首先发展AI赋能的跨尺度高精度模拟新方法，揭示AI模型增强下的关键物理机理，其次构建高效高精度智能计算软件框架，最后完成面向工程应用的验证与示范：以真实航空发动机燃烧室为对象，对自主研发的工业软件进行全面的检验、验证与性能评估，证实其在提升燃烧效率、降低污染物排放及优化燃烧室设计方面的有效性与工程实用价值，为国产动力装备的自主研发提供核心工具与理论支撑。
n 研究内容
本项目立足于湍流燃烧计算流体力学（CFD）的基本原理，深度融合当前快速发展的人工智能（AI）与机器学习（ML）前沿算法，旨在发展一套AI赋能的气液两相湍流燃烧高效高精度计算范式，并最终形成具有自主知识产权的工业级仿真软件。研究将严格遵循“从基础机理、到核心模型、再到软件集成与工程应用”的递进路线，实现人工智能与计算流体力学在多层次的深度交叉与融合。主要研究思路是：首先发展 AI 加速的气液两相湍流燃烧的界面解析直接数值模拟新方法，开展典型工况下气液两相湍流燃烧的界面解析直接数值模拟，揭示复杂界面的耦合作用机理并获得高精度DNS 数据库；随后基于该数据库，运用人工神经网络（ANN）、卷积神经网络（CNN）、物理信息融合的神经网络（PINNs）等机器学习方法对复杂物理化学过程进行数据挖掘和机理建模，建立高效高精度机器学习模型；然后设计智能计算工业软件框架，集成上述研究成果，形成具有独立知识产权的气液两相湍流燃烧数值模拟工业软件；最后以真实航空发动机燃烧室为研究对象，对工业软件进行工程检验验证和应用。
本项目立足于湍流燃烧计算流体力学（CFD）的基本原理，深度融合当前快速发展的人工智能（AI）与机器学习（ML）前沿算法，旨在发展一套AI赋能的气液两相湍流燃烧高效高精度计算范式，并最终形成具有自主知识产权的工业级仿真软件。研究将严格遵循“从基础机理、到核心模型、再到软件集成与工程应用”的递进路线，实现人工智能与计算流体力学在多层次的深度交叉与融合。主要研究思路是：首先发展 AI 加速的气液两相湍流燃烧的界面解析直接数值模拟新方法，开展典型工况下气液两相湍流燃烧的界面解析直接数值模拟，揭示复杂界面的耦合作用机理并获得高精度DNS 数据库；随后基于该数据库，运用人工神经网络（ANN）、卷积神经网络（CNN）、物理信息融合的神经网络（PINNs）等机器学习方法对复杂物理化学过程进行数据挖掘和机理建模，建立高效高精度机器学习模型；然后设计智能计算工业软件框架，集成上述研究成果，形成具有独立知识产权的气液两相湍流燃烧数值模拟工业软件；最后以真实航空发动机燃烧室为研究对象，对工业软件进行工程检验验证和应用。