本课题组的研究定位于先进推进技术与计算智能的交叉融合,致力于解决航空航天动力系统中复杂流动物理与流固耦合的关键科学问题。主要研究方向包括:

一、先进推进系统内流物理与流动控制

针对航空/火箭发动机(压气机、涡轮泵、喷管)中的激波/边界层干扰、流动分离与失稳等复杂流动现象,解析其非定常演化机理,发展基于主/被动控制的流动调控技术,突破推进系统性能与稳定裕度边界,支撑高性能动力装置研发。

二、智能流体力学与数物融合建模

融合人工智能与流体力学,构建物理信息神经网络(PINN)、深度算子网络(DeepONet)等数据-物理融合降阶模型,实现复杂流场的高效预测与重构;发展深度强化学习(DRL)算法,探索流动智能闭环控制策略,推动流体力学研究范式创新。

三、流固耦合动力学与气动弹性问题

发展高精度流固耦合数值仿真方法,研究高速/旋转条件下叶栅结构与薄壁部件的流致振动、颤振失稳及疲劳破坏机理,解决发动机/飞行器关键部件的结构完整性、振动抑制与寿命预测等工程挑战。

• Yunfei Li. Numerical investigation of unsteady flow dynamics and bubble-vortex interactions induced by cavitation in a cryogenic liquid oxygen pump.Aerospace Science and Technology.2025,164:110395

• Yunfei Li. A generative adversarial network for enhancing over-expansion flow field perception of nozzles with large expansion ratio.Aerospace Science and Technology.2024,151:109324

• Yunfei Li. Research on time sequence prediction of supersonic cascade flow field based on compressed sensing artificial neural network.Aerospace Science and Technology.2023,142(B):108684

• Yunfei Li. Recent progress of machine learning in flow modeling and active flow control.Chinese Journal of Aeronautics.2022,35(4):14-44

• Yunfei Li. Research on time sequence prediction of the flow field structure of supersonic cascade channels in wide range based on artificial neural network.Physics of Fluids.2022,34(1):016106

• 中国博士后科学基金第75批面上资助, 2024/01/01