机器学习在湍流燃烧及发动机中的应用与展望

随着燃烧科学的发展，数值仿真与实验测量产生了大量数据，这些数据隐含许多有效的物理信息。传统研究方法对此类信息主要利用基于物理规则的模型去处理，但随着数据量的增加，基于数据驱动的方法开始受到重视。机器学习(machine learning, ML)技术由于在数据分析和处理方面取得了巨大成功，为处理燃烧领域的大量数据提供了一种新的范式。该文简要介绍了ML在湍流燃烧中的应用，主要包括化学反应、燃烧建模、发动机性能预测与优化、燃烧不稳定性预测与控制等4个方面，讨论了机器学习在燃烧研究中面临的挑战，并对未来应用进行了展望。     

航空发动机燃烧室两相湍流燃烧建模与仿真

航空发动机燃烧室具有内部结构复杂、燃烧组织多样、物理化学过程多变的特点。数值仿真技术的工程应用可有效缩短燃烧室的研制周期，减少试验数量和设计风险，备受研究人员重视。该文依据航空发动机燃烧室工程应用仿真需求，通过分析燃烧室典型仿真的特点和难点设计了一套数据结构合理、流程架构可拓展性高的软件框架，针对性开发集成了10类具备高精度优势的雾化、蒸发和湍流燃烧模型，研制出一套具有完全自主知识产权、可高效运行于现代主流高性能计算机之上的并行自适应非结构网格的燃烧室两相湍流燃烧数值仿真软件。典型工程全环主燃烧室和加力燃烧室上亿网格规模算例和工况的测试结果表明：燃烧数值仿真软件的两相湍流燃烧耦合仿真功能、精度和并行效率基本满足航空发动机燃烧室工程实用要求。