寇家庆

报告题目：

飞行器非定常流场的机器学习方法研究

个人简介：

西北工业大学航空学院教授，博导，国家级青年人才（海外）。2015年和2018年获得西北工业大学学士和硕士学位，2022年获得马德里理工大学博士学位，2022年-2024年在亚琛工业大学空气动力学研究所担任洪堡博士后。2023年获批国家级青年人才(海外)项目资助，2024年3月入职西北工业大学。主要从事飞行器复杂流动模拟和智能流体力学建模方法研究，以第一/通讯作者在PAS，JCP，AIAA J等本领域顶级国际期刊发表论文二十余篇，SCI引用1000余次。先后入选欧盟玛丽居里Early Stage Researcher（博士），德国洪堡学者（博士后），陕西省青年人才等项目，获得国防科技进步二等奖1项。主持国家自然科学基金优秀青年科学基金（海外）、国家重点研发计划课题、某基金重点项目等。连续五年入选斯坦福大学“全球前2%顶尖科学家”年度科学影响力排行榜。现任中国空气动力学会青年工作委员会副主任委员，Aerospace Science and Technology期刊Associate Editor。

摘要：

现代飞行器研制中面临着很多挑战性的非定常流动问题。近年来，流体力学实验和模拟中产生了海量的多源流场大数据，为发展数据驱动的非定常气动力模型提供了很多机遇。通过机器学习方法，融合多源异构流动数据，我们构造了不同层次的低维流动模型，缓解了现有非定常气动力获取方法在精度和效率上的矛盾。本报告将介绍三方面内容：1）针对非线性气动弹性分析，提出了非定常气动力的机器学习模型，在保持计算精度的同时极大提高了计算效率；2）发展了数据驱动的流场模态分解与因果分析方法，为复杂流动机理分析和流动控制奠定了方法基础；3）提出了基于迁移学习的多源流场数据融合建模方法，在保证精度的同时，大幅降低了模型对高精度训练样本的依赖。