研究方向

燃烧反应动力学模型的智能化发展

提高宽工况范围下燃烧反应动力学模型的预测能力是燃烧科学发展的关键问题。不确定性分析是定量评估燃烧反应动力学模型误差的重要方法，主要通过数值方法探究燃烧反应动力学模型的不确定性来源以及传递机制，采用模型优化等方法减少模型参数不确定性。然而，目前的不确定性分析方法还存在计算效率较低、实验工况和实际条件不匹配等诸多问题，难以应用于复杂的燃烧反应动力学模型。本研究主要包含：

  1. 神经网络加速的正向及反向不确定性分析
  2. 人工神经网络及特征提取
  3. 基于灵敏性熵和替代模型相似性分析的实验设计方法
  4. 燃烧反应动力学模型分析与优化平台OptEx
  5. 化学反应动力学数据库及数据挖掘算法
  6. 结合AI&深度学习的新型燃烧反应动力学研究方法
style switcher
layout styles

燃烧反应动力学机理及燃料设计

燃烧是一个耦合了流动、传热、传质和化学反应等多种物理和化学过程的复杂体系，而化学反应是燃烧的控制要素之一，对着火、火焰传播、熄火、可燃极限、燃烧稳定性、污染物排放等关键燃烧现象具有举足轻重的作用。研究燃烧反应动力学机理，有助于为预测不同燃料燃烧特征，提高燃烧效率及预测污染物排放提供理论指导。本研究主要包括：

  1. 综合运用燃烧诊断结果、量化计算与动力学模拟，发展燃烧反应动力学模型，使用多种实验数据对模型进行优化、验证。
  2. 实际燃料的模型燃料的构建方法研究与模型燃料的配方设计

燃烧诊断及基础燃烧实验

准确的燃烧反应动力学模型的发展需要大量基础燃烧实验的支撑。不同于复杂的多因素耦合的真实燃烧环境，基础燃烧实验可以强调出要研究的主要影响因素，弱化次要因素的干扰，更好的对燃烧过程进行研究。此外，为得到燃烧场的组分信息，了解燃烧反应机制，需要对燃烧场进行原位或者取样的诊断。本研究主要包括：

  1. 基于快速压缩机、层流预混火焰、流动管反应器、射流搅拌反应器等的基础燃烧实验
  2. 利用分子束质谱、同步辐射光电离质谱、二位色谱、红外光谱等进行燃烧诊断
style switcher
layout styles

燃烧反应路径调控

通过在基础燃烧实验中引入额外的调控手段，针对性地强化某些反应路径，可以有效拓展目标燃料的实验研究范围，为燃烧反应动力学模型优化提供额外的实验信息。此外，燃烧反应路径的调控可为发动机点火正时的控制以及极端工况下的稳定燃烧提供指导。本研究主要包括：

  1. 催化燃烧
  2. 等离子体辅助燃烧
  3. 臭氧等活性介质辅助燃烧