流动分离是导致飞行器失速的典型现象，由于流线型或者非流线型几何产生的分离都会对飞行安全造成威胁。本报告瞄准飞行器中典型的低速分离问题，开展不同湍流模拟方法的建模和应用研究。首先是针对非定常模拟的WMLES和IDDES方法进行应用和改进，改善IDDES的“灰区问题”，获得对分离剪切层失稳预测效果的提升。其次是基于数据融合和人工智能技术，利用DNS或者实验数据，建立基于物理特征的神经网络映射，获得涡粘模式框架下的湍流模式改进，提升模式对于大分离流动的预测效果。最后是基于流动的物理特征识别和物理机制分析，针对分离剪切层的强非平衡湍流区域进行定位和修正，提出新的模型修正方法，采用多种算例进行验证表明建模效果良好，对飞行器结冰、增升装置、翼型失速等预测精度提升明显。

主讲人介绍：

  张宇飞，清华大学航天航空学院副教授，飞行器设计研究所副所长。2011年毕业于清华大学，近年来主要从事航空飞行器的空气动力学分析及优化设计研究，研究方向包括超临界机翼和一体化设计，非定常分离流模拟，气动声学，人工智能的流体应用等。担任力学学会流固耦合专委会委员、工业流体力学专业组成员、航空学报青年编委，曾获中国航空学会青年科技奖。在国内外期刊和会议上发表论文60余篇，其中SCI检索30余篇。